python（2）
Matplotlib.pyplot绘图实例
{使用pyplot模块}
matplotlib绘制直线、条形/矩形区域
import numpy as np
import matplotlib.pyplot as plt
t = np.arange(-1, 2, .01)
s = np.sin(2 * np.pi * t)
plt.plot(t,s)
# draw a thick red hline at y=0 that spans the xrange
l = plt.axhline(linewidth=4, color='r')
plt.axis([-1, 2, -1, 2])
plt.show()
plt.close()
# draw a default hline at y=1 that spans the xrange
plt.plot(t,s)
l = plt.axhline(y=1, color='b')
plt.axis([-1, 2, -1, 2])
plt.show()
plt.close()
# draw a thick blue vline at x=0 that spans the upper quadrant of the yrange
plt.plot(t,s)
l = plt.axvline(x=0, ymin=0, linewidth=4, color='b')
plt.axis([-1, 2, -1, 2])
plt.show()
plt.close()
# draw a default hline at y=.5 that spans the the middle half of the axes
plt.plot(t,s)
l = plt.axhline(y=.5, xmin=0.25, xmax=0.75)
plt.axis([-1, 2, -1, 2])
plt.show()
plt.close()
plt.plot(t,s)
p = plt.axhspan(0.25, 0.75, facecolor='0.5', alpha=0.5)
p = plt.axvspan(1.25, 1.55, facecolor='g', alpha=0.5)
plt.axis([-1, 2, -1, 2])
plt.show()
效果图展示
Note: 设置直线对应位置的值显示：plt.text(max_x, 0, str(round(max_x, 2)))，也就是直接在指定坐标写文字，不知道有没有其它方法？
另一种绘制直线的方式
plt.hlines(hline, xmin=plt.gca().get_xlim()[0], xmax=plt.gca().get_xlim()[1], linestyles=line_style, colors=color)
plt.hist(songs_plays, bins=50,range=(0, 50000), color='lightblue',normed=True)
Note: normed是将y坐标按比例绘图，而不是数目。
hist转换成plot折线图
plt.hist直接绘制数据是hist图
plt.hist(z, bins=500, normed=True)
hist图转换成折线图
cnts, bins = np.histogram(z, bins=500, normed=True)
bins = (bins[:-1] + bins[1:]) / 2
plt.plot(bins, cnts)
[:histogram]
散点图、梯形图、柱状图、填充图
散列图scatter()
使用plot()绘图时，如果指定样式参数为仅绘制数据点，那么所绘制的就是一幅散列图。但是这种方法所绘制的点无法单独指定颜色和大小。
scatter()所绘制的散列图却可以指定每个点的颜色和大小。
scatter()的前两个参数是数组，分别指定每个点的X轴和Y轴的坐标。
s参数指定点的大 小，值和点的面积成正比。它可以是一个数，指定所有点的大小；也可以是数组，分别对每个点指定大小。
c参数指定每个点的颜色，可以是数值或数组。这里使用一维数组为每个点指定了一个数值。通过颜色映射表，每个数值都会与一个颜色相对应。默认的颜色映射表中蓝色与最小值对应，红色与最大值对应。当c参数是形状为(N,3)或(N,4)的二维数组时，则直接表示每个点的RGB颜色。
marker参数设置点的形状，可以是个表示形状的字符串，也可以是表示多边形的两个元素的元组，第一个元素表示多边形的边数，第二个元素表示多边形的样式，取值范围为0、1、2、3。0表示多边形，1表示星形，2表示放射形，3表示忽略边数而显示为圆形。
alpha参数设置点的透明度。
lw参数设置线宽，lw是line width的缩写。
facecolors参数为“none”时，表示散列点没有填充色。
柱状图bar()
用每根柱子的长度表示值的大小，它们通常用来比较两组或多组值。
bar()的第一个参数为每根柱子左边缘的横坐标;第二个参数为每根柱子的高度;第三个参数指定所有柱子的宽度,当第三个参数为序列时，可以为每根柱子指定宽度。bar()不自动修改颜色。
n = np.array([0,1,2,3,4,5])
x = np.linspace(-0.75, 1., 100)
fig, axes = plt.subplots(1, 4, figsize=(12,3))
axes[0].scatter(x, x + 0.25*np.random.randn(len(x)))
axes[1].step(n, n**2, lw=2)
axes[2].bar(n, n**2, align=&center&, width=0.5, alpha=0.5)
axes[3].fill_between(x, x**2, x**3, color=&green&, alpha=0.5);
Note: axes子图设置title: axes.set_title(&bar plot&)
散点图（改变颜色，大小）
import numpy as np import matplotlib.pyplot as plt
x = np.random.rand(N)
y = np.random.rand(N)
area = np.pi * (15 * np.random.rand(N))**2 # 0 to 15 point radiuses
color = 2 * np.pi * np.random.rand(N)
plt.scatter(x, y, s=area, c=color, alpha=0.5, cmap=plt.cm.hsv)
plt.show()
matplotlib绘制散点图给点加上注释
plt.scatter(data_arr[:, 0], data_arr[:, 1], c=class_labels)
for i, class_label in enumerate(class_labels):
plt.annotate(class_label, (data_arr[:, 0][i], data_arr[:, 1][i]))
对数坐标图
plot()所绘制图表的X-Y轴坐标都是算术坐标。
绘制对数坐标图的函数有三个：semilogx()、semilogy()和loglog(),它们分别绘制X轴为对数坐标、Y轴为对数坐标以及两个轴都为对数坐标时的图表。
下面的程序使用4种不同的坐标系绘制低通滤波器的频率响应曲线。
其中，左上图为plot()绘制的算术坐标系，右上图为semilogx()绘制的X轴对数坐标系，左下图 为semilogy()绘制的Y轴对数坐标系，右下图为loglog()绘制的双对数坐标系。使用双对数坐标系表示的频率响应曲线通常被称为波特图。
import numpy as np
import matplotlib.pyplot as plt
w = np.linspace(0.1, )
p = np.abs(1/(1+0.1j*w)) # 计算低通滤波器的频率响应
plt.subplot(221)
plt.plot(w, p, linewidth=2)
plt.ylim(0,1.5)
plt.subplot(222)
plt.semilogx(w, p, linewidth=2)
plt.ylim(0,1.5)
plt.subplot(223)
plt.semilogy(w, p, linewidth=2)
plt.ylim(0,1.5)
plt.subplot(224)
plt.loglog(w, p, linewidth=2)
plt.ylim(0,1.5)
plt.show()
极坐标系是和笛卡尔(X-Y)坐标系完全不同的坐标系，极坐标系中的点由一个夹角和一段相对中心点的距离来表示。polar(theta, r, **kwargs)
可以polar()直接创建极坐标子图并在其中绘制曲线。也可以使用程序中调用subplot()创建子图时通过设 polar参数为True,创建一个极坐标子图，然后调用plot()在极坐标子图中绘图。
fig = plt.figure()
ax = fig.add_axes([0.0, 0.0, .6, .6], polar=True)
t = linspace(0, 2 * pi, 100)
ax.plot(t, t, color='blue', lw=3);
import numpy as np
import matplotlib.pyplot as plt
theta = np.arange(0, 2*np.pi, 0.02)
plt.subplot(121, polar=True)
plt.plot(theta, 1.6*np.ones_like(theta), linewidth=2) #绘制同心圆
plt.plot(3*theta, theta/3, &--&, linewidth=2)
plt.subplot(122, polar=True)
plt.plot(theta, 1.4*np.cos(5*theta), &--&, linewidth=2)
plt.plot(theta, 1.8*np.cos(4*theta), linewidth=2)
plt.rgrids(np.arange(0.5, 2, 0.5), angle=45)
plt.thetagrids([0, 45])
plt.show()
Note:rgrids()设置同心圆栅格的半径大小和文字标注的角度。因此右图中的虚线圆圈有三个， 半径分别为0.5、1.0和1.5,这些文字沿着45°线排列。
Thetagrids()设置放射线栅格的角度， 因此右图中只有两条放射线，角度分别为0°和45°。
等值线图
使用等值线图表示二元函数z=f(x,y)
所谓等值线，是指由函数值相等的各点连成的平滑曲线。等值线可以直观地表示二元函数值的变化趋势，例如等值线密集的地方表示函数值在此处的变化较大。
matplotlib中可以使用contour()和contourf()描绘等值线，它们的区别是：contourf()所得到的是带填充效果的等值线。
import numpy as np
import matplotlib.pyplot as plt
y, x = np.ogrid[-2:2:200j, -3:3:300j]
z = x * np.exp( - x**2 - y**2)
extent = [np.min(x), np.max(x), np.min(y), np.max(y)]
plt.figure(figsize=(10,4))
plt.subplot(121)
cs = plt.contour(z, 10, extent=extent)
plt.clabel(cs)
plt.subplot(122)
plt.contourf(x.reshape(-1), y.reshape(-1), z, 20)
plt.show()
为了更淸楚地区分X轴和Y轴，这里让它们的取值范围和等分次数均不相同.这样得 到的数组z的形状为(200, 300),它的第0轴对应Y轴、第1轴对应X轴。
调用contour()绘制数组z的等值线图，第二个参数为10,表示将整个函数的取值范围等分为10个区间,即显示的等值线图中将有9条等值线。可以使用extent参数指定等值线图的X轴和Y轴的数据范围。
contour()所返回的是一个QuadContourSet对象， 将它传递给clabel(),为其中的等值线标上对应的值。
调用contourf(),绘制将取值范围等分为20份、带填充效果的等值线图。这里演示了另外一种设置X、Y轴取值范围的方法，它的前两个参数分别是计算数组z时所使用的X轴和Y轴上的取样点,这两个数组必须是一维的。
使用等值线绘制隐函数f(x,y)=0曲线
显然，无法像绘制一般函数那样，先创建一个等差数组表示变量的取值点，然后计算出数组中每个x所对应的y值。
可以使用等值线解决这个问题，显然隐函数的曲线就是值等于0的那条等值线。
程序绘制函数在f(x,y)=0和 f(x,y)-0.1 = 0时的曲线。
import numpy as np
import matplotlib.pyplot as plt
y, x = np.ogrid[-1.5:1.5:200j, -1.5:1.5:200j]
f = (x**2 + y**2)**4 - (x**2 - y**2)**2
plt.figure(figsize=(9,4))
plt.subplot(121)
extent = [np.min(x), np.max(x), np.min(y), np.max(y)]
cs = plt.contour(f, extent=extent, levels=[0, 0.1], colors=[&b&, &r&], linestyles=[&solid&, &dashed&], linewidths=[2, 2])
plt.subplot(122)
for c in cs.collections:
&& &data = c.get_paths()[0].vertices
&&& plt.plot(data[:,0], data[:,1], color=c.get_color()[0], linewidth=c.get_linewidth()[0])
plt.show()
contour() levels参数指定所绘制等值线对应的函数值，这里设置levels参数为[0，0.1],因此最终将绘制两条等值线。
观察图会发现，表示隐函数f(x)=0蓝色实线并不是完全连续的，在图的中间部分它由许多孤立的小段构成。因为等值线在原点附近无限靠近，因此无论对函数f的取值空间如何进行细分，总是会有无法分开的地方，最终造成了图中的那些孤立的细小区域。
而表示隐函数f(x,y)=0的红色虚线则是闭合且连续的。
contour()返回对象QuadContourSet
可以通过contour()返回对象获得等值线上每点的数据，下面我们在IPython中观察变量cs,它是一个 QuadContourSet 对象：
cs对象的collections属性是一个等值线列表，每条等值线用一个LineCollection对象表示：
&&& cs.collections
&a list of 2 collections.LineCollection objects&
每个LineCollection对象都有它自己的颜色、线型、线宽等属性，注意这些属性所获得的结果外面还有一层封装，要获得其第0个元素才是真正的配置：
&&& c0.get_color()[0]
array([ 0., 0., 1., 1.])
&&& c0.get_linewidth()[0]
由类名可知，LineCollection对象是一组曲线的集合，因此它可以表示像蓝色实线那样由多条线构成的等值线。它的get_paths()方法获得构成等值线的所有路径，本例中蓝色实线
所表示的等值线由42条路径构成：
&&& len(cs.collections[0].get_paths())
路径是一个Path对象，通过它的vertices属性可以获得路径上所有点的坐标:
&&& path = cs.collections[0].get_paths()[0]
&&& type(path)
&class 'matplotlib.path.Path'&
&&& path.vertices
array([[-0., -0.],
[-0., -0.],
[-0., -0.]])
上面的程序plt.subplot(122)就是从等值线集合cs中找到表示等值线的路径，并使用plot()将其绘制出来。
Matplotlib.pylab绘图实例
{使用pylab模块}
matplotlib还提供了一个名为pylab的模块，其中包括了许多NumPy和pyplot模块中常用的函数，方便用户快速进行计算和绘图，十分适合在IPython交互式环境中使用。这里使用下面的方式载入pylab模块：
&&& import pylab as pl
Note:import pyplot as plt也同样可以
两种常用图类型
Line and scatter plots(使用plot()命令), histogram(使用hist()命令)
1 折线图&散点图&Line and scatter plots
折线图 Line plots(关联一组x和y值的直线)
import numpy as np
import pylab as pl
x = [1, 2, 3, 4, 5]# Make an array of x values
y = [1, 4, 9, 16, 25]# Make an array of y values for each x value
pl.plot(x, y)# use pylab to plot x and y
pl.show()# show the plot on the screen
plot(x, y)
# plot x and y using default line style and color
plot(x, y, 'bo')
# plot x and y using blue circle markers
# plot y using x as index array 0..N-1
plot(y, 'r+')
# ditto, but with red plusses
plt.plot(ks, wssses, marker='*', markerfacecolor='r', linestyle='-', color='b')
&散点图 Scatter plots
把pl.plot(x, y)改成pl.plot(x, y, 'o')
美化 Making things look pretty
线条颜色&Changing the line&color
红色：把pl.plot(x, y, 'o')改成pl.plot(x, y, ’or’)
线条样式 Changing the line style
虚线:plot(x,y, '--')
marker样式 Changing the marker style
蓝色星型markers：plot(x,y, ’b*’)
具体见附录
- matplotlib中的作图参数
图和轴标题以及轴坐标限度 Plot and axis titles and limits
import numpy as np
import pylab as pl
x = [1, 2, 3, 4, 5]# Make an array of x values
y = [1, 4, 9, 16, 25]# Make an array of y values for each x value
pl.plot(x, y)# use pylab to plot x and y
pl.title(’Plot of y vs. x’)# give plot a title
pl.xlabel(’x axis’)# make axis labels
pl.ylabel(’y axis’)
pl.xlim(0.0, 7.0)# set axis limits
pl.ylim(0.0, 30.)
pl.show()# show the plot on the screen
&一个坐标系上绘制多个图 Plotting more than one plot on the same set of axes
依次作图即可
import numpy as np
import pylab as pl
x1 = [1, 2, 3, 4, 5]# Make x, y arrays for each graph
y1 = [1, 4, 9, 16, 25]
x2 = [1, 2, 4, 6, 8]
y2 = [2, 4, 8, 12, 16]
pl.plot(x1, y1, ’r’)# use pylab to plot x and y
pl.plot(x2, y2, ’g’)
pl.title(’Plot of y vs. x’)# give plot a title
pl.xlabel(’x axis’)# make axis labels
pl.ylabel(’y axis’)
pl.xlim(0.0, 9.0)# set axis limits
pl.ylim(0.0, 30.)
pl.show()# show the plot on the screen
图例 Figure legends
pl.legend((plot1, plot2), (’label1, label2’),loc='best’, numpoints=1)
第三个参数loc=表示图例放置的位置:'best’‘upper right’, ‘upper left’, ‘center’, ‘lower left’, ‘lower right’.
如果在当前figure里plot的时候已经指定了label，如plt.plot(x,z,label=&cos(x2)&)，直接调用plt.legend()就可以了。
import numpy as np
import pylab as pl
x1 = [1, 2, 3, 4, 5]# Make x, y arrays for each graph
y1 = [1, 4, 9, 16, 25]
x2 = [1, 2, 4, 6, 8]
y2 = [2, 4, 8, 12, 16]
plot1 = pl.plot(x1, y1, ’r’)# use pylab to plot x and y : Give your plots names
plot2 = pl.plot(x2, y2, ’go’)
pl.title(’Plot of y vs. x’)# give plot a title
pl.xlabel(’x axis’)# make axis labels
pl.ylabel(’y axis’)
pl.xlim(0.0, 9.0)# set axis limits
pl.ylim(0.0, 30.)
pl.legend([plot1, plot2], (’red line’, ’green circles’), ’best’, numpoints=1)# make legend
pl.show()# show the plot on the screen
2 直方图 Histograms
import numpy as np
import pylab as pl
# make an array of random numbers with a gaussian distribution with
# mean = 5.0
# rms = 3.0
# number of points = 1000
data = np.random.normal(5.0, 3.0, 1000)
# make a histogram of the data array
pl.hist(data)
# make plot labels
pl.xlabel(’data’)
如果不想要黑色轮廓可以改为pl.hist(data, histtype=’stepfilled’)
自定义直方图bin宽度 Setting the width of the histogram bins manually
bins = np.arange(-5., 16., 1.) #浮点数版本的range
pl.hist(data, bins, histtype=’stepfilled’)
同一画板上绘制多幅子图 Plotting more than one axis per canvas
如果需要同时绘制多幅图表的话，可以是给figure传递一个整数参数指定图标的序号，如果所指定
序号的绘图对象已经存在的话，将不创建新的对象，而只是让它成为当前绘图对象。
fig1 = pl.figure(1)
pl.subplot(211)
subplot(211)把绘图区域等分为2行*1列共两个区域, 然后在区域1(上区域)中创建一个轴对象. pl.subplot(212)在区域2(下区域)创建一个轴对象。
You can play around with plotting a variety of layouts. For example, Fig. 11 is created using the following commands:
f1 = pl.figure(1)
pl.subplot(221)
pl.subplot(222)
pl.subplot(212)
当绘图对象中有多个轴的时候，可以通过工具栏中的Configure Subplots按钮，交互式地调节轴之间的间距和轴与边框之间的距离。如果希望在程序中调节的话，可以调用subplots_adjust函数，它有left, right, bottom, top, wspace, hspace等几个关键字参数，这些参数的值都是0到1之间的小数，它们是以绘图区域的宽高为1进行正规化之后的坐标或者长度。
pl.subplots_adjust(left=0.08, right=0.95, wspace=0.25, hspace=0.45)
绘制圆形Circle和椭圆Ellipse
1. 调用包函数
###################################
coding=utf-8
!/usr/bin/env python
__author__ = 'pipi'
绘制椭圆和圆形
###################################
from matplotlib.patches import Ellipse, Circle
import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot(111)
ell1 = Ellipse(xy = (0.0, 0.0), width = 4, height = 8, angle = 30.0, facecolor= 'yellow', alpha=0.3)
cir1 = Circle(xy = (0.0, 0.0), radius=2, alpha=0.5)
ax.add_patch(ell1)
ax.add_patch(cir1)
x, y = 0, 0
ax.plot(x, y, 'ro')
plt.axis('scaled')
# ax.set_xlim(-4, 4)
# ax.set_ylim(-4, 4)
plt.axis('equal')
#changes limits of x or y axis so that equal increments of x and y have the same length
plt.show()
参见Matplotlib.pdf Release 1.3.1文档
18.7 Ellipses (see arc)
p631class matplotlib.patches.Ellipse(xy, width, height, angle=0.0, **kwargs)Bases: matplotlib.patches.PatchA scale-free ellipse.xy center of ellipsewidth total length (diameter) of horizontal axisheight total length (diameter) of vertical
axisangle rotation in degrees (anti-clockwise)p626class matplotlib.patches.Circle(xy, radius=5, **kwargs)
或者参见Matplotlib.pdf Release 1.3.1文档contour绘制圆
#coding=utf-8
import numpy as np
import matplotlib.pyplot as plt
x = y = np.arange(-4, 4, 0.1)
x, y = np.meshgrid(x,y)
plt.contour(x, y, x**2 + y**2, [9])
#x**2 + y**2 = 9 的圆形
plt.axis('scaled')
plt.show()p478
Axes3D.contour(X, Y, Z, *args, **kwargs)
Create a 3D contour plot.
Argument Description
X, Y, Data values as numpy.arrays
Whether to extend contour in 3D (default: False)
Stride (step size) for extending contour
The direction to use: x, y or z (default)
If specified plot a projection of the contour lines on this position in plane normal to zdir
The positional and other
matplotlib.pyplot.axis(*v, **kwargs)
Convenience method to get or set axis properties.
或者参见demo【】
2. 直接绘制
#coding=utf-8
Created on Jul 14, 2014
@author: pipi
from math import pi
from numpy import cos, sin
from matplotlib import pyplot as plt
if __name__ == '__main__':
'''plot data margin'''
angles_circle = [i*pi/180 for i in range(0,360)]
#i先转换成double
#angles_circle = [i/np.pi for i in np.arange(0,360)]
# angles_circle = [i/180*pi for i in np.arange(0,360)]
x = cos(angles_circle)
y = sin(angles_circle)
plt.plot(x, y, 'r')
plt.axis('equal')
plt.axis('scaled')
plt.show()
绘图小技巧
控制坐标轴的显示——使x轴显示名称字符串而不是数字的两种方法
plt.xticks(range(len(list)), x, rotation='vertical')
Note:x代表一个字符串列表，如x轴上要显示的名称。
axes.set_xticklabels(x, rotation='horizontal', lod=True)
Note:这里axes是plot的一个subplot()
获取x轴上坐标最小最大值
xmin， xmax = plt.gca().get_xlim()
在指定坐标写文字
plt.text(max_x, 0, str(round(max_x, 2)))
其他进阶[]
&&/subplot
matplotlib绘图库入门
barChart:/qianlifeng/archive//2350086.html
Gnuplot的介绍
IBM:(2005年的文章有点旧)
(绘制不连续函数的不连续点；参数曲线上绘制方向箭头；修改缺省刻度数目；Y轴不同区间使用不同颜色填充的曲线区域。)
&&相关文章推荐
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：10944次
排名：千里之外
原创：26篇
转载：10篇
(13)(1)(1)(4)(12)(5)苹果/安卓/wp
积分 49, 距离下一级还需 36 积分
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡下一级可获得
权限: 自定义头衔
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
开心签到天数: 20 天连续签到: 1 天[LV.4]偶尔看看III
想用Arcgis做空间自相关分析，之前对Arcgis一无所知，看了相关的书籍还是不怎么会做加载的图，学的是信管专业，没有接触过看空间地理这一方面
支持楼主：、
购买后，论坛将把您花费的资金全部奖励给楼主，以表示您对TA发好贴的支持
载入中......
就是底下这个图中加号不是可以添加数据嘛，就是我截的这个市域的图，我知道加载的是一个市域.shp的文件，可是这个文件自己不会弄
(88.33 KB)
13:30:33 上传
烽火偏偏戏诸侯 发表于
shp文件是面域，那你现在就是再此基础上创建其他要素，定义属性，这样才能分析我截的这个图不是我自己做的，就是说像这样的面域的我也不会做
<font color="#9544197 发表于
怎么添加数据分析&&请教啊先要在ArcCatalog中链接文件夹，然后在ArcMap中点+号添加数据就可以了
<font color="#9544197 发表于
怎么添加数据分析&&请教啊ArcToolBox中不是有很多分析工具，添加好的数据之后，选择合适字段应该就可以分析吧，其实我也不是很清楚这些
18:09:39 上传
之前在表里没法添加数据，好像刚刚试了，可以了，谢谢哈
无限扩大经管职场人脉圈！每天抽选10位免费名额，现在就扫& 论坛VIP& 贵宾会员& 可免费加入
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
京ICP证090565号
论坛法律顾问：王进律师查看: 10486|回复: 22|关注: 0
我的MATLAB没法用plot画图
<h1 style="color:# 麦片财富积分
新手, 积分 5, 距离下一级还需 45 积分
一用plot画图。。就算最简单的x=1:10 y=x.plot(x,y).都报错。、。
Error using plot
Unable to find the proper &@graph2d& directory.
<h1 style="color:# 麦片财富积分
plot你用错了 应该是plot（y）就行了 你的调用格式不适合二维的
<h1 style="color:# 麦片财富积分
混世魔王 发表于
plot你用错了 应该是plot（y）就行了 你的调用格式不适合二维的
& &&&1& &&&2& &&&3& &&&4& &&&5& &&&6& &&&7& &&&8& &&&9& & 10
& &&&1& &&&2& &&&3& &&&4& &&&5& &&&6& &&&7& &&&8& &&&9& & 10
&& plot(y)
Error using plot
Unable to find the proper &@graph2d& directory.
还是这样。。
<h1 style="color:# 麦片财富积分
panasonis 发表于
我用怎么可以呢 晕&&
<h1 style="color:# 麦片财富积分
混世魔王 发表于
我用怎么可以呢 晕
就是可能我安装有问题。、。可是我都重装了2遍了、很无奈啊
<h1 style="color:# 麦片财富积分
LZ用的是什么版本的matlab？现在网上很多新版本的，要是网速方便的话，重新下个近两年的版本吧
<h1 style="color:# 麦片财富积分
snplou 发表于
LZ用的是什么版本的matlab？现在网上很多新版本的，要是网速方便的话，重新下个近两年的版本吧 ...
R2012a..我都木办法了。。
MATLAB 基础讨论版块优秀回答者
<h1 style="color:#61 麦片财富积分
关注者： 143
graph2d目录下是存放一些和2维图有关的绘图函数的。提示这个错误，说明1）要么graph2d存在，但是MATLAB无法找到，或2）graph2d根本就不存在。
请检查MATLAB安装目录下的 toolbox\matlab目录中是否有graph2d这个目录，如果没有的话就是（2）
如果真是2的话，说明a)安装不完整，b）graph2d目录被人删除或改了名。
如果是2b，那么改回来就可以了；如果是2a，那么最好还是重新安装一下。
<h1 style="color:# 麦片财富积分
<h1 style="color:# 麦片财富积分
7.0和7.6都可以用
站长推荐 /2
Powered by}