十年网站开发经验 + 多家企业客户 + 靠谱的建站团队
量身定制 + 运营维护+专业推广+无忧售后,网站问题一站解决
def find_center(rect): #定义一个函数 函数返回一个Point类型
为双河等地区用户提供了全套网页设计制作服务,及双河网站建设行业解决方案。主营业务为成都网站建设、成都网站设计、双河网站设计,以传统方式定制建设网站,并提供域名空间备案等一条龙服务,秉承以专业、用心的态度为用户提供真诚的服务。我们深信只要达到每一位用户的要求,就会得到认可,从而选择与我们长期合作。这样,我们也可以走得更远!
p = Point() #产生一个Point类型的对象
p.x = rect.corner.x + rect.width/2.0 #给Point对象p的x成员赋值
p.y = rect.corner.y + rect.height/2.0 #同上,corner对象的从函数中传入直接使用即可
return p #函数最后返回这个新生成的对象,并已赋初值
center = find_center(box) #调用上边定义的函数 传入参数box是也是程序中已产生的对象
print center.x, center.y #最后打印Point对象的x和y的值
默认的Gtk.Window是继承自Gtk.Bin的, 只能放置一个控件, 如果想要放置多个控件就需要容器container, 常用的容器有 盒子, 网格, 笔记本, 固定板 等, 下面的文章会慢慢讲解
首先, 来说盒子容器
self.box = Gtk.Box() 可以实例化一个盒子, 默认是水平盒子
垂直盒子可以 self.box = Gtk.Box(orientation=Gtk.Orientation.VERTICAL)
或者 self.box = Gtk.VBox()
Gtk.Box().pack_start(sub_widget, expand, fill, padding)
Gtk.Box().pack_end(sub_widget, expand, fill, padding)
第一个方法是从开始放置, 第二个从末尾
sub_widget 是被放置的控件
expand(bool) 是否分配额外的空间
fill (bool) 是否填充额外的空间, 当expand = False时, fill 无效
padding(int) 向外扩展的像素
例如
下篇文章讲grid 网格容器
欢迎大家留言
def getstringbox():
default_str='default'
temp=raw_input('Enter your string: ')
if(temp==''):
return default_str
else:
return temp
参考链接:
箱线图,又称箱形图(boxplot)或盒式图,不同于一般的折线图、柱状图或饼图等传统图表,只是数据大小、占比、趋势等等的呈现,其包含一些统计学的均值、分位数、极值等等统计量,因此,该图信息量较大,不仅能够分析不同类别数据平均水平差异(需在箱线图中加入均值点),还能揭示数据间离散程度、异常值、分布差异等等。
在python中常用matplotlib的boxplot来绘制,最简单绘制的如下:
importnumpyasnpimportmatplotlib.pyplotaspltimportpandasaspdnp.random.seed(2)#设置随机种子df = pd.DataFrame(np.random.rand(5,4),columns=['A','B','C','D'])#先生成0-1之间的5*4维度数据,再装入4列DataFrame中df.boxplot()#也可用plot.box()plt.show()
Paste_Image.png
从图形可以看出,A、B、C、D四组数A、D数据较集中(大部分在上下四分位箱体内),但都有异常值,C的离散程度最大(最大值与最小值之间距离),以均值为中心,B分布都有明显右偏(即较多的值分布在均值的右侧),A、C则有明显左偏。
(2)
从分析的角度来说,上面boxplot最初始图形已经够用,但是在matplotlib库下boxplot函数中包含n多参数,涉及到对框的颜色及形状、线段线型、均值线、异常点的形状大小等等设置,由于大多并不常用,用了几个常用参数,作图如下:
df.boxplot(sym='r*',vert=False,patch_artist=True,meanline=False,showmeans=True)plt.show()
Paste_Image.png
其中,sym='r*',表示异常点的形状,
vert=False,表示横向还是竖向(True),,
patch_artist=True,(上下四分位框内是否填充,True为填充)
meanline=False,showmeans=True,是否有均值线及其形状,meanline=True时,均值线也像中位数线一样是条红色线段,这样容易与中位数线混淆。
另外,还有其他参数,比如notch表示中间箱体是否缺口,whis为设置数据的范围,showcaps、showbox是否显示边框,可以参见
,如该网页中图形:
Paste_Image.png
左上图是默认图形,中上、右上是显示均值点及形状,左下是是否显示箱体边框,中下是带缺口的箱体,右下是是否显示异常值。
(3)
前边说过,很多参数使用很少,但对于图形来说,可能还能用到的就是美化,比如各条线的颜色,粗细程度等等。这里可用for循环来构造。
f=df.boxplot(sym='r*',patch_artist=True)forboxinf['boxes']:# 箱体边框颜色box.set( color='#7570b3', linewidth=2)# 箱体内部填充颜色box.set( facecolor ='#1b9e77')forwhiskerinf['whiskers']: whisker.set(color='r', linewidth=2)forcapinf['caps']: cap.set(color='g', linewidth=3)formedianinf['medians']: median.set(color='DarkBlue', linewidth=3)forflierinf['fliers']: flier.set(marker='o', color='y', alpha=0.5)plt.show()
Paste_Image.png
其中,boxes, 是25分位值和75分位值构成的box,
medians, 是中位值的横线, 每个median是一个Line2D对象
whiskers, 是指从box 到error bar之间的竖线.
fliers, 是指error bar线之外的离散点.
caps, 是指error bar横线.
means, 是均值的横线,
(4)
还可以做子图,如我们在最开始的DataFrame数据中加入分类数据列:
df['E'] = np.random.choice(['X','Y'], size=20)#加入以X、Y随机分类的E列print(df)plt.figure()df.boxplot(by='E')plt.show()
Paste_Image.png
这样我们就可以比较,不同类别X、Y在同一列下的数据分布情况及其差异。
链接:
来源: