raw_input获取的输入是字符串,不能直接用np.array,需要用split进行切分,然后强制转化成数值类型,才能用plot函数
我把你的代码稍微修改了一下,可能不太漂亮,不过能运行了
a = raw_input('function')
a = a.split(' ')#依空格对字符串a进行切分,如果是用逗号分隔,则改成a.split(',')
b = []
for i in range(len(a)):#把切分好的字符强制转化成int类型,如果是小数,将int改为float
b.append(int(a[i]))
plt.plot(x, b, label='x', color="green", linewidth=1)
①.,xlable,ylable设置x,y轴的标题文字.
plt.show()显示绘图窗口,通常情况下,show（）会阻碍程序运行,带-wthread等参数的环境下,窗口不会关闭.
plt.saveFig（）保存图像.
面向对象绘图
①.,当前图表和子图可以用gcf(),gca()获得.
subplot()绘制包含多个图表的子图.
configure subplots,可调节子图与图表边框距离.
可以通过修改配置文件更改对象属性.
图标显示中文
①.,在程序中直接指定字体.
Artist对象
①.,图标的绘制领域.
FigureCanvas和Render处理底层图像操作,Artist处理高层结构.
直接创建Artist对象进项绘图操作步奏：
①.,创建Figure对象（通过figure（）函数,会进行许多初始化操作,不建议直接创建.）
Figure容器
如何找到指定的Artist对象.
①.,可调用add_subplot()和add_axes()方法向图表添加子图.
Axes容器
①.,patch修改背景.
①.,可对曲线进行插值.
①.,绘制直方图的函数是
数、中位数、第三四分位数与最大值来描述数据的一种方法,它可以粗略地看出数据是否具有对称性以及分
布的分散程度等信息,特别可以用于对几个样本的比较.
值的大小.
低层绘图函数
类似于barplot(),dotchart()和plot()这样的函数采用低层的绘图函数来画线和点,来表达它们在页面上放置的位置以及其他各种特征.
在这一节中,我们会描述一些低层的绘图函数,用户也可以调用这些函数用于绘图.首先我们先讲一下R怎么描述一个页面；然后我们讲怎么在页面上添加点,线和文字；最后讲一下怎么修改一些基本的图形.
绘图区域与边界
添加对象
在绘制的图像上还可以继续添加若干对象,下面是几个有用的函数,以及对其功能的说明.
points(x, y, ...),添加点
lines(x, y, ...),添加线段
text(x, y, labels, ...),添加文字
abline(a, b, ...),添加直线y=a+bx
abline(h=y, ...),添加水平线
abline(v=x, ...),添加垂直线
polygon(x, y, ...),添加一个闭合的多边形
segments(x0, y0, x1, y1, ...),画线段
arrows(x0, y0, x1, y1, ...),画箭头
symbols(x, y, ...),添加各种符号
legend(x, y, legend, ...),添加图列说明
如需转载请联系华章 科技
如果已安装Anaconda Python版本,就已经安装好了可以使用的 Matplotlib.否则,可能要访问官网并从中获取安装说明：
正如使用np作为 NumPy 的缩写,我们将使用一些标准的缩写来表示 Matplotlib 的引入：
在本书中,plt接口会被频繁使用.
让我们创建第一个绘图.
假设想要画出正弦函数sin(x)的线性图.得到函数在x坐标轴上0≤x＜10内所有点的值.我们将使用 NumPy 中的 linspace 函数来在x坐标轴上创建一个从0到10的线性空间,以及100个采样点：
可以使用 NumPy 中的sin函数得到所有x点的值,并通过调用plt中的plot函数把结果画出来：
你亲自尝试了吗?发生了什么吗?有没有什么东西出现?
实际情况是,取决于你在哪里运行脚本,可能无法看到任何东西.有下面几种可能性：
① 从.py脚本中绘图
如果从一个脚本中运行 Matplotlib,需要加上下面的这行调用：
在脚本末尾调用这个函数,你的绘图就会出现！
这实际上是交互式地执行Matplotlib最方便的方式.为了让绘图出现,需要在启动 IPython 后使用所谓的%matplotlib魔法命令.
此时此刻呢,无须每次调用plt.show()函数,所有的绘图将会自动出现.
如果你是从基于浏览器的 Jupyter Notebook 中看这段代码,需要使用同样的%matplotlib魔法命令.然而,也可以直接在notebook中嵌入图形,这会有两种输出选项：
在本书中,将会使用inline选项：
现在再次尝试一下：
上面的命令会得到下面的绘图输出结果：
如果想要把绘图保存下来留作以后使用,可以直接在 IPython 或者 Jupyter Notebook 使用下面的命令保存：
仅需要确保你使用了支持的文件后缀,比如.jpg、.png、.tif、.svg、.eps或者.pdf.
作为本章最后一个测试,让我们对外部数据集进行可视化,比如scikit-learn中的数字数据集.
为此,需要三个可视化工具：
那么开始引入这些包吧：
第一步是载入实际数据：
如果没记错的话,digits应该有两个不同的数据域：data域包含了真正的图像数据,target域包含了图像的标签.相对于相信我们的记忆,我们还是应该对digits稍加 探索 .输入它的名字,添加一个点号,然后按Tab键：digits.TAB,这个操作将向我们展示digits也包含了一些其他的域,比如一个名为images的域.images和data这两个域,似乎简单从形状上就可以区分.
所以呢,如果想要绘制出一副单独的图像,使用images将更加合适.首先,使用NumPy的数组切片从数据集中获取一幅图像：
上面的命令得到下面的输出：
此外,这里也使用cmap参数指定了一个颜色映射.默认情况下,Matplotlib 使用MATLAB默认的颜色映射jet.然而,在灰度图像的情况下,gray颜色映射更有效.
最后,可以使用plt的subplot函数绘制全部数字的样例.subplot函数与MATLAB中的函数一样,需要指定行数、列数以及当前的子绘图索引（从1开始计算）.我们将使用for 循环在数据集中迭代出前十张图像,每张图像都分配到一个单独的子绘图中.
这会得到下面的输出结果：
本文摘编自<<机器学习：使用OpenCV和Python进行智能图像处理>>,经出版方授权发布.
pre
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.patches import Polygon
def func(x):
x=np.linspace(0,10)
y=func(x)
fig,ax = plt.subplots()
ax.set_xticks([a,b])
ax.set_xticklabels(['$a$','$b$'])
ax.set_yticks([])
ix=np.linspace(a,b)
iy=func(ix)
ixy=zip(ix,iy)
verts=[(a,0)]+list(ixy)+[(b,0)]
ax.add_patch(poly)
plt.show()
/pre
以上就是土嘎嘎小编为大家整理的python基本函数画图相关主题介绍,如果您觉得小编更新的文章只要能对粉丝们有用,就是我们最大的鼓励和动力,不要忘记讲本站分享给您身边的朋友哦！！