python绘图库Matplotlib的安装
本文简单介绍了Python绘图库Matplotlib的安装,简介如下:
matplotlib是python最著名的绘图库,它提供了一整套和matlab相似的命令API,十分适合交互式地
进行制图。Matplotlib的安装可以参见:官网链接 http://matplotlib.org/users/installing.html
安装总结步骤如下:
windows 平台上下载.exe格式 直接安装。
1.python下载安装 下载地址:http://www.python.org/download/。
2.安装你所需要版本(这个要根据步骤1的python版本)的Matplotlib,下载地址:http://matplotlib.org/downloads.html。
下面安装Matplotlib 依赖的库
3.对于标准版的Python来说,要使用Matplotlib,还需要安装numpy模块,其下载地址为:http://sourceforge.net/projects/numpy/files/NumPy/。
4.msvcp71.dll, 在某些系统上,你可能还需要下载msvcp71.dll库。下载地址:http://www.dll-files.com/dllindex/dll-files.shtml?msvcp71
下载解压后把它拖到c:\windows\system32目录中。
5.运行一个简单的程序例子:
view plaincopy在CODE上查看代码片派生到我的代码片
import matplotlib.pyplot as plt plt.plot([1,2,3]) plt.ylabel('some numbers') plt.show()
安装过程遇到的错误
发现出现了下面的错误:
raise ImportError("matplotlib requires dateutil")
ImportError: matplotlib requires dateutil
这个需要dateutil,你可以到这里下载安装:http://www.lfd.uci.edu/~gohlke/pythonlibs/#python-dateutil。
把dateutil 安装完后又出现如下错误:
raise ImportError("matplotlib requires pyparsing")
ImportError: matplotlib requires pyparsing
需要 pyparsing 到这里下载安装:http://www.lfd.uci.edu/~gohlke/pythonlibs/#pyparsing。
完成以上步骤,运行上面的例子就可以显示我们的图像,如下所示。
在程序安装过程中如果遇到需要安装的一些依赖包,你可以到这里查找http://www.lfd.uci.edu/~gohlke/pythonlibs/#pyparsing,这确实是个好资源。
可以根据所画图形的需要 在下面的链接里选择相应的图形 进行修改,绘出自己所需的图像。
example: http://matplotlib.org/examples/index.html, gallery:http://matplotlib.org/gallery.html
相关资源链接:
Matplotlib Tutorial 中文翻译的 http://reverland.org/python/2012/09/07/matplotlib-tutorial/ 。
用Python做科学计算 http://sebug.net/paper/books/scipydoc/index.html 。
资源下载:
如果上面不能下载。我把安装 python matplotlib所需的软件放到百度网盘了,可以到这里这下:http://pan.baidu.com/s/1i3C99rv。
中文乱码解决方法
注意绘图时中文的解决方法, 在.py文件头部加上如下内容:
# -*- coding: utf-8 -*- from pylab import * mpl.rcParams['font.sans-serif'] = ['SimHei'] #指定默认字体 mpl.rcParams['axes.unicode_minus'] = False #解决保存图像是负号'-'显示为方块的问题
绘图脚本.py转为 .exe
如果为希望能把Python脚本发布为脱离Python平台运行的可执行程序,比如单个的exe文件。可以参考这篇博文:http://blog.csdn.net/daniel_ustc/article/details/15501385
使用便携式的Python环境
Python 编程语言在移动设备下的运行环境和编程语言环境,便携式的Python是一个Python的编程语言预先从任何USB存储设备直接运行,使在任何时候,你有一台便携式的编程环境。使其起来挺方便的,推荐使用。

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

熱門話題

PHP和Python各有優劣,選擇取決於項目需求和個人偏好。 1.PHP適合快速開發和維護大型Web應用。 2.Python在數據科學和機器學習領域佔據主導地位。

在CentOS系統上啟用PyTorchGPU加速,需要安裝CUDA、cuDNN以及PyTorch的GPU版本。以下步驟將引導您完成這一過程:CUDA和cuDNN安裝確定CUDA版本兼容性:使用nvidia-smi命令查看您的NVIDIA顯卡支持的CUDA版本。例如,您的MX450顯卡可能支持CUDA11.1或更高版本。下載並安裝CUDAToolkit:訪問NVIDIACUDAToolkit官網,根據您顯卡支持的最高CUDA版本下載並安裝相應的版本。安裝cuDNN庫:前

Docker利用Linux內核特性,提供高效、隔離的應用運行環境。其工作原理如下:1. 鏡像作為只讀模板,包含運行應用所需的一切;2. 聯合文件系統(UnionFS)層疊多個文件系統,只存儲差異部分,節省空間並加快速度;3. 守護進程管理鏡像和容器,客戶端用於交互;4. Namespaces和cgroups實現容器隔離和資源限制;5. 多種網絡模式支持容器互聯。理解這些核心概念,才能更好地利用Docker。

Python和JavaScript在社區、庫和資源方面的對比各有優劣。 1)Python社區友好,適合初學者,但前端開發資源不如JavaScript豐富。 2)Python在數據科學和機器學習庫方面強大,JavaScript則在前端開發庫和框架上更勝一籌。 3)兩者的學習資源都豐富,但Python適合從官方文檔開始,JavaScript則以MDNWebDocs為佳。選擇應基於項目需求和個人興趣。

MinIO對象存儲:CentOS系統下的高性能部署MinIO是一款基於Go語言開發的高性能、分佈式對象存儲系統,與AmazonS3兼容。它支持多種客戶端語言,包括Java、Python、JavaScript和Go。本文將簡要介紹MinIO在CentOS系統上的安裝和兼容性。 CentOS版本兼容性MinIO已在多個CentOS版本上得到驗證,包括但不限於:CentOS7.9:提供完整的安裝指南,涵蓋集群配置、環境準備、配置文件設置、磁盤分區以及MinI

在CentOS系統上進行PyTorch分佈式訓練,需要按照以下步驟操作:PyTorch安裝:前提是CentOS系統已安裝Python和pip。根據您的CUDA版本,從PyTorch官網獲取合適的安裝命令。對於僅需CPU的訓練,可以使用以下命令:pipinstalltorchtorchvisiontorchaudio如需GPU支持,請確保已安裝對應版本的CUDA和cuDNN,並使用相應的PyTorch版本進行安裝。分佈式環境配置:分佈式訓練通常需要多台機器或單機多GPU。所

在CentOS系統上安裝PyTorch,需要仔細選擇合適的版本,並考慮以下幾個關鍵因素:一、系統環境兼容性:操作系統:建議使用CentOS7或更高版本。 CUDA與cuDNN:PyTorch版本與CUDA版本密切相關。例如,PyTorch1.9.0需要CUDA11.1,而PyTorch2.0.1則需要CUDA11.3。 cuDNN版本也必須與CUDA版本匹配。選擇PyTorch版本前,務必確認已安裝兼容的CUDA和cuDNN版本。 Python版本:PyTorch官方支

CentOS 安裝 Nginx 需要遵循以下步驟:安裝依賴包,如開發工具、pcre-devel 和 openssl-devel。下載 Nginx 源碼包,解壓後編譯安裝,並指定安裝路徑為 /usr/local/nginx。創建 Nginx 用戶和用戶組,並設置權限。修改配置文件 nginx.conf,配置監聽端口和域名/IP 地址。啟動 Nginx 服務。需要注意常見的錯誤,如依賴問題、端口衝突和配置文件錯誤。性能優化需要根據具體情況調整,如開啟緩存和調整 worker 進程數量。
