Lab14 - HackMD

# Lab14：數據資料視覺化 ###### tags: `2023計概` `學生版` ## AMR 的移動方式 -PBL應用 AMR 大多是利用同步定位與地圖建構（Simultaneous Localization and Mapping，SLAM）技術來實現自主移動，而根據傳感器的不同，又分為以下兩種。 - 雷射導航（LiDAR SLAM） - 工作原理：雷射導航通常依賴於LiDAR（Light Detection and Ranging）技術。LiDAR是一種遠程感測技術，它通過發射雷射光束並接收反射回來的光束來測量物體的距離。通過這些距離數據，AMR可以建立周圍環境的3D地圖。 - 優點： - 高精度：LiDAR可以提供非常精確的距離測量。 - 在各種光照條件下都能正常工作，包括在黑暗的環境中。 - 缺點： - 成本較高：尤其是高解析度的LiDAR裝置。 - 有物理大小和形狀的限制，可能不適合某些狹小或特定的應用場景。 - 視覺導航（Visual SLAM） - 工作原理：視覺導航依賴於相機和電腦視覺技術。AMR會捕捉周圍環境的影像，然後使用電腦視覺算法分析這些影像，從中識別出路徑、障礙物和其他重要特徵。 - 優點： - 能夠識別和理解更為複雜的環境特徵，例如顏色、形狀和紋理。 - 相機技術不斷進步，成本相對較低。 - 可以與其他技術（如深度學習）結合，進一步提高導航的精確性和適應性。 - 缺點： - 受光照條件影響：例如，在低光或強光的環境中可能不太可靠。 - 資料處理需求較高，需要更強大的計算能力。無論是雷射導航還是視覺導航，它们都有其獨特的優點和應用場景。在實際應用中，有些AMR可能會結合多種導航技術，以確保在各種環境和條件下都能夠有效和安全地導航。我們之後會簡介一下使用深度學習的方式，教學怎麼透過模型訓練完成這個任務。 ## 注意這次的lab可以選在電腦或是樹梅派上完成 ## Matplotlib ### 介紹 ![image](https://hackmd.io/_uploads/S1IonxVI6.png) 在大數據應用的時代，除了將資料分析後的結果具體呈現之外，總希望可以在整個分析過程當中利用資料視覺化來看出一些有趣及重要的insight，尤其在大數據下的機器學習及人工智慧應用更是重要。 ![image](https://hackmd.io/_uploads/HkN0GFWUa.png) ![image](https://hackmd.io/_uploads/Hk9jMtWUp.png) ### install ```pip install matplotlib``` 創一個test.py打上 ```python= import matplotlib.pyplot as plt ``` 執行他，如果沒事就沒問題! * 如果遇到 * ![](https://i.imgur.com/7HyHUmR.png) ```python= pip uninstall matplotlib #如果你已經安裝過，若沒有則跳過 pip install numpy --upgrade --ignore-installed sudo apt-get install libatlas-base-dev pip install matplotlib #安裝 Matplotlib ``` 如果你連線到樹梅派操作plt.show()沒用 請把每張圖片用 plt.savefig()存下來後，點開來看  ## numpy ![image](https://hackmd.io/_uploads/H1amAo78p.png) NumPy，全名為 Numeric Python，是一個開源的 Python 函式庫，用於在 Python 中進行科學計算。它提供了一個強大的 N 維陣列對象，豐富的廣播功能，以及各種數學、邏輯、形狀操作、排序、選擇、I/O、離散傅立葉變換、基本線性代數、基本統計運算和隨機模擬等功能。NumPy 是許多高階科學計算包的核心，如 SciPy、Pandas、Matplotlib、scikit-learn 等，這些包在資料分析、機器學習等領域非常受歡迎。高效能的多維陣列（ndarray）：NumPy 的核心是多維陣列對象。這是一種強大的數據結構，能夠讓你進行高效的向量化計算、廣播等操作。集成 C/C++ 和 Fortran 代碼的能力：NumPy 可以很方便地和 C/C++ 或 Fortran 代碼集成，這對於需要優化性能的重計算任務來說非常重要。原本python的list -> 速度慢 numpy -> 速度快 ### 下載 ```pip install numpy ``` ### np.linespace() Numpy 中的 linspace 函數可以在一定範圍內來均勻地撒點 ```python= import numpy as np a = np.linspace(1, 3, 3) #在1-3之間產生3個點 print(a) # [ 1. 2. 3.] b = np.linspace(1, 5, 20) #在1-5之間產生20個點 print(b) # [1. 1.21052632 1.42105263 1.63157895 1.84210526 2.05263158 # 2.26315789 2.47368421 2.68421053 2.89473684 3.10526316 3.31578947 # 3.52631579 3.73684211 3.94736842 4.15789474 4.36842105 4.57894737 # 4.78947368 5. ] print(type(b)) #<class 'numpy.ndarray'> ``` ### 圖表的構成 ![](https://i.imgur.com/hVbPJ3D.png) * Figure: 指的是畫布，也就是當我們要畫圖時，要先創建一個畫布，才能在上面加上各種圖片(元素) * Axes: 代表的則是紙中的其中一片區域(可能有很多子圖) * Axis: 指x, y軸(or z軸 3維時) ### scatter 散點圖 ```python= x = np.linspace(0, 10, 20) y = np.sin(x) # sin函數 plt.scatter(x, y) # 繪製散點圖 plt.title('Scatter Plot') plt.xlabel('x') plt.ylabel('y') plt.show() ``` ![](https://i.imgur.com/j1RwoQ6.png) ### plot 折線圖 ```python= # 繪製直線 x = np.linspace(0, 10, 20) x2 = np.linspace(0, 10, 100) y1 = np.sin(x) y2 = np.cos(x2) plt.plot(x, y1, label='y1') plt.plot(x2, y2, label='y2') plt.title('Scatter Plot') plt.xlabel('x') plt.ylabel('y') plt.legend() plt.show() ``` ![image](https://hackmd.io/_uploads/H1RPvtb8p.png) ### plt.legend() ![image](https://hackmd.io/_uploads/rJp4ue4Ua.png) 梅西、C羅 2005-2021的國家隊比賽數據 (維基百科寫的) https://zh.wikipedia.org/zh-tw/%E5%88%A9%E6%98%82%E5%86%85%E5%B0%94%C2%B7%E6%A2%85%E8%A5%BF https://zh.m.wikipedia.org/zh-tw/%E5%9F%BA%E6%96%AF%E5%9D%A6%E5%A5%B4%C2%B7%E6%9C%97%E6%8B%BF%E5%BA%A6 ```python= Messi_goal = [0,2,6,2,3,2,4,12,6,8,4,8,4,4,5,1,9,14] #進球數 Messi_play = [5,7,14,8,10,10,13,9,7,14,8,11,7,5,10,4,16,11] #上場數 C_goal = [0,7,2,6,5,1,3,7,5,10,5,3,13,11,6,14,3,7] #進球數 C_play = [2,16,11,14,10,8,7,11,8,13,9,9,5,13,11,7,10,6,8] #上場數 years = np.array(range(2005,2023)) # years = np.arange(2005,2022) print(years) # [2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022] plt.plot(years, Messi_goal, '-o', label='Messi') plt.plot(years, C_goal, '-*', label='C.Ronaldo') plt.title('Messi v.s. C.Ronaldo') plt.xlabel('years') plt.ylabel('goals') plt.legend() plt.show() ``` ![](https://i.imgur.com/QqTrUvl.png) ### hist直方圖 ```python= plt.hist( Messi_goal, label='Messi') plt.hist(C_goal, label='C.Ronaldo') plt.title('Messi v.s. C.Ronaldo') plt.xlabel('years') plt.ylabel('goals') plt.legend() plt.show() ``` ![](https://i.imgur.com/sorUJWe.png) ### bar長條圖 #### enumerate: 同時輸出索引與元素 ```python= List = ['a', 'b', 'c', 'd', 'e'] for value in enumerate(List): print(value) # (0, 'a') # (1, 'b') # (2, 'c') # (3, 'd') # (4, 'e') ``` ```python= List = ['a', 'b', 'c', 'd', 'e'] for index, element in enumerate(List): print(f"Index: {index}, Element: {element}") # Index: 0, Element: a # Index: 1, Element: b # Index: 2, Element: c # Index: 3, Element: d # Index: 4, Element: e ``` ```python= Messi_total = sum(Messi_goal) # 計算總進球數 C_goal_total = sum(C_goal) total_list = [Messi_total, C_goal_total] ind = np.arange(len(total_list)) plt.xticks(ind, ['Messi', 'C.Ronaldo']) #指定x軸座標軸 plt.bar(ind, total_list) plt.title("Messi v.s. C.Ronaldo total goals") for index, data in enumerate(total_list): plt.text(x = index, y =data, s=data, horizontalalignment='center', fontsize=15) plt.show() # horizontalalignment: 水平位置 # verticalalignment: 垂直位置 ``` ![image](https://hackmd.io/_uploads/rJYL2-NLa.png) ### subplot 子圖使用 subplot()的方法建立子圖表時，會按照 row ( 垂直 )、column ( 水平 ) 的矩陣方式，將子圖表放入對應的位置，下圖表示擁有 3x3 和 3x2 個子圖表的畫布，各個子圖表的 index ( 位置 ) 和排列順序。 ![](https://i.imgur.com/ksZLMyw.png) ```python= fig = plt.figure(figsize=(8,6)) fig.add_subplot(2, 2, 1)#建立2 x 2的子圖 plt.subplot(2, 2, 1) # 繪製第1個位置 x = np.linspace(0, 10, 20) y = np.sin(x) plt.scatter(x, y) plt.title('Scatter Plot') plt.xlabel('x') plt.ylabel('y') plt.subplot(2, 2, 2) # 繪製第2個位置 plt.plot(years, Messi_goal, '-o', label='Messi') plt.plot(years, C_goal, '-*', label='C.Ronaldo') plt.title('Messi v.s. C.Ronaldo') plt.xlabel('years') plt.ylabel('goals') plt.legend() plt.subplot(2, 2, 3) # 繪製第3個位置 plt.hist( Messi_goal, label='Messi') plt.hist(C_goal, label='C.Ronaldo') plt.title('Messi v.s. C.Ronaldo') plt.xlabel('years') plt.ylabel('goals') plt.legend() plt.subplot(2, 2, 4) # 繪製第4個位置 Messi_total = sum(Messi_goal) # 計算總進球數 C_goal_total = sum(C_goal) total_list = [Messi_total, C_goal_total] ind = np.arange(len(total_list)) plt.xticks(ind, ['Messi', 'C.Ronaldo']) #指定x軸座標軸 plt.bar(ind, total_list) plt.title("Messi v.s. C.Ronaldo total goals") for index, data in enumerate(total_list): plt.text(x = index, y =data, s=data, horizontalalignment='center', fontsize=15) fig.suptitle('subplot example ', fontsize=16) plt.tight_layout() #讓子圖之間適當排列不重疊 plt.show() ``` ![](https://i.imgur.com/IJnY7dM.png) ### 儲存圖片 ```python= fig = plt.figure() # 建立圖表 fig.savefig('lab12.png') #儲存圖片 ``` ### 補充資料 [matplotlib官網](https://matplotlib.org/) [plt / ax / fig是什麼?怎麼用?](https://chwang12341.medium.com/%E7%A8%8B%E5%BC%8F%E8%A7%80%E5%BF%B5-%E5%A4%A7%E5%AE%B6%E9%83%BD%E6%9C%83%E4%BD%BF%E7%94%A8plt%E7%95%AB%E5%9C%96-%E4%BD%86%E6%98%AF%E4%BD%A0%E7%9C%9F%E7%9A%84%E7%9F%A5%E9%81%93plt-ax-fig%E6%98%AF%E4%BB%80%E9%BA%BC%E5%97%8E-%E6%80%8E%E9%BA%BC%E7%94%A8-6f0bc6404f8f) [高階python繪圖工具seaborn](https://seaborn.pydata.org/) ## Lab14 [Temperature.txt](https://drive.google.com/file/d/1hhtRrYekBfjp-dNCeICUBqtMddV-Gr6q/view?usp=sharing) 檔案中包含了台南的2013-2021的每月溫度資料下載Temperature.txt到lab12資料夾中，與lab12.py一樣路徑 請搜尋python read txt file來讀取Temperature.txt ```python= # 資料建議整以下這樣 print(temp_list) [ # [1月, 2月, 3月, 4月, 5月, 6月, 7月, 8月, 9月, 10月, 11月, 12月] [17.5, 20.4, 22.5, 23.9, 27.3, 29.5, 29.4, 28.9, 28.6, 25.7, 22.8, 18.0], #2013 ........................ [16.5, 19.7, 22.4, 24.6, 29.0, 28.3, 29.1, 28.4, 29.5, 27.3, 23.2, 19.3] #2021 ] ``` 1. 將歷年的台南氣溫資料用plt.plot()繪製成如下圖，儲存圖片命名為 lab12_01.png hint: 可以自己建立一個年份的list，利用for迴圈可以提高撰寫效率 ![](https://i.imgur.com/Nzf1Uts.png) 2. 分別計算每個月份每年的氣溫平均值，把12個月份分別的的氣溫平均值繪製成一張表計算每個月分氣溫的總平均值(全部的平均)，在圖表上繪製一條水平虛線，並且標示總平均值的數字在須線上，儲存圖片命名為 lab12_02.png ![](https://i.imgur.com/R79p5nl.png) 3. 將前面兩張圖片使用subplot(1,2,x)畫在同一張圖片上，儲存圖片命名為 lab12_03.png ```python= fig = plt.figure(figsize=(15,6)) ... fig.savefig('lab12_03.png') ``` ![](https://i.imgur.com/5i9d5ZP.png) ## Lab14加分題 [oddExperiment.txt](https://drive.google.com/file/d/173nbRv8VNZNVOI96Sk_iqLH8iEEL4wUk/view?usp=sharing) ```python= ### 資料前處理 # 讀完的資料會長這樣 [301.8267195898913, 206.48068590297993, ...........139.43161572804308, 281.7900813768265, 229.67424006279856] [-10, -9, ................. 9, 10] ``` 1. 將資料點利用plt.scatter繪製出來 2. 利用np.polyfit與np.poly1d 去找出最符合資料分布的**一階多項式** 以及 **二階多項式**，並且繪製出來 3. 計算資料點的與一階多項式以及二階多項式分別的**least square error (mean square error)** 以及，顯示在plt.legend()中 4. 儲存圖片命名為 lab12_plus.png ![image](https://hackmd.io/_uploads/SkoNyGNI6.png) ### 注意事項 * 所有圖片的x,y座標，legend位置，圖標顏色、大小、形狀，都要盡量一模一樣，沒有的話會斟酌扣分 * deadline為 5/7 23:59 * 上傳到 GitHub lab14 * Lab14與Lab14加分題請分成兩個檔案上傳，檔名: <a>lab14.py</a>, lab12_plus.py * 所有圖片都要一起上傳到github * 資料夾名稱：「lab12」 * 程式碼名稱：「lab14.py」, 「lab14_plus.py」 * 圖片檔案：「lab14_01.png」、「lab14_02.png」、「lab14_03.png」、「lab12_plus.png」  - 一個沒對其 -10

Syntax	Example	Reference
# Header	Header	基本排版
- Unordered List	Unordered List
1. Ordered List	Ordered List
- [ ] Todo List	Todo List
> Blockquote	Blockquote
Bold font	Bold font
Italics font	Italics font
~~Strikethrough~~	~~Strikethrough~~
19^th^	19^th
H~2~O	H₂O
++Inserted text++	Inserted text
==Marked text==	Marked text
[link text](https:// "title")	Link
![image alt](https:// "title")	Image
`Code`	`Code`	在筆記中貼入程式碼
```javascript var i = 0; ```	`var i = 0;`
:smile:		Emoji list
{%youtube youtube_id %}	Externals
$L^aT_eX$	L^aT_eX
:::info This is a alert area. :::	This is a alert area.