目录
1 Draw.io
2 Excalidraw
3 Graphviz
4 Matplotlib
5 PlantUML
6 写在最后
01
丰富的图形库:内置大量预设图形和模板,满足各种绘图需求。 实时多人协作:支持团队成员实时在线协作,提高工作效率。 自定义形状和模板:用户可以创建并保存个性化的设计。 多格式导出:支持导出 PDF 、 SVG 、 PNG 、 JPEG 以及 HTML 等多种格式。 插件扩展性:通过插件系统,用户可以根据自己的需求扩展软件功能。
02
03
简单易用:Graphviz 使用简单的文本描述语言来定义图形结构,无需复杂的绘图技巧。 丰富的图形类型:支持有向图、无向图、流程图、组织结构图、类图、网络拓扑图等多种图形类型。 灵活的布局算法:提供多种布局算法,可以根据图形的特点和需求进行选择,自动处理节点的位置、边的布局以及图形的整体结构。 跨平台支持:可以在 Windows、Mac 和 Linux 等多个操作系统上运行。 丰富的输出格式:支持将图形导出为 PNG、SVG、PDF 等多种格式,方便嵌入到文档、网页或演示文稿中。 可扩展性:提供了丰富的 API 和插件机制,允许开发者根据自己的需求进行定制和扩展。
04
简单易用:Matplotlib 的 API 设计简单直观,易于上手,用户可以快速创建各种类型的图形 多样性:支持多种图形类型,包括线图、散点图、柱状图、饼图、箱线图等,满足用户对不同数据类型的可视化需求 自定义性:用户可以对图形的各种元素(如线条、颜色、标签等)进行个性化定制,以满足个性化的需求 支持多种输出格式:可以将图形输出为多种格式,包括图片文件(如 PNG、JPEG)、PDF 文件、SVG 文件等 与 NumPy 和 Pandas 集成:与 NumPy 和 Pandas 等常用数据处理库集成紧密,可以直接使用这些库中的数据结构来绘制图形 开源免费:用户可以免费使用并根据需要对其源代码进行修改和定制
import matplotlib.pyplot as plt import numpy as np # Fixing random state for reproducibility np.random.seed(19680801) dt = 0.01 t = np.arange(0, 30, dt) nse1 = np.random.randn(len(t)) # white noise 1 nse2 = np.random.randn(len(t)) # white noise 2 # Two signals with a coherent part at 10 Hz and a random part s1 = np.sin(2 * np.pi * 10 * t) + nse1 s2 = np.sin(2 * np.pi * 10 * t) + nse2 fig, axs = plt.subplots(2, 1, layout='constrained') axs[0].plot(t, s1, t, s2) axs[0].set_xlim(0, 2) axs[0].set_xlabel('Time (s)') axs[0].set_ylabel('s1 and s2') axs[0].grid(True) cxy, f = axs[1].cohere(s1, s2, 256, 1. / dt) axs[1].set_ylabel('Coherence') plt.show()
05
06
本文地址:https://docker.ink/?id=390
温馨提示:文章内容系作者个人观点,不代表Docker中文社区对观点赞同或支持。
版权声明:本文为转载文章,来源于 腾讯开发者 ,版权归原作者所有,欢迎分享本文,转载请保留出处!
温馨提示:文章内容系作者个人观点,不代表Docker中文社区对观点赞同或支持。
版权声明:本文为转载文章,来源于 腾讯开发者 ,版权归原作者所有,欢迎分享本文,转载请保留出处!
发表评论