使用“matplotlib”绘制高抽象层。
pyg-plot的Python项目详细描述
pyg-alex hagen的一个图形类
``pyg``开始时是围绕``matplotlib``的一个简单包装，帮助我在绘图时保持我的风格不变，但现在它扩展到了一个完整的图形套件。如果你对阅读前两个例子感到厌烦，请跳到下面。这些例子有点酷。
现在的安装是非常手动的，但是这应该可以在unix系统上实现：
`` bash
pip install numpy scipy matplotlib colors
mkdir~/util
cd~/util
git clone https://github.com/alexhagen/pyg-b master pyg
sudo echo"export pythonpath=${pythonpath}：~/util">；~/.bashrc
source~/.bashrc
```
，然后只要使用pyg中的
``python
``pyg导入twod，就可以导入pyg，因为pyg2d
`````
"table"模块有一些jupyter笔记本的表格打印帮助和一些乳胶出版物帮助函数。"threed"模块有一些"matplotlib"三维绘图（这对曲面绘图很好，如果您正在进行几何可视化，请使用my[``pyb`]（github.com/alexhagen/pyb）类，我很快会将其包含在"pyg"中，``three2twod``是一个用于注释三维p抽签（如果你有从三维到二维的转换矩阵）。我在下面创建了一些有用的例子。我先举了一些有趣的例子，但有点复杂。如果您想开始，请跳到"[无聊的例子]（无聊的例子）"部分。
把它变成一种可以绘制的形式。下面是一个简单的功率匹配示例，但是很快就会有一个api来将数据转换为正确的格式。
``python
from pyg import threed as pyg3d
import numpy as np
y=np.linspace（0.0，5.0）
x，y=np.meshGrid（x，y）
z=np.power（x，2.0）-np.power（y，3.0）
plot.surf（x，y，z）
plot.export（"u static/threed surf"）
plot.show（caption='任意三维曲面'）
````
<；div class='pygfigure'name='['anarbitrarythreedimensionsurface']'style='文本对齐：居中；最大宽度：800px；左侧边距：自动；右侧边距：自动；'>；
<；img style='margin:auto；最大宽度：100%；宽度：1250.000000px；高度：auto；'src='''u static/threed\u surf.svg？209289235'/>；
<；div style='margin:auto；text align:center；'class='figureCaption'>；<；b>；图1:<；/b>；任意三维曲面<；/div>；
在最好的情况下，用注解来描述al几何是困难的，但很少有事情是"最好的情况"。大多数可视化领域都依赖于专门为可视化而设计的软件，例如"vtk"及其派生软件。这是非常强大的，但是对于分析数据或编写仿真程序的人来说，他们最不想做的就是为这些程序编写接口。因此，我编写了一个快速而简单的api，将所有数据保存在python中，并在blender中可视化几何体。然后，我有一个接口，代码可以提取导出渲染的相机参数，然后用户可以在三维几何体的上方绘制二维注释。接下来是一个更高级的示例，但下面显示了一个基本示例。
``python
from pyg.pyb import pyb
from pyg import three2twod as pyg32d
scene=pyb.pyb（）
scene.rpp（c=（0.，0.，0.），l=（100.，100.，100.），name'cube'）
scene.flat（color=''fc8d82'，name='newgold'）
scene.set-matl（obj='cube'，matl='newgold''newgold'）
scene.rpp（c=（0，0，-65.），l=（500，500，30.），name='floor'）
scene.flat（color=''88888888888'，name='gray'）
scene.flat（color=''88888888888888'，'name='gray'）
scene set-matl（obj='floor'，'floor'，'floor，matl='gray''混合
plot.add数据指针（0，0，0，0，字符串=r$\vec{c}=\左（0，0，0\右）$'，
place=-500，200。））
plot.plot.plot.add数据指针（0，0，0，0，0，0，0，{c{c}=\左（0，0，0，0\右）$'，
place=-500，200。）
plot.plot.add图例项（color=''fc8d82'，'name='cube'''cube'）\
.br/>.add添加图例项（color=''88888888888888；颜色=''88888888；888'不适用me='floor'）
plot.legend（loc=2）
plot.export（''u static/ann-im'，ratio='golden'）
plot.show（'在三维几何图形上使用二维注释'）
````
<；div class='pygfigure'name='['使用二维注释sonal3d代数plOT']'style='text-align:center；max-width:800px；margin-left:auto；margin-right:auto；'>；
<；img style='margin:auto；max-width:100%；width:1250.000000px；height:auto；'src='''u static/ann-im.svg？471680233'/>；
<；div style='margin:auto；text align:center；'class='figureCaption'>；<；b>；图2:<；/b>；在三维几何绘图上使用二维注释<；/div>；
大多数绘图程序都讨厌添加"测量值"。它们在调用可视化信息时非常有用，在CAD中几乎是通用的，但在大多数绘图和其他可视化中，它们都找不到。所以，在很大程度上，我在"pyg"中包含了度量值。下面的例子显示了iu医学院和他们的护理部门的年级分布的一些测量。它显示了分布的明显非正态分布，但它也显示了护理部门的年级膨胀，绝大多数班级的成绩是A，而医学院却有很大一部分学生不及格。
``python
from scipy.stats以Gkde的身份进口高斯函数
u med=[]
对于m，g in zip（med，grades）：
_M
u nur=[]
n，g（nur，等级）n，g（nr，等级）n，g（nr/>
m_dist=gkde（医疗）
n_dist=gkde（医疗）
Sigma m=np.std（医疗）
mu m=np.me均值（医疗）
Sigma n=np.std（医疗）
mu m=np.m=np.me均值（医疗）
Sigma n=n=n p.std（医疗）mu_n=np.平均值（_nur）
u等级=np.linspace（0,4.0）
plot=pyg2d.pyg2d（）
plot.plot.add_线（_grades，m_dist（_grades，m_grades，linestyle='-'，285668'）
plot.add_线（_grades，n_dist（_grades，n_dist，linestyle='-'，linecolor=''fc8d82'）
plot.add hmeasure（muu m+sigma，muu m-sigma，0.35，'中间$2\sigma$'）
plot.add hmeasure（muu m m m m+sigma，muu m m，muu m m m-br/>绘图。添加度量（μn+sigma_ n，mu_n-sigma戋n，1.5，'中间$2\sigma$'）
plot.xlabel（r'grade（$g$）[$\text{g p a points}$]）
plot.ylabel（r'likelihood（$p$）[]）
plot.lines戋on（）
plot.markers戋off（）
plot.export（''u static/measure'，ratio='silver'）
plot.show（caption='描述二维打印’）
````
<；div class='pygfigure'name='['descriptionOfusionMeasurementSonatWodplot']'style='text-align:center；max-width:800px；margin left:auto；margin right:auto；'>；
<；img style='margin:auto；max-width:100%；width:1250.000000px；height:auto；" src="u static/measure.svg？15579053'/>；
<；div style='margin:auto；text align:center；'class='figueccaption'>；lt；b>；图3；<；b>；二维绘图中有用测量值的描述；lt；div>；
<；lt；div>；
无聊的例子
br/>最简单的pl"pyg"中的otting是线绘制，一个d以下两个图显示了绘制线及其相关不确定性的API。
`` python
x=np.linspace（0.0，4.0*np.pi，1000）
y=np.sin（x）
u y=0.1
plot=pyg2d.pyg2d（）
plot.add_line（x，y，linestyle='-'，linecolor=''285668'，yerr=u y，error y_填写=真，
name=r'$\sin\sin\left（\theta\ri右）$'）
plot.xlabel（'x坐标（$x$）[$$\单位{cm}}$]'）
plot.ylabel（'x坐标（$x$）[$\单位{cm}}$]'）
plot.lines_on（）
plot.markers/>
plot.export（''u static/line'，'u static/line'，'ratio='si银'）
plot.plot.show（caption）plot.是的='不确定y'）
```
<；div class='pygfigure'name='['alinedrawingWithUnder确定性']'style='text-align:center；max-width:800px；margin left:auto；margin right:auto；'>；
<；img style='margin:auto；max-width:100%；width:1250.000000px；高度：auto；'src='\u static/line.svg？1708006390'/>；
<；div style='margin:auto；text align:center；'class='figureCaption'>；<；b>；图4:<；/b>；一个y中不确定的线条图<；/div>；
``python
`x=np.linspace（0.0，4.0*np.pi，1000）
y=5.0*np.cos（x）
u-y=1.0
x_稀疏=np.linspace（0.0，4.0*np.pi，10）
y_稀疏=5.0*np.cos（x_稀疏）
u-y稀疏=1.0
plot=pyg2d.pyg2d（）
plot.addu线（x，y，linestyle='-'，linecolor=''fc8d82'，yerr=u-y，error_fill=true，
y/>u-y=x，y，y，linestyle='-'''-'''-''-'，linecolor='br/>name=r'$\sin\左（\theta\右）$'）
plot.plot.add线（x稀疏，y稀疏，linecolor=''000000000000，yerr=u稀疏，
name=r'sparse'）
plot.lines_on（）
plot.markers_off（）
plot.lines['sparse'].plot.lines['sparse'].set_alpha（1.0）
plot.lines['sparse'].set_alpha（1.0）
plot.linelinelines['sparse'].set_alpha（1.0）
plot.linewidth（0.linewidth（0.0）<绘图.export（''u static/err'，ratio='silver'）
plot.show（caption='不确定正弦曲线和不确定稀疏采样正弦曲线'）
````
<；div class='pygfigure'name='['不确定正弦曲线和不确定稀疏采样正弦曲线']'style='text-align:center；max-width:800px；margin left:auto；margin right:auto；'>；
<；img style='margin:auto；最大宽度：100%；宽度：1250.000000px；高度：auto；'src=''''u static/err.svg？1476075781'/>；
<；div style='margin:auto；text align:center；'class='figureCaption'>；<；b>；图5:<；/b>；不确定正弦曲线和不确定稀疏采样正弦曲线<；<；/div>；
下图显示了在并发轴上绘制数据的api。有两种不同的api：第一种api要求绘制数据，然后定义一个将一个轴转换为另一个轴的函数。另一个api要求在不同极限的轴上绘制两个不同的数据集。
}$'）
plot.plot.add第y y行（x，y2，linecolor=''285668'，'name='$y{2}$''''x，y2，linecolor='''285668'，'name='$y{2}$''''''br/>plot.markers''u off（）
plot.xlabel（'x坐标（$x$）））
plot.xlabel（'x坐标（$y{1}}$'）
plot.ylabel（'x坐标（$x坐标（$y{x坐标（$x{x{x$$$））））））'plot.plot.ylabel
plot.export（''u static/dual'，ratio='silver'）
plot.show（$x$轴相同，在不同的$y$轴上的正弦曲线）
````
<；div class='pygfigure'name='['sinsoidswiththesamexaxondifferentityaxes']'style='text-align:center；max width:800px；margin left:auto；margin right:auto；'>；
<；img style='margin:auto；max width:100%；width:1250.000000px；height:auto；'src='''u static/dual.svg？1816804174'/>；
<；div style='margin:auto；text align:center；'class='figureCaption'>；<；b>；图6:<；/b>；具有相同$x$轴的正弦，位于不同$y$轴上<；/div>；。<下一个图显示如何将单个函数与不同的坐标轴进行比较。如果您比较不同的单位，这将非常有用，但我特别使用它，当有一些电测量是非线性校准的（例如，在伽马能谱中）。
``python
x=np.linspace（0,4.0*np.pi，1000）
y=1.0*np.sin（x）
plot=pyg2d.pyg2d（）
plot.add_line（x，y，linecolor='285668'，name='$y$'）
plot.markers_off（）
def pi_div（x）：
return x/np.pi
plot.add_xx（pi_div）
plot.xlabel（$x$）[$\unit{cm}$]）
plot.xlabel（$x$）[$\unit{\pi}$]的x坐标，Axes=plot.ax2）
plot.ylabel（'y坐标（$y$）[$\单位{cm}$]'）
plot.export（''u static/dualx'，ratio='silver'）
plot.show（'正弦正弦正弦正弦正弦弧度和$\pi$'）
<；div class='['sinsofesinsofresinsofresinsofresinsofresinsofresinsofreasundintersofmsofpi']'style='text-align:center；max-width:800px800像素；max-width:800（一）有左边距：auto；右边距：auto；'>；
<；img style='margin:auto；最大宽度：100%；宽度：1250.000000px；高度：auto；'src=''u static/dualx.svg？14341905'/>；
<；div style='margin:auto；text align:center；'class='figureCaption'>；<；b>；图7:<；/b>；正弦弧度和$\pi$<；/div>；
<；/div>；
（https://stackoverflow.com/questions/31452451/importing-an-svg-file-a-matplotlib-figure）[https://stackoverflow.com/questions/31452451/importing-an-svg-file-a-matplotlib-figure]
-svg通过regexing转换为matplotlib（https://matplotlib.org/examples/showcase/firefox.html）[https://matplotlib.org/examples/showcase/firefox.html]
``python
````
欢迎加入QQ群-->： 979659372
