其它课程中的python---4、Matplotlib最最最最简单使用
一、总结
一句话总结：
慢慢来吧，不着急，心态平和和沉稳：每次和世界交互，你就能感受到无比的自信
1、如何区别python2和python3的pip？
已经帮你弄好了：分别打开python安装目录的Script，里面pip2，pip3啥的都分别命名好了
2、在windows的电脑中安装python2和python3之后，如何分别在命令行使用它们？
复制.exe，重命名：将python2安装目录下的python.exe复制一份重命名成python2，同理python3，然后这样python2就能访问到python2了
3、pycharm中如何使用 ipython？
安装jupyter，matplotlib，sympy包
4、python中的 jupyter 是什么？
交互式计算的命令shell：Jupyter Notebook提供了一个用于作为Web应用程序的交互式计算的命令shell。
Jupyter Notebook提供了一个用于作为Web应用程序的交互式计算的命令shell。该工具可以与多种语言一起使用，包括Python，Julia，R，Haskell和Ruby。它通常用于处理数据，统计建模和机器学习。 本教程将引导您设置Jupyter Notebook以在本地或从Ubuntu 16.04服务器运行，以及教您如何连接和使用笔记本。 Jupyter笔记本（或简称笔记本）是由Jupyter Notebook应用程序生成的文档，包含计算机代码和丰富的文本元素（段落，方程，数字，链接等），有助于呈现和共享可再现的研究。 在本指南结束时，您将能够使用运行在本地机器或远程服务器上的Jupyter Notebook运行Python 3代码。
5、numpy进行线性代数计算的函数有哪些？
dot 矩阵乘法
inv 计算方阵的逆
eig 计算方阵的本征值和本征向量
常用的numpy.linalg函数 diag 以一维数组的形式返回方阵的对角线（或非对角线）元素，或将一维数组转换为方阵（非对角线元素为0） dot 矩阵乘法 trace 计算对角线元素的和 det 计算矩阵行列式 eig 计算方阵的本征值和本征向量 inv 计算方阵的逆 pinv 计算矩阵的Moore-Penrose伪逆qr计算QR分解 svd 计算奇异值分解（SVD） solve 解线性方程组Ax=b，其中A为一个方阵lstsq计算Ax=b的最小二乘解
6、numpy如何读入数据？
loadtxt方法：c,v=np.loadtxt('data.csv', delimiter=',', usecols=(6,7), unpack=True)
7、Matplotlib如何使用？
1、创建Figure对象：fig = plt.figure()
2、设置横纵轴等相关信息：ax.set(xlim=[0.5, 4.5], ylim=[-2, 8], title='An Example Axes',ylabel='Y-Axis', xlabel='X-Axis')
3、添加横纵轴数据：ax.plot(x, y_sin)
4、显示图像：plt.show()
# -*- coding: utf-8 -*- import matplotlib.pyplot as plt import numpy as np ####创建Figure对象，理解成我们需要一张画板才能开始绘图 fig = plt.figure() ax = fig.add_subplot(111) ####设置横纵轴等相关信息 ax.set(xlim=[0.5, 4.5], ylim=[-2, 8], title='An Example Axes', ylabel='Y-Axis', xlabel='X-Axis') x = np.linspace(0, 2*np.pi) y_sin = np.sin(x) ####添加横纵轴数据 ax.plot(x, y_sin) ####显示图像 plt.show()
二、Matplotlib如何使用（最简单使用）
1、截图
2、代码
# -*- coding: utf-8 -*- import matplotlib.pyplot as plt import numpy as np ####创建Figure对象，理解成我们需要一张画板才能开始绘图 fig = plt.figure() ax = fig.add_subplot(111) ####设置横纵轴等相关信息 ax.set(xlim=[0.5, 4.5], ylim=[-2, 8], title='An Example Axes', ylabel='Y-Axis', xlabel='X-Axis') x = np.linspace(0, 2*np.pi) y_sin = np.sin(x) ####添加横纵轴数据 ax.plot(x, y_sin) ####显示图像 plt.show()