# coding:utf-8
""" 从视频读取帧保存为图片"""
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
def line():
# plt.show(block=False)
# plt.pause(1)
# plt.close("all")
x=np.linspace(-1,1,50) #定义 x 范围
y1=2*x+1 #定义 y 范围
y2=x**2
plt.figure() #定义 图像 窗口
plt.plot(x,y1) #画出 曲线
plt.plot(x,y2)
#自关闭
plt.show(block=False)
plt.pause(5)#暂定3秒
plt.close("all")
def line_quxian():
plt.close("all")
x = np.linspace(-3, 3, 50)
y = 2 * x + 1
plt.figure(num=1, figsize=(8, 5))
plt.plot(x, y)
# 移动坐标轴
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))
# 标注信息
x0 = 1
y0 = 2 * x0 + 1
plt.scatter(x0, y0, color='b')
plt.plot([x0, x0], [y0, 0], 'k--', lw=2.5) # 连接两点,k表示黑色,lw=line weight 线粗细
plt.annotate(r'$2x0+1=%s$' % y0, xy=(x0, y0), xycoords='data', xytext=(+30, -30), textcoords='offset points',
fontsize=16,
arrowprops=dict(arrowstyle='->', connectionstyle='arc3,rad=.2'))
# xycoords='data' 基于数据值--选位置,xytext=(+30,-30),对标注位置描述,textcoords='offset points',xy偏差值,arrowprops---图中箭头类型
plt.text(-3.7, 3, r'$This\ is\ the\ some\ text. \mu\ \sigma_i\ \alpha_t$', fontdict={
'size': 16, 'color': 'r'})
plt.show(block=False)
plt.pause(5)
plt.close("all")
def Scatter():
n = 1024
X = np.random.normal(0, 1, n)
Y = np.random.normal(0, 1, n)
T = np.arctan2(Y, X) # arctan2 返回给定X、Y值反正切值
# scatter画散点图,size=75,颜色T,透明度50%,用xticks函数---隐藏x坐标轴
plt.scatter(X, Y, s=75, c=T, alpha=0.5)
plt.xlim(-1.5, 1.5)
plt.xticks(()) # 忽略xticks
plt.ylim(-1.5, 1.5)
plt.yticks(()) # 忽略yticks
plt.show(block=False)
plt.pause(5)
plt.close("all")
def bar():
n = 12
X = np.arange(n)
Y1 = (1 - X / float(n)) * np.random.uniform(0.5, 1, n)
Y2 = (1 - X / float(n)) * np.random.uniform(0.5, 1, n)
plt.bar(X, +Y1, facecolor='#9999ff', edgecolor='white')
plt.bar(X, -Y2, facecolor='#ff9999', edgecolor='white')
# 标记值
for x, y in zip(X, Y1): # zip表示可以传递两个值
plt.text(x + 0.4, y + 0.5, '%.2f' % y, ha='center', va='bottom') # ha表示横向对齐,bottom表示向下对齐
for x, y in zip(X, Y2):
plt.text(x + 0.4, -y - 0.05, '%.2f' % y, ha='center', va='top')
plt.xlim(-0.5, n)
plt.xticks(())
plt.ylim(-1.25, 1.25)
plt.yticks(())
plt.show(block=False)
plt.pause(5)
plt.close("all")
def Contours():
n = 256
x = np.linspace(-3, 3, n)
y = np.linspace(-3, 3, n)
X, Y = np.meshgrid(x, y) # 从坐标向量返回坐标矩阵
# 函数用来计算高度值,利用contour函数把颜色加进去,位置参数依次为x,y,f(x,y),透明度为0.75,并将f(x,y)的值对应到camp之中
def f(x, y):
return (1 - x / 2 + x ** 5 + y ** 3) * np.exp(-x ** 2 - y ** 2)
plt.contourf(X, Y, f(X, Y), 8, alpha=0.75, cmap=plt.cm.hot) # 8表示等高线分成多少份,alpha表示透明度,cmap表示color map
C = plt.contour(X, Y, f(X, Y), 8, colors='black', linewidth=0.5)
plt.clabel(C, inline=True, fontsize=10)
plt.xticks(()) # 隐藏坐标轴
plt.yticks(())
# plt.show()
plt.show(block=False)
plt.pause(5)
plt.close("all")
def Image():
import matplotlib.pyplot as plt
# 利用matplotlib打印出图像
a = np.array([0.313660827978, 0.365348418405, 0.423733120134,
0.365348418405, 0.439599930621, 0.525083754405,
0.423733120134, 0.525083754405, 0.651536351379]).reshape(3, 3)
plt.imshow(a, interpolation='nearest', cmap='bone', origin='lower') # origin='lower'代表就是选择原点位置
plt.colorbar(shrink=.92) # shrink参数是将图片长度变为原来的92%
plt.xticks(())
plt.yticks(())
plt.show()
plt.show(block=False)
plt.pause(5)
plt.close("all")
def D3():
from mpl_toolkits.mplot3d import Axes3D #需要导入模块Axes3D
fig=plt.figure() #定义图像窗口
ax=Axes3D(fig) #在窗口上添加3D坐标轴
#将x和y值编织成栅格
X=np.arange(-4,4,0.25)
Y=np.arange(-4,4,0.25)
X,Y=np.meshgrid(X,Y)
R=np.sqrt(X**2+Y**2)
Z=np.sin(R) #高度值
#将colormap ranbow填充颜色,之后将三维图像投影到XY平面做等高线图,其中rstride和cstride表示row和column的宽度
ax.plot_surface(X,Y,Z,rstride=1,cstride=1,cmap=plt.get_cmap('rainbow')) #rstride表示图像中分割线的跨图
#添加XY平面等高线 投影到Z平面
ax.contourf(X,Y,Z,zdir='z',offset=-2,cmap=plt.get_cmap('rainbow')) #把图像进行投影的图形 offset表示比0坐标轴低两个位置
ax.set_zlim(-2,2)
plt.show(block=False)
plt.pause(5)
plt.close("all")
def Subplot_jun():
plt.figure()
plt.subplot(2, 2, 1) # 表示将整个图像分割成2行2列,当前位置为1
plt.plot([0, 1], [0, 1]) # 横坐标变化为[0,1] 竖坐标变化为[0,2]
plt.subplot(2, 2, 2)
plt.plot([0, 1], [0, 2])
plt.subplot(2, 2, 3)
plt.plot([0, 1], [0, 3])
plt.subplot(2, 2, 4)
plt.plot([0, 1], [0, 4])
plt.show(block=False)
plt.pause(5)
plt.close("all")
def Subplot_bujun():
plt.figure()
plt.subplot(2, 1, 1) # 表示将整个图像分割成2行1列,当前位置为1
plt.plot([0, 1], [0, 1]) # 横坐标变化为[0,1] 竖坐标变化为[0,2]
plt.subplot(2, 3, 4)
plt.plot([0, 1], [0, 2])
plt.subplot(2, 3, 5)
plt.plot([0, 1], [0, 3])
plt.subplot(2, 3, 6)
plt.plot([0, 1], [0, 4])
plt.show(block=False)
plt.pause(5)
plt.close("all")
def Subplot_fenge():
import matplotlib.gridspec as gridspec # 引入新模块
plt.figure()
# 使用plt.subplot2grid创建一个小图,(3,3)表示将整个图像分割成三行三列,(0,0)表示从第0行0列开始作图,
# colspan=3表示列的跨度为3.colspan和rowspan缺省时默认跨度为1
ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=3)
ax1.plot([1, 2], [1, 2])
ax1.set_title('ax1_title') # 设置图的标题
# 将图像分割成3行3列,从第1行0列开始作图,列的跨度为2
ax2 = plt.subplot2grid((3, 3), (1, 0), colspan=2)
# 将图像分割成3行3列,从第1行2列开始作图,行的跨度为2
ax3 = plt.subplot2grid((3, 3), (1, 2), rowspan=2)
# 将图像分割成3行3列,从第2行0列开始作图,行与列的跨度默认为1
ax4 = plt.subplot2grid((3, 3), (2, 0))
ax4.scatter([1, 2], [2, 2])
ax4.set_xlabel('ax4_x')
ax4.set_ylabel('ax4_y')
ax5 = plt.subplot2grid((3, 3), (2, 1))
plt.show(block=False)
plt.pause(5)
plt.close("all")
'''
plt.figure()
gs=gridspec.GridSpec(3,3) #将图像分割成三行三列
ax6=plt.subplot(gs[0,:]) #gs[0:1]表示图占第0行和所有列
ax7=plt.subplot(gs[1,:2]) #gs[1,:2]表示图占第1行和前两列
ax8=plt.subplot(gs[1:,2]) #gs[1,:]表示图占后两行的最后一列
ax9=plt.subplot(gs[-1,0])
ax10=plt.subplot(gs[-1,-2]) #gs[-1,-2]表示这个图占倒数第一行和倒数第2列
plt.show()
'''
'''
#建立一个2行2列的图像窗口,sharex=True表示共享x轴坐标,sharey=True表示共享y轴坐标,
#((ax11,ax12),(ax13,ax14))表示从左到右一次存放ax11,ax12,ax13,ax14
f,((ax11,ax12),(ax13,ax14))=plt.subplots(2,2,sharex=True,sharey=True)
ax11.scatter([1,2],[1,2]) #坐标范围x为[1,2],y为[1,2]
plt.tight_layout() #表示紧凑显示图像
plt.show()
'''
def huazhonghua():
fig = plt.figure()
# 创建数据
x = [1, 2, 3, 4, 5, 6, 7]
y = [1, 3, 4, 2, 5, 8, 6]
# 绘制大图:设大图大小为10,大图被包含在由(1,1)开始,宽8高8的坐标系中
left, bottom, width, height = 0.1, 0.1, 0.8, 0.8
ax1 = fig.add_axes([left, bottom, width, height]) # main axes
ax1.plot(x, y, 'r') # 绘制大图,颜色为red
ax1.set_xlabel('x') # 横坐标名称为x
ax1.set_ylabel('y')
ax1.set_title('title') # 图名称为title
# 绘制小图,注意坐标系位置和大小的改变
ax2 = fig.add_axes([0.2, 0.6, 0.25, 0.25])
ax2.plot(y, x, 'b') # 颜色为bule
ax2.set_xlabel('x')
ax2.set_title('title inside 1')
# 绘制第二个小图
plt.axes([0.6, 0.2, 0.25, 0.25])
plt.plot(y[::-1], x, 'g') # 将y进行逆序
plt.xlabel('x')
plt.ylabel('y')
plt.title('title inside 2')
plt.show(block=False)
plt.pause(5)
plt.close("all")
def ci_zuobiao():
x = np.arange(0, 10, 0.1)
y1 = 0.5 * x ** 2
y2 = -1 * y1
fig, ax1 = plt.subplots()
ax2 = ax1.twinx() # 镜像显示
ax1.plot(x, y1, 'g-')
ax2.plot(x, y2, 'b-')
ax1.set_xlabel('x data')
ax1.set_ylabel('Y1 data', color='g') # 第一个y坐标轴
ax2.set_ylabel('Y2 data', color='b') # 第二个y坐标轴
plt.show(block=False)
plt.pause(5)
plt.close("all")
def donghua():
from matplotlib import pyplot as plt
from matplotlib import animation
import numpy as np
fig, ax = plt.subplots()
# 数据是一个0~2π正弦曲线
x = np.arange(0, 2 * np.pi, 0.01)
line, = ax.plot(x, np.sin(x))
# 2、构造自定义动画函数animate,用来更新每一帧上各个x对应y坐标值,参数表示第i帧
def animate(i):
line.set_ydata(np.sin(x + i / 10.0))
return line,
# 3、构造开始帧函数init
def init():
line.set_ydata(np.sin(x))
return line,
# 调用FuncAnimation函数生成动画。参数说明:
# fig 动画绘制的figure
# func 自定义动画函数,即传入刚定义函数animate
# frames 动画长度,一次循环包含帧数
# init_func 自定义开始帧,即传入刚定义函数init
# interval 更新频率,以ms计
# blit 选择更新所有点,或仅更新产生变化点。应选择True,mac用户请选择False,否则无法显示
ani = animation.FuncAnimation(fig=fig,
func=animate,
frames=100,
init_func=init,
interval=20,
blit=False)
plt.show(block=False)
plt.pause(5)
plt.close("all")
# 效果曲线向左移动
# 可将动画以mp4格式保存下来,首先要保证安装ffmpeg 或者mencoder
# ani.save('basic_animation.mp4', fps=30, extra_args=['-vcodec', 'libx264'])
if __name__=='__main__':
# line()
from tkinter import *
root = Tk()
root.geometry('800x600')
root.wm_title('识别')
menubar_1 = Menu(root)#定义主菜单1
filemenu_1 = Menu(menubar_1, tearoff=False)# 主菜单--加入下拉窗口filemenu_1
filemenu_1.add_command(label="line", command=line)
filemenu_1.add_command(label="line_quxian", command=line_quxian)
filemenu_1.add_command(label="Scatter", command=Scatter)
filemenu_1.add_command(label="bar", command=bar)
filemenu_1.add_command(label="Contours", command=Contours)
filemenu_1.add_command(label="Image", command=Image)
filemenu_1.add_command(label="D3", command=D3)
filemenu_1.add_command(label="Subplot_jun", command=Subplot_jun)
filemenu_1.add_command(label="Subplot_bujun", command=Subplot_bujun)
filemenu_1.add_command(label="Subplot_fenge", command=Subplot_fenge)
filemenu_1.add_command(label="huazhonghua", command=huazhonghua)
filemenu_1.add_command(label="ci_zuobiao", command=ci_zuobiao)
filemenu_1.add_command(label="donghua", command=donghua)
menubar_1.add_cascade(label="file", menu=filemenu_1) # 下拉菜单filemenu_1绑定到主菜单
#
root.config(menu=menubar_1)#主菜单绑定到主页面
root.mainloop()
Plt_tk
猜你喜欢
转载自blog.csdn.net/ydk001001/article/details/121810424
今日推荐
周排行