Finally finish this series

03. Data visualization and exploratory data analysis/03. Matplotlib subplot/README.md

+# Matplotlib子图与多子图
+
+> 有时需要从多个角度对数据进行比较。matplotlib 为此提出了子图的概念：在较大的图形中放入一组较小的坐标轴。
+>
+> 本实训我们将介绍四种创建子图的方法。
+
+https://www.educoder.net/shixuns/oyh3q8kl/challenges
+
+## 第1关：手动创建子图
+
+### 任务描述
+
+本关任务：绘制一个包含两个样式不一致的子图。
+
+### 相关知识
+
+为了完成本关任务，你需要掌握：
+
+1. 如何使用 `plt.axes` 创建子图
+
+2. 如何使用 `fig.add_axes()` 创建子图。
+
+#### `plt.axes` 创建子图
+
+前面已经介绍过 `plt.axes` 函数，这个函数默认配置是创建一个标准的坐标轴，填满整张图。
+
+它还有一个可选的参数，由图形坐标系统的四个值构成。这四个值表示为坐标系的[底坐标、左坐标、宽度、高度]，数值的取值范围为左下角为 0，右上角为 1。
+
+下面演示在右上角创建一个画中画：
+
+```python
+x1 = plt.axes() # 默认坐标轴
+ax2 = plt.axes([0.65, 0.65, 0.2, 0.2])
+```
+
+![img/01.png](img/01.png)
+
+#### `fig.add_axes()` 创建子图
+
+面向对象画图接口中类似的命令由 `fig.add_axes()`。用这个命令创建两个竖直排列的坐标轴：
+
+```python
+fig = plt.figure()
+ax1 = fig.add_axes([0.1, 0.5, 0.8, 0.4],
+xticklabels=[], ylim=(-1.2, 1.2))
+ax2 = fig.add_axes([0.1, 0.1, 0.8, 0.4],
+ylim=(-1.2, 1.2))
+x = np.linspace(0, 10)
+ax1.plot(np.sin(x))
+ax2.plot(np.cos(x));
+```
+
+![img/02.png](img/02.png)
+
+可以看到两个紧挨着的坐标轴：上子图的（起点 y 坐标为 0.5 位置）与下子图 x 轴刻度是对应的（起点 y 坐标为 0.1，高度为 0.4）。
+
+### 编程要求
+
+根据提示，在右侧编辑器Begin-End处补充代码，根据输入数据绘制一个一行两列的折线图子图。子图一设置输入数据为 x 轴，输入数据的平方为 y 轴；设置颜色为红色；linestyle 为 `--`；线的宽度为 1；透明的为 0.3。子图二设置输入数据为 x 轴，输入数据的自然对数为 y 轴，具体可视化要求如下：
+
+ - 图形的 `figsize` 为 `(12, 12)`；
+
+ - 图形保存到 `Task1/img/T1.png`。
+
+### 测试说明
+
+平台会对你编写的代码进行测试：
+
+预期输出：`你的答案与正确答案一致`
+
+提示：
+
+```python
+#输入数据为x
+
+plt.plot(x,x**2)
+
+plt.plot(x,np.log(x))
+```
+----
+
+开始你的任务吧，祝你成功！
+
+### 答案
+
+```python
+import matplotlib
+matplotlib.use("Agg")
+import numpy as np
+import matplotlib.pyplot as plt
+
+def student(x):
+    '''
+    根据输入数据绘制不同的两个子图
+    :param x: 输入数据，类型为array
+    :return: None
+    '''
+    # ********* Begin *********#
+
+    fig=plt.figure(figsize=(12,12))
+    ax3=fig.add_subplot(1,2,1)
+    ax3.plot(x, x ** 2,color='r', linestyle='--', linewidth=1,alpha=0.3)
+    ax4=fig.add_subplot(1,2,2)
+    ax4.plot(x, np.log(x))
+    plt.savefig("Task1/img/T1.png")
+    
+    # ********* End *********#
+```
+
+## 第2关：网格子图
+
+### 任务描述
+
+本关任务：编写一个能绘制一个两行四列的网格子图的程序。
+
+### 相关知识
+
+为了完成本关任务，你需要掌握：
+
+1. 如何 `plt.subplot()` 绘制子图
+
+2. 如何调整子图之间的间隔。
+
+#### `plt.subplot()` 绘制子图
+
+若干彼此对齐的行列子图是常见的可视化任务，`matplotlib` 拥有一些可以轻松创建它们的简便方法。最底层且最常用的方法是 `plt.subplot()`。
+
+这个函数在一个网格中创建一个子图，该函数由三个整型参数，依次为将要创建的网格子图行数、列数和索引值，索引值从1开始，从左上到右下递增。
+
+```python
+for i in range(1, 7):
+    plt.subplot(2, 3, i)
+    plt.text(0.5, 0.5, str((2, 3, i)),
+        fontsize=18, ha='center')
+```
+
+![img/03.png](img/03.png)
+
+#### 调整子图之间的间隔
+
+在上图 y 轴的刻度有的已经和前面的子图重叠，`matplotlib` 提供 `plt.subplots_adjust` 命令调整子图之间的间隔。用面向对象接口的命令 `fig.add_subplot()` 可以取得同样的效果。
+
+```python
+fig = plt.figure()
+fig.subplots_adjust(hspace=0.4, wspace=0.4)
+for i in range(1, 7):
+    ax = fig.add_subplot(2, 3, i)
+    ax.text(0.5, 0.5, str((2, 3, i)),
+        fontsize=18, ha='center')
+```
+![img/04.png](img/04.png)
+
+这里我们通过设置 `plt.subplots_adjust` 的 `hspace` 与 `wspace` 参数设置与图形高度与宽度一致的子图间距，数值以子图的尺寸为单位。
+
+#### `plt.subplots` 创建网格
+
+当我们需要创建一个大型网格子图时，就没办法使用前面那种亦步亦趋的方法了，尤其是当你想隐藏内部子图的 x 轴与 y 轴标题时。`matplotlib` 提供了 `plt.subplots()` 来解决这个问题。
+
+这个函数不是用来创建单个子图的，而是用一行代码创建多个子图，并放回一个包含子图的 `numpy` 数组。关键参数是行数与列数以及可选参数 `sharex` 与 `sharey`。
+
+让我们创建一个 2 × 3 的网格子图，同行使用相同的 y 坐标，同列使用相同的 y 轴坐标：
+
+```python
+fig, ax = plt.subplots(2, 3, sharex='col', sharey='row')
+```
+![img/05.png](img/05.png)
+
+设置 `sharex` 与 `sharey` 参数后，我们就可以自动去掉网格内部子图的标签。
+
+坐标轴实例网格的放回结果是一个 `numpy` 数组，这样就可以通过标准的数组取值方式轻松获取想要的坐标轴了：
+
+```python
+fig, ax = plt.subplots(2, 3, sharex='col', sharey='row')
+for i in range(2):
+    for j in range(3):
+        ax[i, j].text(0.5, 0.5, str((i, j)),
+            fontsize=18, ha='center')
+```
+
+![img/06.png](img/06.png)
+
+### 编程要求
+
+在右侧编辑器Begin-End处补充代码，绘制不同一个两行四列的网格子图，并设置图形高度与宽度为 0.4，具体可视化要求如下：
+
+ - 图形的 `figsize` 为 `(10, 10)`；
+
+ - 图形保存到 `Task2/img/T1.png`。
+
+### 测试说明
+
+平台会对你编写的代码进行测试：
+
+预期输出：`你的答案与正确答案一致`
+
+----
+
+开始你的任务吧，祝你成功！
+
+### 答案
+
+```python
+import matplotlib
+matplotlib.use("Agg")
+import numpy as np
+import matplotlib.pyplot as plt
+
+def student():
+    '''
+    绘制不同一个两行四列的网格子图，并设置图形高度与宽度为0.4
+    :param: None
+    :return: None
+    '''
+    # ********* Begin *********#
+
+    fig = plt.figure(figsize=(10,10))
+    fig.subplots_adjust(hspace=0.4, wspace=0.4)
+    for i in range(1, 9):
+        plt.subplot(2, 4, i)
+    plt.savefig("Task2/img/T1.png")
+    plt.show()
+
+    # ********* End *********#
+```
+
+## 第3关：更复杂的排列方式
+
+### 任务描述
+
+本关任务：编写一个绘制不规则子图的函数。
+
+### 相关知识
+
+为了完成本关任务，你需要掌握：
+
+1. 如何绘制不规则子图，
+
+2. 在不规则子图中作图。
+
+#### 不规则子图
+
+`matplotlib` 还支持不规则的多行多列子图网格。
+
+`plt.GridSpec()` 对象本事不能直接创建一个图形，他只是 `plt.subplot()` 命令可以识别的简易接口。
+
+这里创建了一个带行列间距的 2 × 3 网格：
+
+```python
+grid = plt.GridSpec(2, 3, wspace=0.4, hspace=0.3)
+```
+
+`plt.GridSpec()` 支持通过类似python切片的语法设置子图的位置和扩展尺寸：
+
+```python
+plt.subplot(grid[0, 0])
+plt.subplot(grid[0, 1:])
+plt.subplot(grid[1, :2])
+plt.subplot(grid[1, 2])
+```
+
+![img/07.png](img/07.png)
+
+这种灵活的网格排列方式用途十分广泛，接下来我们用它创建多轴频次直方图：
+
+```python
+# 创建一些正态分布数据
+mean = [0, 0]
+cov = [[1, 1], [1, 2]]
+x, y = np.random.multivariate_normal(mean, cov, 3000).T
+# 设置坐标轴和网格配置方式
+fig = plt.figure(figsize=(6, 6))
+grid = plt.GridSpec(4, 4, hspace=0.2, wspace=0.2)
+main_ax = fig.add_subplot(grid[:-1, 1:])
+y_hist = fig.add_subplot(grid[:-1, 0], xticklabels=[], sharey=main_ax)
+x_hist = fig.add_subplot(grid[-1, 1:], yticklabels=[], sharex=main_ax)
+# 主坐标轴画散点图
+main_ax.plot(x, y, 'ok', markersize=3, alpha=0.2)
+# 次坐标轴画频次直方图
+x_hist.hist(x, 40, histtype='stepfilled',
+orientation='vertical', color='gray')
+x_hist.invert_yaxis()
+y_hist.hist(y, 40, histtype='stepfilled',
+orientation='horizontal', color='gray')
+y_hist.invert_xaxis()
+```
+
+![img/08.png](img/08.png)
+
+### 编程要求
+
+在右侧编辑器Begin-End处补充代码，绘制一个2行4列的不规则子图宽高间隔分别为 0.4、0.3。第 0 行设置 2 个子图，第一个子图占 3，第二个子图占 1。第二行相反，具体可视化要求如下：
+
+ - 图形的 `figsize` 为 `(10, 10)`；
+
+ - 图形保存到 `Task3/img/T1.png`。
+
+### 测试说明
+
+平台会对你编写的代码进行测试：
+
+预期输出：`你的答案与正确答案一致`
+
+----
+
+开始你的任务吧，祝你成功！
+
+### 答案
+
+```python
+import matplotlib
+matplotlib.use("Agg")
+import matplotlib.pyplot as plt
+import warnings
+warnings.filterwarnings("ignore")
+def student():
+    '''
+    绘制一个2行4列的不规则子图宽高间隔分别为0.4、0.3。
+    第0行设置2个子图，第一个子图占3，第二个子图占1。第二行相反
+    :param: None
+    :return: None
+    '''
+    # ********* Begin *********#
+
+    fig = plt.figure(figsize=(10, 10))
+    grid=plt.GridSpec(2,4, wspace=0.4, hspace=0.3)
+    plt.subplot(grid[0,0:3])
+    plt.subplot(grid[0,-1])
+    plt.subplot(grid[-1, 0])
+    plt.subplot(grid[-1, 1:])
+    plt.savefig("Task3/img/T1.png")
+    plt.show()
+
+    # ********* End *********#
+```
\ No newline at end of file

03. Data visualization and exploratory data analysis/03. Matplotlib subplot/Task1/main.py

+import numpy as np
+import test
+from PIL import Image
+def getDiff(width, high, image):  # 将要裁剪成w*h的image照片
+    diff = []
+    im = image.resize((width, high))
+    imgray = im.convert('L')  # 转换为灰度图片 便于处理
+    pixels = list(imgray.getdata())  # 得到像素数据 灰度0-255
+    for row in range(high): # 逐一与它左边的像素点进行比较
+        rowStart = row * width  # 起始位置行号
+        for index in range(width - 1):
+            leftIndex = rowStart + index
+            rightIndex = leftIndex + 1  # 左右位置号
+            diff.append(pixels[leftIndex] > pixels[rightIndex])
+    return diff  #  *得到差异值序列 这里可以转换为hash码*
+def getHamming(diff, diff2):  # 暴力计算两点间汉明距离
+    hamming_distance = 0
+    for i in range(len(diff)):
+        if diff[i] != diff2[i]:
+            hamming_distance += 1
+    return hamming_distance
+
+if __name__ == '__main__':
+    x = np.arange(0, 100)
+    test.student(x)
+    a=Image.open("Task1/img/T1.png")
+    b=Image.open("Task1/img1/T2.png")
+    diff1 = getDiff(32, 32, a)
+    diff2 = getDiff(32, 32, b)
+    ans = getHamming(diff1, diff2)
+    if ans < 1:
+        print("你的答案与正确答案一致")
+    else:
+        print("你的答案与正确答案不一致")
+
+

03. Data visualization and exploratory data analysis/03. Matplotlib subplot/Task1/test.py

+import matplotlib
+matplotlib.use("Agg")
+import numpy as np
+import matplotlib.pyplot as plt
+
+def student(x):
+    '''
+    根据输入数据绘制不同的两个子图
+    :param x: 输入数据，类型为array
+    :return: None
+    '''
+    # ********* Begin *********#
+	
+	
+    # ********* End *********#
\ No newline at end of file

03. Data visualization and exploratory data analysis/03. Matplotlib subplot/Task2/main.py

+import numpy as np
+import test
+from PIL import Image
+def getDiff(width, high, image):  # 将要裁剪成w*h的image照片
+    diff = []
+    im = image.resize((width, high))
+    imgray = im.convert('L')  # 转换为灰度图片 便于处理
+    pixels = list(imgray.getdata())  # 得到像素数据 灰度0-255
+    for row in range(high): # 逐一与它左边的像素点进行比较
+        rowStart = row * width  # 起始位置行号
+        for index in range(width - 1):
+            leftIndex = rowStart + index
+            rightIndex = leftIndex + 1  # 左右位置号
+            diff.append(pixels[leftIndex] > pixels[rightIndex])
+    return diff  #  *得到差异值序列 这里可以转换为hash码*
+def getHamming(diff, diff2):  # 暴力计算两点间汉明距离
+    hamming_distance = 0
+    for i in range(len(diff)):
+        if diff[i] != diff2[i]:
+            hamming_distance += 1
+    return hamming_distance
+
+if __name__ == '__main__':
+    x = np.arange(0, 100)
+    test.student()
+    a=Image.open("Task2/img/T1.png")
+    b=Image.open("Task2/img1/T2.png")
+    diff1 = getDiff(32, 32, a)
+    diff2 = getDiff(32, 32, b)
+    ans = getHamming(diff1, diff2)
+    if ans < 1:
+        print("你的答案与正确答案一致")
+    else:
+        print("你的答案与正确答案不一致")
+
+

03. Data visualization and exploratory data analysis/03. Matplotlib subplot/Task2/test.py

+import matplotlib
+matplotlib.use("Agg")
+import numpy as np
+import matplotlib.pyplot as plt
+
+def student():
+    '''
+    绘制不同一个两行四列的网格子图，并设置图形高度与宽度为0.4
+    :param: None
+    :return: None
+    '''
+    # ********* Begin *********#
+
+
+    # ********* End *********#
+
+

03. Data visualization and exploratory data analysis/03. Matplotlib subplot/Task3/main.py

+import numpy as np
+import test
+from PIL import Image
+def getDiff(width, high, image):  # 将要裁剪成w*h的image照片
+    diff = []
+    im = image.resize((width, high))
+    imgray = im.convert('L')  # 转换为灰度图片 便于处理
+    pixels = list(imgray.getdata())  # 得到像素数据 灰度0-255
+    for row in range(high): # 逐一与它左边的像素点进行比较
+        rowStart = row * width  # 起始位置行号
+        for index in range(width - 1):
+            leftIndex = rowStart + index
+            rightIndex = leftIndex + 1  # 左右位置号
+            diff.append(pixels[leftIndex] > pixels[rightIndex])
+    return diff  #  *得到差异值序列 这里可以转换为hash码*
+def getHamming(diff, diff2):  # 暴力计算两点间汉明距离
+    hamming_distance = 0
+    for i in range(len(diff)):
+        if diff[i] != diff2[i]:
+            hamming_distance += 1
+    return hamming_distance
+
+if __name__ == '__main__':
+    x = np.arange(0, 100)
+    test.student()
+    a=Image.open("Task3/img/T1.png")
+    b=Image.open("Task3/img1/T2.png")
+    diff1 = getDiff(32, 32, a)
+    diff2 = getDiff(32, 32, b)
+    ans = getHamming(diff1, diff2)
+    if ans < 1:
+        print("你的答案与正确答案一致")
+    else:
+        print("你的答案与正确答案不一致")
+
+

03. Data visualization and exploratory data analysis/03. Matplotlib subplot/Task3/test.py

+import matplotlib
+matplotlib.use("Agg")
+import matplotlib.pyplot as plt
+import warnings
+warnings.filterwarnings("ignore")
+def student():
+    '''
+    绘制一个2行4列的不规则子图宽高间隔分别为0.4、0.3。
+    第0行设置2个子图，第一个子图占3，第二个子图占1。第二行相反
+    :param: None
+    :return: None
+    '''
+    # ********* Begin *********#
+ 
+ 
+ 
+    # ********* End *********#
+
+
+
+
+
+