以下是使用Python绘制奥迪车标的示例代码：

import turtle

# 创建画布和画笔

turtlebgcolor("black")

screen = turtleScreen()

pen = turtleTurtle()

# 设置画笔属性

penwidth(10)

pencolor('silver')

# 移动到合适的位置

penpenup()

penbackward(150)

penpendown()

# 画第一个圆

pencircle(50)

# 抬起画笔

penpenup()

# 前进

penfd(75)

# 放下画笔开始画

penpendown()

# 第二个圆

pencircle(50)

# 抬起画笔

penpenup()

# 前进到指定位置后按下画笔

penfd(75)

penpendown()

# 第三个圆

pencircle(50)

# 抬起画笔

penpenup()

# 前进

penfd(75)

# 绘制第四个圆

penpendown()

pencircle(50)

# 隐藏画笔并显示画布

penhideturtle()

screenmainloop()

在以上代码中，我们使用turtle模块绘制奥迪车标。首先，我们创建了一个画布和画笔，然后设置画笔属性的线宽为10。接着，我们依次绘制四个相交的圆，来组成奥迪车标。最后，我们隐藏了画笔，并将画布显示出来。

运行效果如下图：

程序运行效果展示

需要注意的是，在绘制圆时，使用circle()函数可以将当前笔头移动到圆心，从圆心开始绘制半径为r的圆。使用penup()函数抬起笔头，使用pendown()函数放下笔头。同时，需要调用hideturtle()隐藏画笔，以避免显示画笔的轨迹。

希望我的回答能够帮助到您！

本篇文章主要介绍了Python使用plotly绘制数据图表的方法，实例分析了plotly绘制的技巧，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

导语：使用 python-plotly 模块来进行压测数据的绘制，并且生成静态 html 页面结果展示。

不少小伙伴在开发过程中都有对模块进行压测的经历，压测结束后大家往往喜欢使用Excel处理压测数据并绘制数据可视化视图，但这样不能很方便的使用web页面进行数据展示。本文将介绍使用python-plotly模块来进行压测数据的绘制，并且生成静态html页面方便结果展示。

Plotly简介

Plotly是一款使用JavaScript开发的制图工具，提供了与主流数据分析语言交互的API（如：Python, R, MATLAB）。大家可以到官网 https://plotly/ 了解更多详细的信息。Plotly能够绘制具有用户交互功能的精美图表。

Python-Plotly 安装

本文档主要是介绍使用plotly的Python API来进行几种简单图表的绘制，更多Plotly的用法请参考 https://plotly/python/

Python-Plotly可以使用pip安装，并且最好在Python27版本及以上安装使用，如果使用Python26版本，请自行安装Python27和对应的pip。

Plotly绘图实例

line-plots

绘图效果：

生成的html页面在右上角提供了丰富的交互工具。

代码：

def line_plots(name):

'''

绘制普通线图

'''

#数据，x为横坐标，y,z为纵坐标的两项指标，三个array长度相同

dataset = {'x':[0,1,2,3,4,5,6,7,8,9],

'y':[5,4,1,3,11,2,6,7,19,20],

'z':[12,9,0,0,3,25,8,17,22,5]}

data_g = []

#分别插入 y, z

tr_x = Scatter(

x = dataset['x'],

y = dataset['y'],

name = 'y'

)

data_gappend(tr_x)

tr_z = Scatter(

x = dataset['x'],

y = dataset['z'],

name = 'z'

)

data_gappend(tr_z)

#设置layout,指定图表title,x轴和y轴名称

layout = Layout(title="line plots", xaxis={'title':'x'}, yaxis={'title':'value'})

#将layout设置到图表

fig = Figure(data=data_g, layout=layout)

#绘图,输出路径为name参数指定

pltoffplot(fig, filename=name)scatter-plots

绘图效果：

代码：

def scatter_plots(name):

'''

绘制散点图

'''

dataset = {'x':[0,1,2,3,4,5,6,7,8,9],

'y':[5,4,1,3,11,2,6,7,19,20],

'text':['5_txt','4_txt','1_txt','3_txt','11_txt','2_txt','6_txt','7_txt','19_txt','20_txt']}

data_g = []

tr_x = Scatter(

x = dataset['x'],

y = dataset['y'],

text = dataset['text'],

textposition='top center',

mode='markers+text',

name = 'y'

)

data_gappend(tr_x)

layout = Layout(title="scatter plots", xaxis={'title':'x'}, yaxis={'title':'value'})

fig = Figure(data=data_g, layout=layout)

pltoffplot(fig, filename=name)bar-charts

绘图效果：

代码：

def bar_charts(name):

'''

绘制柱状图

'''

dataset = {'x':['Windows', 'Linux', 'Unix', 'MacOS'],

'y1':[45, 26, 37, 13],

'y2':[19, 27, 33, 21]}

data_g = []

tr_y1 = Bar(

x = dataset['x'],

y = dataset['y1'],

name = 'v1'

)

data_gappend(tr_y1)

tr_y2 = Bar(

x = dataset['x'],

y = dataset['y2'],

name = 'v2'

)

data_gappend(tr_y2)

layout = Layout(title="bar charts", xaxis={'title':'x'}, yaxis={'title':'value'})

fig = Figure(data=data_g, layout=layout)

pltoffplot(fig, filename=name)pie-charts

绘图效果：

代码：

def pie_charts(name):

'''

绘制饼图

'''

dataset = {'labels':['Windows', 'Linux', 'Unix', 'MacOS', 'Android', 'iOS'],

'values':[280, 25, 10, 100, 250, 270]}

data_g = []

tr_p = Pie(

labels = dataset['labels'],

values = dataset['values']

)

data_gappend(tr_p)

layout = Layout(title="pie charts")

fig = Figure(data=data_g, layout=layout)

pltoffplot(fig, filename=name)filled-area-plots

本例是绘制具有填充效果的堆叠线图，适合分析具有堆叠百分比属性的数据

绘图效果：

代码：

def filled_area_plots(name):

'''

绘制堆叠填充的线图

'''

dataset = {'x':[0,1,2,3,4,5,6,7,8,9],

'y1':[5,4,1,3,11,2,6,7,19,20],

'y2':[12,9,0,0,3,25,8,17,22,5],

'y3':[13,22,46,1,15,4,18,11,17,20]}

#计算y1,y2,y3的堆叠占比

dataset['y1_stack'] = dataset['y1']

dataset['y2_stack'] = [y1+y2 for y1, y2 in zip(dataset['y1'], dataset['y2'])]

dataset['y3_stack'] = [y1+y2+y3 for y1, y2, y3 in zip(dataset['y1'], dataset['y2'], dataset['y3'])]

dataset['y1_text'] = ['%s(%s%%)'%(y1, y1100/y3_s) for y1, y3_s in zip(dataset['y1'], dataset['y3_stack'])]

dataset['y2_text'] = ['%s(%s%%)'%(y2, y2100/y3_s) for y2, y3_s in zip(dataset['y2'], dataset['y3_stack'])]

dataset['y3_text'] = ['%s(%s%%)'%(y3, y3100/y3_s) for y3, y3_s in zip(dataset['y3'], dataset['y3_stack'])]

data_g = []

tr_1 = Scatter(

x = dataset['x'],

y = dataset['y1_stack'],

text = dataset['y1_text'],

hoverinfo = 'x+text',

mode = 'lines',

name = 'y1',

fill = 'tozeroy' #填充方式: 到x轴

)

data_gappend(tr_1)

tr_2 = Scatter(

x = dataset['x'],

y = dataset['y2_stack'],

text = dataset['y2_text'],

hoverinfo = 'x+text',

mode = 'lines',

name = 'y2',

fill = 'tonexty' #填充方式:到下方的另一条线

)

data_gappend(tr_2)

tr_3 = Scatter(

x = dataset['x'],

y = dataset['y3_stack'],

text = dataset['y3_text'],

hoverinfo = 'x+text',

mode = 'lines',

name = 'y3',

fill = 'tonexty'

)

data_gappend(tr_3)

layout = Layout(title="field area plots", xaxis={'title':'x'}, yaxis={'title':'value'})

fig = Figure(data=data_g, layout=layout)

pltoffplot(fig, filename=name)小结

本文介绍了利用python-plotly绘制数据图的方法，实例中 线图(line plots)、散点图(scatter plots)、柱状图(bar charts)、饼图(pie charts)以及填充堆叠线图(filled area plots)这五种典型的图表基本上涵盖了大部分类型的测试数据，各位小伙伴可以加以变形绘制出更多的漂亮图标。

蟒仙家谱全部名字有：

胡仙祖太爷，胡仙祖太奶，胡仙大太爷，胡仙大太奶，胡仙二太爷，胡仙二太奶，胡仙三太爷，胡仙三太奶，黄仙太爷，黄仙太奶，常仙太爷，常仙太奶，蟒仙太爷，黑老太，长眉大仙，结巴仙，山东大仙，胡天刚，胡天雷，胡仙姑，胡天春，胡翠娥，胡翠。

东北保家仙，也称地仙，东北以四大家族，胡黄常蟒为主，八大家为铺助，胡通狐，也就是狐狸，黄是黄鼬，俗称黄鼠狼，常是蛇，也程长虫。

蟒的详解：

蟒蛇（学名：Python bivittatus）是蟒科，蟒属大型爬行动物。常见的体长3-5米，头颈部背面有一暗棕色矛形斑，头侧有一条黑色纵斑，头部腹面黄白色，体背棕褐色、灰褐色或**，体背及两侧均有大块镶黑边云豹状斑纹。

栖居于热带、亚热带低山丛林中。善攀援，嗜昏睡，夜行性、杂食性捕食时常慢慢爬行接近猎物，迅速咬住后用身体缠绕致死，并压扁成长条形，整个吞食下。可吃山羊、鹿、麂、猪等动物，常食鼠类、鸟类、爬行类及两栖类。除猎获物的兽毛外，皆可消化，但饱食后可数月不食，冬眠4-5个月。

在Python的数据可视化库中，采用matplotlib绘制相关图形时，若不加任何设定，一般的x-y坐标轴是不带箭头且是一个封闭的矩形。我们以Sigmoid函数的绘制，给大家展示一下。

matplotlib的辅助工具，包含一系列对坐标轴设置的框架。其中的axisartist包就用来设置坐标轴的类型。

1创建画布并引入axisartist工具。

2绘制带箭头的x-y坐标轴

我们先把原始的如上图的所有坐标轴隐藏，即长方形的四个边。

然后用axnew_floating_axis在绘图区添加坐标轴x、y，这里的axnew_floating_axis(0,0)，第一个0代表平行直线，第二个0代表该直线经过0点。同样，axaxis["y"] = axnew_floating_axis(1,0)，则代表竖直曲线且经过0点。

再次，xaxis["x"]set_axisline_style("->", size = 10)表示给x轴加上箭头，"->"表示是空箭头，size = 10表示箭头大小。axaxis["y"]set_axisline_style("-|>", size = 10)中"-|>"则是实心箭头。

最后，设置x、y轴上刻度显示方向，对于x轴是刻度标签在上面还是下面，y轴则是刻度标签在左边还是右边。

3在带箭头的x-y坐标轴背景下，绘制函数图像

tist坐标轴工具——将原始坐标轴均隐藏掉——添加新的基于原点的x与y轴——为新坐标轴加入箭头，并设置刻度显示方式——加入图形。

我们利用Python的Pandas库可以绘制很多图形，那么如何绘制柱形图呢？下面我给大家分享演示一下。

工具/材料

Pycharm

01

首先我们打开Excel文件，准备要生成柱形图的数据表，如下图所示

02

接下来在Python文件中导入pandas库，然后将Excel文件加载到缓存对象中，如下图所示

03

然后我们导入matplotlib下面的pyplot库，如下图所示，导入以后给它起一个别名

04

接下来我们通过pandas库下面的bar来设置柱形图的X，Y坐标轴，如下图所示

05

然后通过pyplot的show方法将柱形图进行展示出来，如下图所示

06

接下来运行程序以后我们就看到柱形图生成出来了，如下图所示

07

然后如果我们想将柱形图中的数据排序的话可以利用sort_values实现，如下图所示

08

最后运行排序好后的程序，我们就可以看到柱形图中的数据已经排序好了，如下图所示

制作分布图类似密度图，在python中利用pandas来提取分布数据是比较方便的。主要用到pandas的cut和groupby等函数。

官方文档链接

主要参数为x和bins。

x为数据源，数组格式的都支持，list，numpynarray, pandasSeries。

bins可以为int，也可以为序列。

我们定义bins为一个序列，默认为左开右闭的区间：

对言值列按cats做groupby，然后调用get_stats统计函数，再用unstack函数将层次化的行索引“展开”为列。

G2在之前的文章中有介绍，文章 《python结合G2绘制精美图形》 。

一句话绘制出来，但具体的区间段难以区分出来。

bokeh是python的一个优秀的绘图工具包，与pandas结合的比较好。 bokeh文档

作者原文链接： python制作分布图

下面是一个使用递归绘制二叉树并打印图形的示例Python源代码：

这段代码中，draw_binary_tree函数使用递归的方式来绘制二叉树的图形。它接受两个参数：height表示二叉树的高度，level表示当前节点所在的层级。

在函数内部，首先进行递归调用draw_binary_tree来绘制左子树，然后打印当前节点的图形，最后再进行递归调用draw_binary_tree来绘制右子树。每次递归调用时，height减1，level加1，以便在下一层级进行绘制。

在打印节点图形时，使用" " level来控制每个节点的缩进，然后打印一个星号表示节点。

在示例中，我们调用draw_binary_tree(3)来绘制高度为3的二叉树。您可以根据需要调整height参数来绘制不同高度的二叉树。