Python使⽤matplotlib将离散的节点⽤光滑曲线连接
前⾔：
由于写论⽂需要测试算法的效率，所以需要使⽤某画图⼯具来将算法（分布式共识算法）的效率体现出来，本⼈⼀开始想到的是使⽤MATLAB，然后先不说其安装有多⿇烦，仅仅是⼤⼩，我这个苏菲婆就顶不住了，然后问了问师，师：Python。嗯。
⽤需要⽤到三个库：
· numpy
· matplotlib
· scipy
具体的作⽤就不介绍了，懂得都懂，但是安装只要安装后⾯两个就好了，matplotlib包含numpy
安装：
因为本⼈使⽤的是conda环境，所以在安装前先将⼀些东西升级
conda update conda
conda update anaconda
conda update anaconda-navigator    //update最新版本的anaconda-navigator
然后进⼊已经创建的环境，再安装matplotlib：
conda install matplotlib
conda install scipy
安装完成后开始测试（也可以省略这个步骤，我这段代码已经没了…或者你可以直接跑下⾯的代码，⼀样的）：
说明你的⼀切都已经就绪了，剩下的就只要按照⾃⼰的需求画出对应的图即可。
代码：
import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import make_interp_spline
# 两个是配置代码，第⼀⾏表⽰，允许使⽤中⽂，第⼆个表⽰允许使⽤负数
# 这三个表⽰就跟名字⼀样，标识作⽤
plt.title("Four Nodes State")
plt.xlabel("Time(sec)")
plt.ylabel("State xi i=0,1,...4")
# 这个前两参数表⽰横坐标的开始和结尾，第三个参数表⽰你要分成多少份
x = np.linspace(0,10,1000)
# 下⾯是节点个状态信息，⼀定要使⽤numpy⾃带的array，不然会出错
node1State = np.array([-4,-3,-2,-1,0,1,2,1,0,-1,0,1,0,-1,0,1,0,-1,0,1,0])
linspace numpytimes = np.array([0,0.5,1,1.5,2,2.5,3,3.5,4,4.5,5,5.5,6,6.5,7,7.5,8,8.5,9,9.5,10])
# 这个就是最重要的平滑操作了，要是不使⽤这个操作的话，画出来的就是点和点之间的直线
model0 = make_interp_spline(times, node1State)
ys0 = model0(x)
# 给每条线设定颜⾊，和添加label，linestyle表⽰你要使⽤曲线的样式，有多少种⽹上有
plt.plot(x, ys0, color='red', label='Node 0', linestyle='-.')
# legend() 函数只有在你需要使⽤laber 这个参数的时候才会⽤到
plt.legend()
plt.show()
上述代码跑出来图如下：
问题：
⾄于节点数据的问题，我这⾥就是使⽤现成的数据，因为本⼈是使⽤golang来跑算法的，但是golang画图的库真的能让⼈哭出来，所以就直接跑算法的时候将相关数据存取来，然后在导⼊到Python这边。
其他问题，实⼒有限，确实爱莫能助。
参考：

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。