python繪制曲線
1. python如何畫函數的曲線
輸入以下代碼導入我們用到的函數庫。
>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> x=np.arange(0,5,0.1);
>>> y=np.sin(x);
plt.plot(x,y)
採用剛才代碼後有可能無法顯示下圖，然後在輸入以下代碼就可以了：
plt.show()
2. python 怎麼畫與其他方法進行比較的ROC曲線
使用sklearn的一系列方法後可以很方便的繪制處ROC曲線，這里簡單實現以下。
主要是利用混淆矩陣中的知識作為繪制的數據（如果不是很懂可以先看看這里的基礎）：
tpr(Ture Positive Rate)：真陽率 圖像的縱坐標
fpr(False Positive Rate)：陽率（偽陽率） 圖像的橫坐標
mean_tpr：累計真陽率求平均值
mean_fpr：累計陽率求平均值
import numpy as np
import matplotlib.pyplot as plt
from sklearn import svm, datasets
from sklearn.metrics import roc_curve, auc
from sklearn.model_selection import StratifiedKFold
iris = datasets.load_iris()
X = iris.data
y = iris.target
X, y = X[y != 2], y[y != 2] # 去掉了label為2，label只能二分，才可以。
n_samples, n_features = X.shape
# 增加雜訊特徵
random_state = np.random.RandomState(0)
X = np.c_[X, random_state.randn(n_samples, 200 * n_features)]
cv = StratifiedKFold(n_splits=6) #導入該模型，後面將數據劃分6份
classifier = svm.SVC(kernel='linear', probability=True,random_state=random_state) # SVC模型 可以換作AdaBoost模型試試
# 畫平均ROC曲線的兩個參數
mean_tpr = 0.0 # 用來記錄畫平均ROC曲線的信息
mean_fpr = np.linspace(0, 1, 100)
cnt = 0
for i, (train, test) in enumerate(cv.split(X,y)): #利用模型劃分數據集和目標變數 為一一對應的下標
cnt +=1
probas_ = classifier.fit(X[train], y[train]).predict_proba(X[test]) # 訓練模型後預測每條樣本得到兩種結果的概率
fpr, tpr, thresholds = roc_curve(y[test], probas_[:, 1]) # 該函數得到偽正例、真正例、閾值，這里只使用前兩個
mean_tpr += np.interp(mean_fpr, fpr, tpr) # 插值函數 interp(x坐標,每次x增加距離,y坐標) 累計每次循環的總值後面求平均值
mean_tpr[0] = 0.0 # 將第一個真正例=0 以0為起點
roc_auc = auc(fpr, tpr) # 求auc面積
plt.plot(fpr, tpr, lw=1, label='ROC fold {0:.2f} (area = {1:.2f})'.format(i, roc_auc)) # 畫出當前分割數據的ROC曲線
plt.plot([0, 1], [0, 1], '--', color=(0.6, 0.6, 0.6), label='Luck') # 畫對角線
mean_tpr /= cnt # 求數組的平均值
mean_tpr[-1] = 1.0 # 坐標最後一個點為（1,1） 以1為終點
mean_auc = auc(mean_fpr, mean_tpr)
plt.plot(mean_fpr, mean_tpr, 'k--',label='Mean ROC (area = {0:.2f})'.format(mean_auc), lw=2)
plt.xlim([-0.05, 1.05]) # 設置x、y軸的上下限，設置寬一點，以免和邊緣重合，可以更好的觀察圖像的整體
plt.ylim([-0.05, 1.05])
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate') # 可以使用中文，但需要導入一些庫即字體
plt.title('Receiver operating characteristic example')
plt.legend(loc="lower right")
plt.show()
3. python怎麼畫曲線圖
# encoding=utf-8
import matplotlib.pyplot as plt
from pylab import * #支持中文
mpl.rcParams['font.sans-serif'] = ['SimHei']
names = ['5', '10', '15', '20', '25']
x = range(len(names))
y = [0.855, 0.84, 0.835, 0.815, 0.81]
y1=[0.86,0.85,0.853,0.849,0.83]
#plt.plot(x, y, 'ro-')
#plt.plot(x, y1, 'bo-')
#pl.xlim(-1, 11) # 限定橫軸的范圍
#pl.ylim(-1, 110) # 限定縱軸的范圍
plt.plot(x, y, marker='o', mec='r', mfc='w',label=u'y=x^2曲線圖')
plt.plot(x, y1, marker='*', ms=10,label=u'y=x^3曲線圖')
plt.legend() # 讓圖例生效
plt.xticks(x, names, rotation=45)
plt.margins(0)
plt.subplots_adjust(bottom=0.15)
plt.xlabel(u"time(s)鄰居") #X軸標簽
plt.ylabel("RMSE") #Y軸標簽
plt.title("A simple plot") #標題
plt.show()
4. 如何用python turtle畫斐波那契螺旋曲線
我把矩形和圓弧都用不同顏色填充了，你按照自己的需求修改一下吧，你的題目說的不清楚。
#Python3.6
#使用turtle繪制Fibonacci螺旋
defdraw_fibonacci(x):
#F0=1
#F1=1
#Fn=F（n-1）+F（n-2）
#產生斐波那契數列，用於查表
#像這種計算復雜性指數增長的計算，不要寫個函數去每次求一個數
#最好的辦法是，按照規律寫出查找表，用查找的方法來得到數據
f_list=[]
foriinrange(x):
ifi==0:
f_list.append(1)
elifi==1:
f_list.append(1)
else:
f_list.append(f_list[i-1]+f_list[i-2])
#像素比例
f0=50
#設置畫筆屬性
turtle.pensize(5)
turtle.pencolor("black")
turtle.penup()
turtle.home()
turtle.pendown()
foriinrange(0,len(f_list)):
#繪制速度，1~10個不同速度等級，小於1或者大於10立即繪制
turtle.speed(1)
turtle.pendown()
#繪制矩形
ifi==0:
fill_color="black"
else:
fill_color=(random.random(),random.random(),random.random())
turtle.fillcolor(fill_color)
turtle.begin_fill()
turtle.forward(f_list[i]*f0)
turtle.left(90)
turtle.forward(f_list[i]*f0)
turtle.left(90)
turtle.forward(f_list[i]*f0)
turtle.left(90)
turtle.forward(f_list[i]*f0)
turtle.left(90)
turtle.end_fill()
#繪制圓弧
fill_color=(random.random(),random.random(),random.random())
turtle.fillcolor(fill_color)
ifi==0:
turtle.forward(f_list[i]*f0/2)
turtle.begin_fill()
turtle.circle(f_list[i]*f0/2,360)
turtle.end_fill()
#移動到一下起點
turtle.forward(f_list[i]*f0/2)
continue
else:
turtle.begin_fill()
turtle.circle(f_list[i]*f0,90)
turtle.left(90)
turtle.forward(f_list[i]*f0)
turtle.left(90)
turtle.forward(f_list[i]*f0)
turtle.end_fill()
#移動到一下起點
turtle.speed(0)
turtle.penup()
turtle.left(90)
turtle.forward(f_list[i]*f0)
turtle.left(90)
turtle.forward(f_list[i]*f0)
turtle.done()
if__name__=="__main__":
draw_fibonacci(6)
下面是我跑出來的結果：
5. 如何使用Python繪制光滑實驗數據曲線
樓主的問題是否是「怎樣描繪出沒有數據點的位置的曲線」，或者是「x在某個位置時，即使沒有數據，我也想知道他的y值是多少，好繪制曲線」。這就是個預測未知數據的問題。
傳統的方法就是回歸，python的scipy可以做。流行一點的就是機器學習，python的scikit-learn可以做。
但問題在於，僅由光強能預測出開路電壓嗎（當然，有可能可以預測。）？就是你的圖1和圖2的曲線都不能說是不可能發生的情況吧，所以想預測開路電壓值還需引入其他影響因子。這樣你才能知道平滑曲線到底應該像圖1還是圖2還是其他樣子。
如果是單因子的話，從散點圖觀察，有點像 y = Alnx + B，用線性回歸模型確定A,B的值就可以通過x預測y的值，從而繪制平滑的曲線了。
6. 如何使用python製作excel透視曲線圖
Excel功能之強大，每個人都會用到。你還在為怎麼做數據表煩惱么。Excel高版本自帶的數據圖表可以滿足一般需求，這就是高版本的好處自帶很多實用功能減輕繁重的工作。本文就2010版本的數據視圖做個簡單的功能介紹，製作一個孩子的各科目每年學習成績曲線圖
開啟分步閱讀模式
工具材料：
excel2010
操作方法
01
數據源，先做好每年孩子各科目學習成績的記錄
02
數據透視圖，首先要選擇數據，然後點擊『插入』-》數據透視表-》數據透視圖
03
選擇必要選項，在彈出的對話框中，有兩個選項供選擇，一個是數據源（可以選擇外部數據源，默認是當前選中的數據），一個是視圖要顯示的位置，可以在當前的表中呈現，也可以在另外一個sheet中展現。一般情況下我是在當前工作表中呈現，直觀，方便。
04
報錯，如果選擇了『現有工作表』，但是『位置』里為空，這樣直接確定是會報錯的，因為你還么有選擇圖標要顯示的位置。
05
選擇需要展示的數據，剛才選擇的數據源列都在上面提現出來了，現在是要選擇數據視圖展示的內容。我們來選擇科目、時間、成績。
06
橫軸、縱軸調整，圖1位置是我們所謂的X軸，圖2是我們要顯示的幾個內容，圖3是顯示的Y軸數值。
07
選擇圖標樣式，步驟6完成之後，默認是柱狀圖，但是這個不直觀，我想要的是曲線走勢圖，所以可以改變下顯示的樣式，
08
完美走勢圖，看曲線就可以知道小朋友數學、音樂成績在不斷提高，英語成績波動不大，語文成績在下滑。
7. 請問用python處理excel數據繪制曲線圖能不能做成一個類似的小軟體
可以啊，先確定好需要操作excel的哪些動作，用到哪些函數，然後通過python調用excel介面，實現對excel的操作；還有一種是只是讀取excel裡面的數據，然後通過matplotlib等第三方庫，繪制數據曲線圖。
8. 用python的 turtle 怎麼畫這個曲線
urtle庫是python的基礎繪圖庫,這個庫被介紹為一個最常用的用來介紹編程知識的方法庫,其主要是用於程序設計入門,是標准庫之一,利用turtle可以製作很多復雜的繪圖。turtle名稱含義...
CSDN技術社區
9. 如何利用Python繪制ROC曲線
方法/步驟 1 首先，打開數據，以A2列數據為例做曲線。 2 點擊「 Analyze -ROC curve 」。 3 彈出界面後，導入A2列數據，調節其它參數。 4 點擊「OK」，出現結果。 5 雙擊ROC曲線，進入調節界面。 6 可以調節很多參數，也可以把曲線調成平滑的。
10. python的turtle怎麼畫曲線
turtle.circle()畫圓
Turtle庫是Python語言中一個很流行的繪制圖像的函數庫，想像一個小烏龜，在一個橫軸為x、縱軸為y的坐標系原點，(0,0)位置開始，它根據一組函數指令的控制，在這個平面坐標系中移動，從而在它爬行的路徑上繪制了圖形。