㈠ 請問怎麼用Python畫柵格地圖，類似下面這樣的圖，激光會返回障礙物的位置信息
你用的是激光雷達吧。 雷達應該本身可以形成周圍物體的反饋。
所以需要一個圖像識別演算法識別出障礙物是什麼。然後標志出來。
這個沒有做過。不過都是現成的演算法。 找一找就可以找到。
如果沒有找到可以按下面的思路去做：
雷達應該可以返回目標物的距離，以及反射強度。可以使用PIL，製作一個IMAGE。根據距離角度計算出點的位置，根據反射強度計算出它的灰度值。0-255的范圍。
下面是計算障礙物。 通常可以簡化演算法。 比如連續灰度值過10且超過2-3個像素則為目標障礙物。還可以加上距離判斷。比如距離15厘米以內的才算是障礙物。
另外灰度值與范圍可以做一個判斷矩陣。低灰度值。
有了障礙物，只需要計算圖像中心點。然後在周圍畫個矩形。
最後把IMAGE畫出來。可以用PIL，也可以用opencv的函數。
㈡ python"高維數據"可視化用什麼庫
常見的Python可視化庫有哪些？
Matplotlib
Matplotlib是一個Python 2維繪圖庫，已經成為Python中公認的數據可視化工具，通過Matplotlib你可以很輕松地畫一些或簡單或復雜地圖形，幾行代碼即可生成線圖、直方圖、功率譜、條形圖、錯誤圖、散點圖等等。
Seaborn
Seaborn是基於Mtplotlib產生的一個模塊，專攻於統計可視化，可以和pandas進行無縫鏈接，使初學者更容易上手。相對於Matplotlib，Seaborn語法更簡潔，兩者關系類似於NumPy、和Pandas之間的關系。
HoloViews
HoloViews是一個開源的Python庫，可以用非常少的代碼行中完成數據分析和可視化，除了默認的Matplotlib後端外，還添加了一個Bokeh後端。Bokeh提供了一個強大的平台，通過結合Bokeh提供的互動式小部件，可以使用HTML5 canvas和WebGL快速生成交互性和高維可視化，非常適合於數據的互動式探索。
Altair
Altair是Python的一個公認的統計可視化庫，它的API簡單、友好、一致，並建立在強大的vega-lite（互動式圖形語法）之上。Altair API不包含實際的可視化呈現代碼，而是按照vega-lite規范發出JSON數據結構。由此產生的數據可以在用戶界面中呈現，這種優雅的簡單性產生了漂亮且有效的可視化效果，且只需很少的代碼。
ggplot
ggplot是基於R的ggplot2和圖形語法的Python的繪圖系統，實現了更少的代碼繪制更專業的圖形。
它使用一個高級且富有表現力的API來實現線，點等元素的添加，顏色的更改等不同類型的可視化組件的組合或添加，而不需要重復使用相同的代碼，然而這對那些試圖進行高度定製的的來說，ggplot並不是最好的選擇，盡管它也可以製作一些非常復雜、好看的圖形。
Bokeh
Bokeh是一個Python互動式可視化庫，支持現代化Web瀏覽器展示。它提供風格優雅、簡潔的D3.js的圖形化樣式，並將此功能擴展到高性能交互的數據集，數據流上。使用Bokeh可以快速便捷地創建互動式繪圖、儀錶板和數據應用程序等。
Bokeh能與NumPy、Pandas，Blaze等大部分數組或表格式的數據結構完美結合。
㈢ python數據可視化的效果如何在web頁面中展示
importmatplotlib.pyplotasplt
#繪制折線圖
squares=[1,4,9,16,25]
#plt.plot(squares,linewidth=5)#指定折線粗細，
##plt.show();
#
##修改標簽文字和線條粗細
#plt.title("squrenumber",fontsize=24)
#plt.xlabel("Value",fontsize=14)
#plt.ylabel("squareofvalue",fontsize=14)
#plt.tick_params(axis='both',labelsize=14)
#plt.show()
#校正圖形
input_values=[1,2,3,4,5]
plt.plot(input_values,squares,linewidth=5)
plt.show()
㈣ Python實操：手把手教你用Matplotlib把數據畫出來
作者：邁克爾·貝耶勒（Michael Beyeler）
如需轉載請聯系華章 科技
如果已安裝Anaconda Python版本，就已經安裝好了可以使用的 Matplotlib。否則，可能要訪問官網並從中獲取安裝說明：
http://matplotlib.org
正如使用np作為 NumPy 的縮寫，我們將使用一些標準的縮寫來表示 Matplotlib 的引入：
在本書中，plt介面會被頻繁使用。
讓我們創建第一個繪圖。
假設想要畫出正弦函數sin(x)的線性圖。得到函數在x坐標軸上0≤x＜10內所有點的值。我們將使用 NumPy 中的 linspace 函數來在x坐標軸上創建一個從0到10的線性空間，以及100個采樣點：
可以使用 NumPy 中的sin函數得到所有x點的值，並通過調用plt中的plot函數把結果畫出來：
你親自嘗試了嗎？發生了什麼嗎？有沒有什麼東西出現？
實際情況是，取決於你在哪裡運行腳本，可能無法看到任何東西。有下面幾種可能性：
1. 從.py腳本中繪圖
如果從一個腳本中運行 Matplotlib，需要加上下面的這行調用：
在腳本末尾調用這個函數，你的繪圖就會出現！
2. 從 IPython shell 中繪圖
這實際上是互動式地執行Matplotlib最方便的方式。為了讓繪圖出現，需要在啟動 IPython 後使用所謂的%matplotlib魔法命令。
接下來，無須每次調用plt.show()函數，所有的繪圖將會自動出現。
3. 從 Jupyter Notebook 中繪圖
如果你是從基於瀏覽器的 Jupyter Notebook 中看這段代碼，需要使用同樣的%matplotlib魔法命令。然而，也可以直接在notebook中嵌入圖形，這會有兩種輸出選項：
在本書中，將會使用inline選項：
現在再次嘗試一下：
上面的命令會得到下面的繪圖輸出結果：
如果想要把繪圖保存下來留作以後使用，可以直接在 IPython 或者 Jupyter Notebook 使用下面的命令保存：
僅需要確保你使用了支持的文件後綴，比如.jpg、.png、.tif、.svg、.eps或者.pdf。
作為本章最後一個測試，讓我們對外部數據集進行可視化，比如scikit-learn中的數字數據集。
為此，需要三個可視化工具：
那麼開始引入這些包吧：
第一步是載入實際數據：
如果沒記錯的話，digits應該有兩個不同的數據域：data域包含了真正的圖像數據，target域包含了圖像的標簽。相對於相信我們的記憶，我們還是應該對digits稍加 探索 。輸入它的名字，添加一個點號，然後按Tab鍵：digits.<TAB>，這個操作將向我們展示digits也包含了一些其他的域，比如一個名為images的域。images和data這兩個域，似乎簡單從形狀上就可以區分。
兩種情況中，第一維對應的都是數據集中的圖像數量。然而，data中所有像素都在一個大的向量中排列，而images保留了各個圖像8×8的空間排列。
因此，如果想要繪制出一副單獨的圖像，使用images將更加合適。首先，使用NumPy的數組切片從數據集中獲取一幅圖像：
這里是從1797個元素的數組中獲取了它的第一行數據，這行數據對應的是8×8=64個像素。下面就可以使用plt中的imshow函數來繪制這幅圖像：
上面的命令得到下面的輸出：
此外，這里也使用cmap參數指定了一個顏色映射。默認情況下，Matplotlib 使用MATLAB默認的顏色映射jet。然而，在灰度圖像的情況下，gray顏色映射更有效。
最後，可以使用plt的subplot函數繪制全部數字的樣例。subplot函數與MATLAB中的函數一樣，需要指定行數、列數以及當前的子繪圖索引（從1開始計算）。我們將使用for 循環在數據集中迭代出前十張圖像，每張圖像都分配到一個單獨的子繪圖中。
這會得到下面的輸出結果：
關於作者：Michael Beyeler，華盛頓大學神經工程和數據科學專業的博士後，主攻仿生視覺計算模型，用以為盲人植入人工視網膜（仿生眼睛），改善盲人的視覺體驗。 他的工作屬於神經科學、計算機工程、計算機視覺和機器學習的交叉領域。同時他也是多個開源項目的積極貢獻者。
本文摘編自《機器學習：使用OpenCV和Python進行智能圖像處理》，經出版方授權發布。
㈤ python繪畫 最後這里出了什麼問題而且最後署名那裡如果是網頁版就不會一閃而過 但要不是下載版
1，保存問題注意命名，你t是turtle的一個實例不能拿來加減，應該開始的y改成y0什麼的其他名稱用y來減
2,去掉線的問題，goto前面加一行t.penup()後面一行家pendown()
㈥ Python怎樣做出這樣的圖
用畫圖工具
現在出名的畫圖工具有matplotlib，seaborn，pandas，
或者用 純為了展示在web上的畫圖工具Pyecharts
如果只是畫個圖 那建議matplotlib或者pandas
㈦ python怎麼使用matplotlib畫出下面這樣的圖
plot()第一個參數你肯定輸入了你的x軸輸入應該是time埃為什麼不輸入進去呢？ plt，但是第二參數沒有輸入，所以默認x軸自增，這個你直接將time數組輸入進去就可以了，plt.plot(x
㈧ python web開發 用什麼工具
python web開發常用的工具：
1. Django
Django無疑是最通用的web開發框架之一，適用博客做一個後端和為企業做一個內容管理系統。
優點：從幾乎為零的狀態建設出一個全功能的web應用程序。
備註：Python面向對象的設計非常干凈，而且配備了令人難以置信的支持庫。Python可以很容易地與其他流行的編程語言如Java，C和C ++集成。
㈨ python 怎麼畫這種橫著的條形圖
用matplotlib包的barh函數繪制的，大致布局已經很相似了
importmatplotlib.pyplotasplt
frommatplotlibimportcm
importnumpyasnp
label=['a','b','c','d','e','f']
x=sorted([1234,221,765,124,2312,890])
idx=np.arange(len(x))
color=cm.jet(np.array(x)/max(x))
plt.barh(idx,x,color=color)
plt.yticks(idx+0.4,label)
plt.grid(axis='x')
plt.xlabel('RevenuesEarned')
plt.ylabel('Salespeople')
plt.title('Top12Salespeople(2012) (inUSD)')
plt.show()
輸出圖像如下：