1.創(chuàng)建一個(gè)2行1列的繪圖區(qū)并在第1行第1列繪制函數(shù)f(x)=x2 的曲線圖（x的取值范圍[-1,1])，在第2行第1列繪制函數(shù)f(x)=1/x的曲線圖（x的取值范圍[0,1]），效果如圖2.9.1所示。

import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['font.sans-serif'] = ['SimHei']

plt.subplot(211,title='平方曲線')
x = np.linspace(-1, 1)
y = x**2
plt.ylim(0, 1)
plt.plot(x, y)

plt.subplot(212, title='倒數(shù)曲線')
x = np.linspace(0, 1)
y = 1/x
plt.xlim(0.05, 0.95)
plt.ylim(0, 10)
plt.plot(x, y)

plt.subplots_adjust(hspace = 0.5)

plt.show()

2.調(diào)用scatter函數(shù)繪制正弦函數(shù)的曲線，請(qǐng)?jiān)谇€中添加一個(gè)表示XY的軸線，并在X軸方向輸出刻度標(biāo)記文本，效果如圖2.9.2所示。 提示：利用plot函數(shù)繪制直線，然后在合適位置顯示標(biāo)記字符。

import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['font.sans-serif'] = ['SimHei']

x = np.linspace(-np.pi,np.pi,63)
y = np.sin(x)
plt.xlim(-4,4)
plt.ylim(-1.25,1.25)

colors = [plt.cm.tab10(i%10/10.0) for i in range(len(x))]

for i in range(len(x)):
    plt.scatter(x[i],y[i],color=colors[i],marker='*')
plt.title('Sin函數(shù)曲線')

plt.plot([-4,4],[0,0],'b')
plt.plot([0,0],[-1.25,1.25],color='orange')

plt.text(0.1,1.1,'Y')
plt.text(-3.4,-0.1,'-pi')
plt.text(3.3,-0.1,'pi')
plt.text(0.2,-0.1,'0')
plt.text(3.8,-0.1,'X')

plt.show()

3.調(diào)用bar()函數(shù)繪制教材部分例8.6中的圖像直方圖效果，圖像文件可以自己任意指定。

import numpy as np
import matplotlib.pyplot as plt
from PIL import Image

im = np.array(Image.open(r"lena.png"))

n = int(im.size/3)
hd = [0]*n
row = im.shape[0]
col = im.shape[1]

for i in range(row):
    for j in range(col):
        v = im[i,j,0]*0.299+im[i,j,1]*0.587+im[i,j,2]*0.114
        hd[i*row+j] = v
        
plt.hist(hd,256,color='k')
plt.show()

4.繪制一個(gè)心形圖案， 參考數(shù)學(xué)函數(shù)為ρ=a(1-sinθ) （θ的取值范圍[0,2?]），x=pcosθ，y=psinθ，在直角坐標(biāo)系上的繪制圖案效果如圖2.9.3（a）所示，在極坐標(biāo)中的繪制效果如圖2.9.3（b）所示。 提示：極坐標(biāo)繪制函數(shù)參考格式：plt.polar(theta,p)

import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif']=['SimHei']

theta = np.linspace(0,2*np.pi)
a = 1
p = a*(1-np.sin(theta))
plt.polar(theta,p)

plt.show()

x = p*np.cos(theta)
y = p*np.sin(theta)

plt.plot(x,y,color='r')
plt.title('心形曲線-直角坐標(biāo)系')
plt.show()

5. 繪制一個(gè)餅圖，顯示你每個(gè)月各項(xiàng)消費(fèi)支出的比例，消費(fèi)支出主要包括：學(xué)習(xí)用品、日常用品、伙食費(fèi)、通訊費(fèi)、娛樂(lè)費(fèi)和其他開(kāi)支。?

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']

persent = [0.08,0.23,0.45,0.05,0.15,0.04]
labels = ['學(xué)習(xí)用品','日常用品','伙食費(fèi)','通訊費(fèi)','娛樂(lè)費(fèi)','其他開(kāi)支']

plt.pie(persent,autopct="%.1f%%",labels=labels)
plt.title('每月各項(xiàng)消費(fèi)支出比例')

plt.show()

6.讀取“三國(guó)人名匯總.txt”中的人物名字，讀取“三國(guó)演義.txt”的全部?jī)?nèi)容，先統(tǒng)計(jì)所有人物的名字在書(shū)本中出現(xiàn)的次數(shù)，并對(duì)出現(xiàn)次數(shù)超過(guò)100次的人物繪制一個(gè)柱狀圖，然后根據(jù)人物的詞頻大小繪制一個(gè)三國(guó)人名的詞云圖，效果如圖2.9.4所示。（數(shù)據(jù)文件下載鏈接：https://pan.baidu.com/s/1b81lMIx3In-V64vs7bsHkw，提取碼：jg41）

import matplotlib.pyplot as plt
import jieba
from wordcloud import WordCloud
from PIL import Image
import numpy as np

plt.rcParams['font.sans-serif'] = ['SimHei']

fp1 = open(r'三國(guó)人名匯總.txt',"r",encoding="ANSI")
fp2 = open(r'三國(guó)演義.txt',"r",encoding="ANSI")

lines = fp1.readlines()

names = []
num = []
for line in lines:
    line = line.strip('\n')
    line = line.split(" ")
    for name in line:
        names.append(name)

f = fp2.read()
book = jieba.lcut(f)

for i in names:
    n = 0
    for j in book:
        if i==j:
            n = n+1
    num.append(n)

m = []
l = []

for k in range(len(num)):
    if num[k]>100:
        m.append(names[k])
        l.append(num[k])

plt.bar(m,l)

plt.show()

words = " ".join(names)

mask = np.array(Image.open(r"sg.png"))
wordcloud = WordCloud(font_path='C:/Windows/Fonts/simhei.ttf',
                      prefer_horizontal=0.99,
                      mask=mask,
                      background_color="white",
                      max_words=100,
                      max_font_size=30).generate(words)

plt.imshow(wordcloud)

fp1.close()
fp2.close()

7.神經(jīng)網(wǎng)絡(luò)模型在訓(xùn)練過(guò)程中將顯示每一個(gè)訓(xùn)練回合所用的時(shí)間、訓(xùn)練集上的損失值、訓(xùn)練集上的準(zhǔn)確率、驗(yàn)證集上的損失值和驗(yàn)證集上的準(zhǔn)確率，把這些數(shù)據(jù)保存到變量history,訓(xùn)練結(jié)束后對(duì)這些數(shù)據(jù)進(jìn)行分析，圖2.9.5顯示了前面5個(gè)回合的訓(xùn)練數(shù)據(jù)。 ?圖2.9.5 神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練過(guò)程 現(xiàn)將50個(gè)訓(xùn)練回合產(chǎn)生的數(shù)據(jù)寫(xiě)入到文件Epoch.txt中。用記事本中打開(kāi)Epoch.txt，前面5行數(shù)據(jù)的顯示結(jié)果如圖2.9.6所示，其中第1列為訓(xùn)練集的損失值，第2列為訓(xùn)練集的準(zhǔn)確率，第3列為驗(yàn)證集上的損失值，第4列為驗(yàn)證集上的準(zhǔn)確率。 ?131 ?圖2.9.6 訓(xùn)練產(chǎn)生的部分?jǐn)?shù)據(jù) 下面請(qǐng)讀入Epoch.txt文件中的數(shù)據(jù)，可視化顯示訓(xùn)練集與驗(yàn)證集的準(zhǔn)確率及損失值的變化趨勢(shì)，可視化顯示的結(jié)果將有助于判別本次訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型其擬合情況，輸出結(jié)果如圖2.9.7所示。(Epoch.txt文件的下載鏈接為https://pan.baidu.com/s/1KukeCMtSkAhzgDsRVbtwzg，提取碼為：iqjy)?文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-598451.html

import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = ['SimHei']

fp = open(r"epoch.txt","r",encoding="utf-8")
lines = fp.readlines()
loss,acc,val_loss,val_acc = [],[],[],[]
for line in lines:
    line = line.strip('\n')
    line = line.split('\t')
    loss.append(float(line[0]))
    acc.append(float(line[1]))
    val_loss.append(float(line[2]))
    val_acc.append(float(line[3]))
    
x = np.array([i for i in range(1,51)])
y1 = np.array(acc)
y2 = np.array(val_acc)
y3 = np.array(loss)
y4 = np.array(val_loss)

plt.figure(1)
plt.title('訓(xùn)練集和驗(yàn)證集的準(zhǔn)確率')
plt.xlabel('訓(xùn)練輪數(shù)')
plt.ylabel('準(zhǔn)確率')
plt.scatter(x,y1,color='cyan',label='訓(xùn)練集準(zhǔn)確率')
plt.plot(x,y2,color='r',label='驗(yàn)證集準(zhǔn)確率')
plt.legend(loc='lower right')

plt.figure(2)
plt.title('訓(xùn)練集和驗(yàn)證集的損失值')
plt.xlabel('訓(xùn)練輪數(shù)')
plt.ylabel('損失值')
plt.scatter(x,y3,color='b',label='訓(xùn)練集損失')
plt.plot(x,y4,color='r',label='驗(yàn)證集損失')
plt.legend()

plt.show()

到了這里，關(guān)于同濟(jì)大學(xué)Python程序設(shè)計(jì)基礎(chǔ) 實(shí)驗(yàn)九：數(shù)據(jù)可視化的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！