坐标轴

小记： 今天小伙伴们在调试插件接口的时候，发现，将一个物体旋转一定的角度之后，有一部分模型不对，初步的猜测是旋转之后导致了部分Geometry数据异常， 最后查出来就是因为openfl 里边的这个旋转矩阵算的不对导致了，下边仅仅用来记录下一个推到过程。 需要了解的一个小知识点： 我们在绕着坐标轴在旋转一定的角度的时候，坐标点的位置总是不断改变的，但是只会变换其中两个坐标点，还有一个点是固定不变的，这实质上就是说旋转的路径会维持在一个平面上，比如我们绕Z轴来旋转一个点， 那么该点的Z轴是不会改变的，路径会始终维持在XOY平面内，发挥你的想象力，想想，类似的绕X 轴和绕Y轴旋转具有同样的性质。 推倒： 下面我们来一起看看绕各个轴旋转的矩阵是如何推倒出来的，首先我们来看看绕Z轴旋转的推倒，简单的画出一个示意图如下： 在该图中，我们假设点（x1， y1）经过旋转β角度之后到达（x2， y2）的位置，下边我们需要推倒出这两个点之间有什么关系。 我们假设点到原点之间的距离为单位1，那么我们可以得到如下的式子： 我们知道三角函数有下面的展开： 把上边的x2 和y2的三角函数展开，然后把带有 的三角函数用x1 和y1分别替换我们就可以得到下面结果： 很容易看出这个线性变换还是很容易和对应的矩阵对应起来的： 仔细看看上边的（x1, y1, z1）向量经过矩阵的线性变换之后是和上边推到出来的关系一样的

Python3快速入门（十六）――Matplotlib绘图 一、Matplotlib简介 1、Matplotlib简介 Matplotlib是 Python 2D-绘图领域使用最广泛的套件，可以简易地将数据图形化，并且提供多样化的输出格式。 matplotlib有两个接口，一个是状态机层的接口，通过pyplot模块来进行管理；一个是面向对象的接口，通过pylab模块将所有的功能函数全部导入其单独的命名空间内。 2、Matplotlib安装 使用conda安装如下： conda install matplotlib 二、Matplotlib图表结构 1、Matplotlib图表结构简介 Matplotlib基本图表结构包括坐标轴（X轴、Y轴）、坐标轴标签（axisLabel）、 坐标轴刻度（tick）、坐标轴刻度标签（tick label）、绘图区（axes）、画布（figure）。 2、Figure Figure代表一个绘制面板，其中可以包涵多个Axes（即多个图表）。 为了支持pylab中的gca()等函数，Figure对象内部保存有当前轴的信息，因此不建议直接对Figure.axes属性进行列表操作，而应该使用add_subplot, add_axes, delaxes等方法进行添加和删除操作。 # -*- coding=utf-8 -*- import matplotlib

import matplotlib.pyplot as plt import numpy as np x = np.linspace(-10, 20, 50, True) y = 2 * x + 5 # 一、画散点图 plt.scatter(x,y,s=40,c='Orange',edgecolors='k',marker='s',alpha=0.5) #s:大小；c：内部颜色；edgecolors：边框颜色；marker：点的形状；alpha：透明度 plt.show() # 二、画折线图与线段 plt.figure() plt.plot(x, y, label='line1') plt.plot(x, y + 4, c='r', lw=2, ls=':', label='line2') # c：颜色；lw：线宽；ls：线段类型，有“：”“--”“-”等；lebel：画图图例； plt.plot([-10, 0], [-10, 0], ls='--', label='line3') # 两点连线 plt.legend() plt.show() # 三、画柱状图 # 1、单一柱状图 plt.figure() bar_x = np.arange(5) bar_y = np.arange(5) rects = plt.bar(bar_x, height=bar_y, width=0.8

//2019.07.14 1、matplotlib模块输出函数图像应用时主要用的是它的ptplot模块，因此在导入使用该模块时可以直接用以下语句： import matplotlib.pyplot as plt 2、matplotlib模块输出图线时它得到坐标轴数值以及标题正常默认是英文形式，而如果需要在转换成为中文形式并且需要正常输出负号则需要用以下两句python语句设置一下，这样便可以正常输出中英文两种形式标题与带负号的坐标数值： plt.rcParams["font.sans-serif"]=["SimHei"]#输出图像的标题可以为中文正常输出 plt.rcParams["axes.unicode_minus"]=False #可以正常输出图线里的负号 3、常见的matplotlib模块可视化图像输出操作语句大全如下： 970 x=np.linspace(-np.pi,np.pi,100,endpoint=True) #设置自变量x取值范围 c,s=np.cos(x),0.5*(np.sin(x))**2-2*np.cos(x) #书写因变量的函数形式 plt.figure(1) #设置图像的输出次序（即第几个函数图像） plt.plot(x,c,"b.",linewidth="1",label="cos(x)") plt.plot(x,s,"r+",linewidth=

chart.events.addSeries：添加数列到图表中。 chart.events.click：整个图表的绘图区上所发生的点击事件。 chart.events.load：图表加载事件。 chart.events.redraw：图表重画事件，当点击图注显示和隐藏绘图时可以触发。 chart.events.selection：当图表曲线可选择放大时，当选择图表操作时，可以触发该事件。 chart.height：所绘制图表的高度值。 chart.inverted：图表中的x，y轴对换。 chart.polar：是否为极性图表。 chart.reflow：当窗口大小改变时，图表宽度自适应窗口大小改变。 chart.renderTo：图表加载的位置，是页面上的一个DOM对象。 chart.showAxes：在空白图表中，是否显示坐标轴。 chart.type：图表的类型，默认为line，还有bar/column/pie…… chart.width：图表绘图区的宽度，默认为自适应。 chart.zoomType：图表中数据报表的放大类型，可以以X轴放大，或是以Y轴放大，还可以以XY轴同时放大。 colors：图表中多数列时，各数列之间的颜色。是一个数组，一般不动。 credits.enabled：是否允许显示版权信息。 credits.href：版权所有的链接。 credits

PCA的概念： 主要思想是将n维特征映射到k维上，这k维是全新的正交特征，这k维特征被称为主成分，在原数据的基础上重新构造出来k维。就是从原始的空间顺序的找出一组相互正交的坐标轴，新坐标轴的选择和数据本身有很大的关系。其中，第一个坐标轴是从原数据中方差最大的方向，第二个新坐标轴选择是与第一个坐标轴正交平面中使得方差最大的，第三个轴是与第一二轴正交的平面中方差最大的，依次类推。依次类推，可以得到n个这样的坐标轴。通过这种方式获得的新的坐标轴，我们发现，大部分方差都包含在前面k个坐标轴中，后面的坐标轴所含的方差几乎为0。于是，我们可以忽略余下的坐标轴，只保留前面k个含有绝大部分方差的坐标轴。事实上，这相当于只保留包含绝大部分方差的维度特征，而忽略包含方差几乎为0的特征维度，实现对数据特征的降维处理。 PCA算法： 优点：降低数据的复杂性，识别最重要的多个特征 缺点：不一定需要， 可能损失有用信息 适用数据类型：数值型数据 数据集下载链接： http://archive.ics.uci.edu/ml/machine-learning-databases/ 在PCA中应用的数据集： http://archive.ics.uci.edu/ml/machine-learning-databases/ secom/ （1）打开数据集计算特征数目：（列为特征数）在secom数据集中一行代表一条数据

本文转载自： https://zhuanlan.zhihu.com/p/65116358 本文就介绍如何设置MATLAB导出图片的格式、大小、分辨率等等。 首先，个人经验，优秀的论文插图应该有以下特点。 图片大小合理，清晰/美观；（这是最重要的！） 坐标轴有标注和单位； X轴不要有留白，Y轴可以有留白； 有图例、网格； 所有汉字、字母、数字的字体大小合适，一般与正文字体相当或小一号； 同一篇文章内的风格要一致，比如坐标轴与图片边界的距离一致，这样图片显得整齐； 配色是点睛之笔。(红配绿什么的，还是算了吧... 设置图片的大小、分辨率、字体、线宽 来源： https://www.cnblogs.com/HuangYJ/p/11668290.html

1、向画布当中的任意位置添加任意数量的坐标轴 1 import matplotlib.pyplot as plt 2 import numpy as np 3 4 # 左、下分别表示坐标轴的左侧边缘和底部边缘距离画布的距离 5 # 宽、高分别表示坐标轴的宽度和高度 6 plt.axes([0.05,0.7,.3,.3], # 左，下，宽，高 7 frameon=True, # True表示绘制坐标轴的四条轴脊,也就是四条边框 8 aspect="equal") # 控制图像的宽高比例 9 plt.plot(np.arange(3), # X坐标轴刻度 10 [0,1,0], # 曲线值 11 color="blue", # 曲线的颜色 12 linewidth=2, # 曲线宽度 13 linestyle="--") # 曲线样式 14 15 plt.axes([0.3,0.4,.3,.3], 16 frameon=True, 17 aspect="equal") 18 plt.plot(2+np.arange(3), 19 [0,1,0], 20 color="red", 21 linewidth=2, 22 linestyle="-") 23 24 plt.axes([0.55,0.1,.3,.3], 25 frameon=True, 26 aspect="equal") 27

1、共享单一绘图区域的坐标轴 1 import matplotlib 2 import matplotlib.pyplot as plt 3 import numpy as np 4 5 # 显示中文标识 6 matplotlib.rcParams["font.sans-serif"] = ["SimHei"] 7 matplotlib.rcParams["axes.unicode_minus"] = False 8 9 # 返回一个画布对象fig和一个坐标轴实例ax。 10 fig,ax1 = plt.subplots() 11 12 # 自变量参数 13 t = np.arange(0.05,10.0,0.01) 14 15 s1 = np.exp(t) # 指数函数 16 ax1.plot(t,s1,c="b",ls="-") # 在ax1当中绘制指数函数，颜色为蓝色 17 ax1.set_xlabel("X坐标轴") # 设置X轴标签 18 ax1.set_ylabel("以e为底的指数函数",color="b") # 设置Y轴标签 19 ax1.tick_params(axis="y",color="b") # 设置Y坐标轴的刻度为蓝色 20 21 # 创建一个与ax1共享X轴的坐标轴实例ax2，但是Y轴不共享 22 ax2 = ax1.twinx() 23 24 s2

最近在学习三相逆变并网，对相关问题进行思考并记录。 ---------------------------------------------------------------------------------------------------------------------------- 1、静止坐标系的变换与旋转坐标的最本质的区别？ 静止变换的坐标轴是 固定 的，旋转坐标的坐标轴是 旋转 的。 2、静止坐标系与旋转坐标的转换，相对参考是什么？ 在静止坐标系上的矢量，相对不同的相量角，转换的旋转坐标是不一样的。 3、什么情况下，正弦向量在旋转坐标的转换结果是不变的？ 当旋转坐标轴以正弦波的 角速度 旋转时，正弦向量在旋转坐标的转换是 不变 的。 3、锁相环的思路是什么？ 当两个旋转坐标，以相同的角速度旋转的时候。如果这两路正弦波不同相， 这两路在各自的旋转坐标转换的结果是不一样的。通过调节，使两路的转换结果相差为 零 。 来源： https://www.cnblogs.com/cjyc/p/11657291.html