一、背景

近期項(xiàng)目即將開展，計(jì)劃第一步就是實(shí)現(xiàn)數(shù)據(jù)的可視化，所以先學(xué)習(xí)一下數(shù)據(jù)展示相關(guān)Demo。選用Python2.7與Matplotlib來實(shí)現(xiàn)，平臺(tái)采用Pycharm，值得一提的是，Matplotlib的安裝前首先要安裝Numpy包，但是在完成Numpy的安裝之后，樓主不能在PyCharm平臺(tái)下進(jìn)行自動(dòng)安裝，或者CMD中使用類似pip install Matplotlib，參考網(wǎng)上解決方案后采用直接去官網(wǎng)下載相應(yīng)的安裝包直接運(yùn)行安裝到相關(guān)目錄下。在此就不贅述了。

二、 參考

Python語言相對(duì)于其他語言對(duì)新手較為友好，不用花費(fèi)太多時(shí)間進(jìn)行語法學(xué)習(xí)，但是在實(shí)際使用的過程中，因?yàn)镻ython中包含有大量的包與資源，在做項(xiàng)目時(shí)，對(duì)于功能的堆積，實(shí)際上Python語言對(duì)于新手并不易于理解。相對(duì)于Java與C++是需要開發(fā)者從底層搭建，可能更易于理解修改（個(gè)人意見）。

三、實(shí)現(xiàn)過程

其中就有我們需要參考的部分，也就是mplot3d example code : 2dcollections3d_demo.py。下面貼出其中的代碼段。

"""
=======================
Plot 2D data on 3D plot
=======================

Demonstrates using ax.plot's zdir keyword to plot 2D data on
selective axes of a 3D plot.
"""

from mpl_toolkits.mplot3d import Axes3D
import numpy as np
import matplotlib.pyplot as plt

fig = plt.figure()
ax = fig.gca(projection='3d')

# Plot a sin curve using the x and y axes.
x = np.linspace(0, 1, 100)
y = np.sin(x * 2 * np.pi) / 2 + 0.5
ax.plot(x, y, zs=0, zdir='z', label='curve in (x,y)')

# Plot scatterplot data (20 2D points per colour) on the x and z axes.
colors = ('r', 'g', 'b', 'k')
x = np.random.sample(20*len(colors))
y = np.random.sample(20*len(colors))
c_list = []
for c in colors:
 c_list.append([c]*20)
# By using zdir='y', the y value of these points is fixed to the zs value 0
# and the (x,y) points are plotted on the x and z axes.
ax.scatter(x, y, zs=0, zdir='y', c=c_list, label='points in (x,z)')

# Make legend, set axes limits and labels
ax.legend()
ax.set_xlim(0, 1)
ax.set_ylim(0, 1)
ax.set_zlim(0, 1)
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')

# Customize the view angle so it's easier to see that the scatter points lie
# on the plane y=0
ax.view_init(elev=20., azim=-35)

plt.show()

樣例的運(yùn)行結(jié)果大致如下：

首先樣例的數(shù)據(jù)來自于隨機(jī)數(shù)的產(chǎn)生，但是在我實(shí)際使用的過程中，數(shù)據(jù)是需要預(yù)先存儲(chǔ)與導(dǎo)入的。因此我添加數(shù)據(jù)導(dǎo)入部分：

import scipy.io as sio
#get the data form F:\matlab.mat
data = sio.loadmat('F:\matlab.mat')
m = data['data']

值得一提的是這只是我測(cè)試的數(shù)據(jù)，在實(shí)際應(yīng)用過程中，數(shù)據(jù)的格式是多種多樣的，所以需要做數(shù)據(jù)格式轉(zhuǎn)化的模塊。同時(shí)采用.mat數(shù)據(jù)的格式，用戶可以用matlab打開，并對(duì)數(shù)據(jù)進(jìn)行更改之類的操作。采用這種方法導(dǎo)入后，會(huì)自動(dòng)形成數(shù)組。

如上圖所示，是數(shù)據(jù)在matlab中打開的形式，因?yàn)槲覀冃枰嫵鋈S散點(diǎn)圖，會(huì)自動(dòng)產(chǎn)生3×60的數(shù)組，每行代表每一維的數(shù)據(jù)。貼一張做出的Demo的成果圖： 　　

因?yàn)槲沂怯肨ime變量做為Xlabel，同時(shí)模擬數(shù)據(jù)是等時(shí)間間距進(jìn)行采樣的，同時(shí)想要在不同的時(shí)間點(diǎn)采用不同的顏色。因此需要對(duì)ax.scatter(x,y,z,c)中的c變量進(jìn)行更改，可以用變量代替，這樣就可以用個(gè)循環(huán)結(jié)構(gòu)實(shí)現(xiàn)顏色的切換功能。

for a in x:
 if a == 0.1:
  C.append('c')
 elif a == 0.2:
  C.append('r')
 elif a == 0.3:
  C.append('y')
 elif a == 0.4:
  C.append('k')
ax.scatter(x, y, z, c=C)

顏色切換部分代碼如下：

import scipy.io as sio
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import numpy as np

def Singleplot():
 data = sio.loadmat('F:\matlab.mat')
 m = data['data']

 x = m[0]
 y = m[1]
 z = m[2]

 C = []
 ax = plt.subplot(111, projection='3d')

 for a in x:
 if a == 0.1:
  C.append('c')
 elif a == 0.2:
  C.append('r')
 elif a == 0.3:
  C.append('y')
 elif a == 0.4:
  C.append('k')

 ax.scatter(x, y, z, c=C)

 ax.set_xlabel('Time')
 ax.set_ylabel('Frequence')
 ax.set_zlabel('Amplitude')

 plt.show()

singleplot()

需要注意的是Python是屬于相對(duì)集成度較高的語言，之所以方便使用，是因?yàn)榇嬖谠S多大牛已經(jīng)完成底層的內(nèi)容，開發(fā)者只需要遵從下載的包中的使用規(guī)則，因此過程中對(duì)于許多函數(shù)不懂的地方，可以用Pycharm的Go to和Declaration功能進(jìn)入申明區(qū)，并且可以從中看到函數(shù)的整體介紹，使用語法以及example。因此其中的功能較為有限，如果在短時(shí)間內(nèi)用Python做項(xiàng)目可能對(duì)于新手來說，由上到下的形式可能較為簡(jiǎn)易，但是對(duì)于個(gè)性化定制功能的話還有待探究。

第一篇博客。記錄一下，本周將學(xué)習(xí)Logistic回歸預(yù)測(cè)，以及部分TensorFlow的原理與Demo，卡爾曼濾波，和一點(diǎn)數(shù)據(jù)融合算法。該篇屬于數(shù)據(jù)可視化，還會(huì)有3D柱狀圖的繪制與顯示將會(huì)盡快整理。

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

最新評(píng)論