python绘制曲线
1. python如何画函数的曲线
输入以下代码导入我们用到的函数库。
>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> x=np.arange(0,5,0.1);
>>> y=np.sin(x);
plt.plot(x,y)
采用刚才代码后有可能无法显示下图，然后在输入以下代码就可以了：
plt.show()
2. python 怎么画与其他方法进行比较的ROC曲线
使用sklearn的一系列方法后可以很方便的绘制处ROC曲线，这里简单实现以下。
主要是利用混淆矩阵中的知识作为绘制的数据（如果不是很懂可以先看看这里的基础）：
tpr(Ture Positive Rate)：真阳率 图像的纵坐标
fpr(False Positive Rate)：阳率（伪阳率） 图像的横坐标
mean_tpr：累计真阳率求平均值
mean_fpr：累计阳率求平均值
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为2，label只能二分，才可以。
n_samples, n_features = X.shape
# 增加噪声特征
random_state = np.random.RandomState(0)
X = np.c_[X, random_state.randn(n_samples, 200 * n_features)]
cv = StratifiedKFold(n_splits=6) #导入该模型，后面将数据划分6份
classifier = svm.SVC(kernel='linear', probability=True,random_state=random_state) # SVC模型 可以换作AdaBoost模型试试
# 画平均ROC曲线的两个参数
mean_tpr = 0.0 # 用来记录画平均ROC曲线的信息
mean_fpr = np.linspace(0, 1, 100)
cnt = 0
for i, (train, test) in enumerate(cv.split(X,y)): #利用模型划分数据集和目标变量 为一一对应的下标
cnt +=1
probas_ = classifier.fit(X[train], y[train]).predict_proba(X[test]) # 训练模型后预测每条样本得到两种结果的概率
fpr, tpr, thresholds = roc_curve(y[test], probas_[:, 1]) # 该函数得到伪正例、真正例、阈值，这里只使用前两个
mean_tpr += np.interp(mean_fpr, fpr, tpr) # 插值函数 interp(x坐标,每次x增加距离,y坐标) 累计每次循环的总值后面求平均值
mean_tpr[0] = 0.0 # 将第一个真正例=0 以0为起点
roc_auc = auc(fpr, tpr) # 求auc面积
plt.plot(fpr, tpr, lw=1, label='ROC fold {0:.2f} (area = {1:.2f})'.format(i, roc_auc)) # 画出当前分割数据的ROC曲线
plt.plot([0, 1], [0, 1], '--', color=(0.6, 0.6, 0.6), label='Luck') # 画对角线
mean_tpr /= cnt # 求数组的平均值
mean_tpr[-1] = 1.0 # 坐标最后一个点为（1,1） 以1为终点
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]) # 设置x、y轴的上下限，设置宽一点，以免和边缘重合，可以更好的观察图像的整体
plt.ylim([-0.05, 1.05])
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate') # 可以使用中文，但需要导入一些库即字体
plt.title('Receiver operating characteristic example')
plt.legend(loc="lower right")
plt.show()
3. python怎么画曲线图
# 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) # 限定横轴的范围
#pl.ylim(-1, 110) # 限定纵轴的范围
plt.plot(x, y, marker='o', mec='r', mfc='w',label=u'y=x^2曲线图')
plt.plot(x, y1, marker='*', ms=10,label=u'y=x^3曲线图')
plt.legend() # 让图例生效
plt.xticks(x, names, rotation=45)
plt.margins(0)
plt.subplots_adjust(bottom=0.15)
plt.xlabel(u"time(s)邻居") #X轴标签
plt.ylabel("RMSE") #Y轴标签
plt.title("A simple plot") #标题
plt.show()
4. 如何用python turtle画斐波那契螺旋曲线
我把矩形和圆弧都用不同颜色填充了，你按照自己的需求修改一下吧，你的题目说的不清楚。
#Python3.6
#使用turtle绘制Fibonacci螺旋
defdraw_fibonacci(x):
#F0=1
#F1=1
#Fn=F（n-1）+F（n-2）
#产生斐波那契数列，用于查表
#像这种计算复杂性指数增长的计算，不要写个函数去每次求一个数
#最好的办法是，按照规律写出查找表，用查找的方法来得到数据
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
#设置画笔属性
turtle.pensize(5)
turtle.pencolor("black")
turtle.penup()
turtle.home()
turtle.pendown()
foriinrange(0,len(f_list)):
#绘制速度，1~10个不同速度等级，小于1或者大于10立即绘制
turtle.speed(1)
turtle.pendown()
#绘制矩形
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()
#绘制圆弧
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()
#移动到一下起点
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()
#移动到一下起点
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)
下面是我跑出来的结果：
5. 如何使用Python绘制光滑实验数据曲线
楼主的问题是否是“怎样描绘出没有数据点的位置的曲线”，或者是“x在某个位置时，即使没有数据，我也想知道他的y值是多少，好绘制曲线”。这就是个预测未知数据的问题。
传统的方法就是回归，python的scipy可以做。流行一点的就是机器学习，python的scikit-learn可以做。
但问题在于，仅由光强能预测出开路电压吗（当然，有可能可以预测。）？就是你的图1和图2的曲线都不能说是不可能发生的情况吧，所以想预测开路电压值还需引入其他影响因子。这样你才能知道平滑曲线到底应该像图1还是图2还是其他样子。
如果是单因子的话，从散点图观察，有点像 y = Alnx + B，用线性回归模型确定A,B的值就可以通过x预测y的值，从而绘制平滑的曲线了。
6. 如何使用python制作excel透视曲线图
Excel功能之强大，每个人都会用到。你还在为怎么做数据表烦恼么。Excel高版本自带的数据图表可以满足一般需求，这就是高版本的好处自带很多实用功能减轻繁重的工作。本文就2010版本的数据视图做个简单的功能介绍，制作一个孩子的各科目每年学习成绩曲线图
开启分步阅读模式
工具材料：
excel2010
操作方法
01
数据源，先做好每年孩子各科目学习成绩的记录
02
数据透视图，首先要选择数据，然后点击‘插入’-》数据透视表-》数据透视图
03
选择必要选项，在弹出的对话框中，有两个选项供选择，一个是数据源（可以选择外部数据源，默认是当前选中的数据），一个是视图要显示的位置，可以在当前的表中呈现，也可以在另外一个sheet中展现。一般情况下我是在当前工作表中呈现，直观，方便。
04
报错，如果选择了‘现有工作表’，但是‘位置’里为空，这样直接确定是会报错的，因为你还么有选择图标要显示的位置。
05
选择需要展示的数据，刚才选择的数据源列都在上面提现出来了，现在是要选择数据视图展示的内容。我们来选择科目、时间、成绩。
06
横轴、纵轴调整，图1位置是我们所谓的X轴，图2是我们要显示的几个内容，图3是显示的Y轴数值。
07
选择图标样式，步骤6完成之后，默认是柱状图，但是这个不直观，我想要的是曲线走势图，所以可以改变下显示的样式，
08
完美走势图，看曲线就可以知道小朋友数学、音乐成绩在不断提高，英语成绩波动不大，语文成绩在下滑。
7. 请问用python处理excel数据绘制曲线图能不能做成一个类似的小软件
可以啊，先确定好需要操作excel的哪些动作，用到哪些函数，然后通过python调用excel接口，实现对excel的操作；还有一种是只是读取excel里面的数据，然后通过matplotlib等第三方库，绘制数据曲线图。
8. 用python的 turtle 怎么画这个曲线
urtle库是python的基础绘图库,这个库被介绍为一个最常用的用来介绍编程知识的方法库,其主要是用于程序设计入门,是标准库之一,利用turtle可以制作很多复杂的绘图。turtle名称含义...
CSDN技术社区
9. 如何利用Python绘制ROC曲线
方法/步骤 1 首先，打开数据，以A2列数据为例做曲线。 2 点击“ Analyze -ROC curve ”。 3 弹出界面后，导入A2列数据，调节其它参数。 4 点击“OK”，出现结果。 5 双击ROC曲线，进入调节界面。 6 可以调节很多参数，也可以把曲线调成平滑的。
10. python的turtle怎么画曲线
turtle.circle()画圆
Turtle库是Python语言中一个很流行的绘制图像的函数库，想象一个小乌龟，在一个横轴为x、纵轴为y的坐标系原点，(0,0)位置开始，它根据一组函数指令的控制，在这个平面坐标系中移动，从而在它爬行的路径上绘制了图形。