matplotlib.pyplot 波浪图

Matplotlib是Python中一个常用的绘图库，其中pyplot模块提供了类似于MATLAB的绘图接口。下面是使用pyplot绘制波浪图的示例代码：

import matplotlib.pyplot as plt
import numpy as np

# 生成一组x轴数据
x = np.linspace(0, 5*np.pi, 100)

# 生成两组y轴数据，分别表示两个不同的波浪
y1 = np.sin(x)
y2 = np.cos(x)

# 绘制波浪图
plt.plot(x, y1, 'b-', label='sin')
plt.plot(x, y2, 'r--', label='cos')
plt.legend(loc='upper right')
plt.xlabel('x')
plt.ylabel('y')
plt.title('Waveform Plot')
plt.show()

这段代码中，我们使用`linspace`函数生成了一组x轴数据，然后分别生成了两组y轴数据。接着，我们使用`plot`函数绘制了两个波浪，并分别用不同的颜色和线型表示。最后，我们使用`legend`函数添加了图例，使用`xlabel`和`ylabel`函数添加了x轴和y轴的标签，使用`title`函数添加了图表标题，并使用`show`函数显示了图表。执行这段代码，即可得到一张波浪图。

相关问题

核密度估计python代码3D波浪图

以下是一个简单的核密度估计的Python代码，可以生成3D波浪图：

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

# 生成数据
x = np.random.normal(size=500)
y = np.random.normal(size=500)
z = np.random.normal(size=500)

# 计算核密度估计
density = kde.gaussian_kde([x, y, z])
xgrid, ygrid, zgrid = np.mgrid[min(x):max(x):100j, min(y):max(y):100j, min(z):max(z):100j]
coords = np.vstack([item.ravel() for item in [xgrid, ygrid, zgrid]])
density_values = density(coords).reshape(xgrid.shape)

# 绘制3D波浪图
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.plot_surface(xgrid, ygrid, zgrid, rstride=1, cstride=1, facecolors=plt.cm.viridis(density_values))
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
plt.show()

这段代码首先生成了三个正态分布的随机变量（x、y和z）。然后，使用`gaussian_kde`函数计算核密度估计值，并将其存储在`density_values`中。最后，使用`plot_surface`函数将三维图形绘制出来。

高斯核函数python代码3D可视化波浪图

以下是一个简单的高斯核函数的3D可视化波浪图的Python代码：

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

# 定义高斯核函数
def gaussian_kernel(x, y, sigma=1):
    return np.exp(-(np.linalg.norm(x-y)**2) / (2 * (sigma ** 2)))

# 生成数据
X = np.linspace(-5, 5, 50)
Y = np.linspace(-5, 5, 50)
X, Y = np.meshgrid(X, Y)
Z = np.zeros_like(X)

# 计算高斯核函数
for i in range(len(X)):
    for j in range(len(Y)):
        Z[i][j] = gaussian_kernel([X[i][j], Y[i][j], 0], [0, 0, 0], sigma=1)

# 绘制3D图像
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.plot_surface(X, Y, Z, cmap='plasma')
ax.set_xlabel('X Label')
ax.set_ylabel('Y Label')
ax.set_zlabel('Z Label')
plt.show()

这段代码使用了NumPy和Matplotlib库来生成数据和绘制3D图像。首先定义了一个高斯核函数，然后生成了一个网格状的数据点集，计算出每个点与原点（0,0,0）之间的高斯核函数值，并将其作为Z轴的值。最后，使用Matplotlib的3D绘图工具绘制了波浪图。