Gnuplot. narzędzie do tworzenia wykresów

Wielkość: px
Rozpocząć pokaz od strony:

Download "Gnuplot. narzędzie do tworzenia wykresów"

Transkrypt

1 Gnuplot

2 Gnuplot narzędzie do tworzenia wykresów

3 Gnuplot

4 Pomoc help help plotting help polecenie, np. plot test

5 Polecenie test rotated ce+ntred text pdfcairo terminal test rotated by +45 deg rotated by -45 deg linewidth lw 6 lw 5 lw 4 lw 3 lw 2 lw 1 show ticscale -1 filled polygons: left justified 4 centre+d text 5 right justified 6 7 test of character width: Enhanced text: xn pattern fill

6 in/out wejście do programu gnuplot wyjście z programu exit lub quit zachowanie sesji gnuplot> save savefile.gpl wywołanie pliku gnuplota z gnuplota: gnuplot> load savefile.gpl z konsoli: $ gnuplot savefile.gpl

7 Można też utworzyć skrypt gnuplota pierwsza linijka #!/usr/bin/gnuplot lub #!/usr/bin/env gnuplot

8 Format pliku wyjściowego gnuplot> set terminal Available terminal types:... fig FIG graphics language for XFIG graphics editor jpeg JPEG images using libgd and TrueType fonts pdfcairo pdf terminal based on cairo png PNG images using libgd and TrueType fonts postscript PostScript graphics language [mode fontname font size] wxt wxwidgets cross-platform windowed terminal x11 X11 Window System...

9 Format pliku wyjściowego 1. wybór formatu: set terminal postscript set term post color set term post enhanced 2. określenie nazwy pliku wyjściowego: set out plik.ps set out plik.ps

10 Tworzenie wykresu plot x plot x**2 plot sin(x) f(x) = sin(x*a); a =.2 plot f(x) plot f(x) = sin(x*a), a =.2, f(x), a =.4, f(x) splot sin(x) plot dane.dat

11 Tworzenie wykresu z legendą lub bez niej plot x**2 title wykres funkcji xˆ2 plot x**2 t wykres funkcji xˆ2 plot x**2 notitle plot x**2 not

12 Tworzenie wykresu plot x**2 t wykres funkcji xˆ2 with lines lt 4 plot x**2 t wykres funkcji xˆ2 w linesp lt 4 pt 3 plot x**2 notitle w l lt 4 plot x**2 not w lp lt 4 pt 3

13 Przykład 1 9 wykres funkcji x

14 Napisy set title Tytuł set xlabel os x set ylabel os y set label opis at 2,3 set label 1 inny opis at 2,3 unset label 1

15 Przykładowy skrypt #! / u s r / b i n / env g n u p l o t s e t term p o s t enhanced s e t output fun kw. ps s e t t i t l e Wykres f u n k c j i s e t x l a b e l os x s e t y l a b e l os y p l o t x 2 t x ˆ2 w l i n e s p l t 4 pt 3

16 Przykładowy skrypt #! / u s r / b i n / env g n u p l o t s e t term p o s t enhanced s e t output fun kw. ps s e t t i t l e Wykres f u n k c j i s e t x l a b e l os x s e t y l a b e l os y p l o t x 2 t x ˆ2 w l i n e s p l t 4 pt 3 Wykonanie: 1. chmod +x przyklad.gpl 2../przyklad.gpl 3. gv fun kw.ps

17 Przykład os y Wykres funkcji 1 9 x os x

18 Funkcje wbudowane sqrt(x), exp(x), log(x), log1(x), abs(x), int(x) ceil(x) - najmniejsza liczba całkowita nie mniejsza niż x, floor(x) - największa liczba całkowita nie większa niż x sgn(x) sin(x), cos(x), sinh(x), cosh(x), tan(x), tanh(x), asin(x), asinh(x), acos(x), acosh(x), atan(x), atan2(y,x), atanh(x) imag(x), real(x) norm(x), rand(x)

19 Własne zmienne i funkcje a=5; b=2.5 liczba zespolona: x={2, 3} a=5*sqrt(7)+1 f(x)=a*sin(x)*tan(x)

20 Własne zmienne i funkcje

21 Styl linii i punktów typ linii - lt kolor linii - lc grubość linii - lw typ punktu - pt wielkość punktu - ps

22 Styl linii i punktów typ linii - lt kolor linii - lc grubość linii - lw typ punktu - pt wielkość punktu - ps plot dane.dat u 1:2 not w lp lt 1 lc 3 lw 3, u 2:3 not w p lc 1 pt 2 ps 3 set style line 1 lc 3 pt 7 ps.3 plot dane.dat not w p ls 1

23 Styl linii i punktów

24 Własne kolory s e t s t y l e l i n e 1 l t rgb #19c91e pt 5 p l o t dane. dat not w p l c rgb #c227d9 pt 5,\ dane. dat not w p l s 1 ps. 5

25 Własne kolory s e t s t y l e l i n e 1 l t rgb #19c91e pt 5 p l o t dane. dat not w p l c rgb #c227d9 pt 5,\ dane. dat not w p l s 1 ps

26 Własne kolory s e t key o u t s i d e r e v e r s e s e t format y %.2 f s e t s t y l e l i n e 1 lw 3 l c rgb g o l d s e t s t y l e l i n e 2 lw 2 l c rgb p u r p l e s e t s t y l e l i n e 3 lw 3 l c rgb dark r e d s e t s t y l e l i n e 4 lw 2 l c rgb sea g r e e n s e t s t y l e i n c r e m e n t u s e r p l o t s i n ( x ), cos ( x ), 2 s i n ( x ), 2 cos ( x )

27 Własne kolory s e t key o u t s i d e r e v e r s e s e t format y %.2 f s e t s t y l e l i n e 1 lw 3 l c rgb g o l d s e t s t y l e l i n e 2 lw 2 l c rgb p u r p l e s e t s t y l e l i n e 3 lw 3 l c rgb dark r e d s e t s t y l e l i n e 4 lw 2 l c rgb sea g r e e n s e t s t y l e i n c r e m e n t u s e r p l o t s i n ( x ), cos ( x ), 2 s i n ( x ), 2 cos ( x ) sin(x) cos(x) 2*sin(x) 2*cos(x)

28 Własne kolory rgb ( r, g, b ) = i n t ( r ) i n t ( g ) + i n t ( b ) p l o t dane. dat using 1 : 2 : ( rgb ( $1, $2 1, $3 1)) \ not with p o i n t s l c rgb v a r i a b l e pt 7 ps. 5

29 Własne kolory rgb ( r, g, b ) = i n t ( r ) i n t ( g ) + i n t ( b ) p l o t dane. dat using 1 : 2 : ( rgb ( $1, $2 1, $3 1)) \ not with p o i n t s l c rgb v a r i a b l e pt 7 ps

30 Ustawienia osi set logscale x unset logscale x set logscale xy set xtics,.5,1 set xtics 5 set format x %.1e set format y %2.t{/Symbol \327}1ˆ{%T}

31 Ustawienia osi e+ 1.e+4 2.e+4 3.e+4 4.e+4 5.e+4

32 Dane z pliku plot dane.dat plot dane.dat using 1:2 plot dane.dat using 1:2 with lines [point, linesp, steps, impulses, dots] plot dane.dat using 1:2 with lines, using 1:3 with impulses plot dane1.dat u 1:2 t 1 i 2 pt 5, u 1:3 t 1 i 3 lc 3 pt 7,\ u 2:3 t 2 i 3 lc 4 pt 9

33 Dane z pliku 1 'dane.dat' 1 'dane.dat' 1 'dane.dat' 'dane.dat' 1 'dane.dat' 1 'dane.dat'

34 Dane z pliku i 2 1 i 3 2 i

35 Niepewności plot dane.dat with errorbars plot dane.dat using 1:2:3 with yerrorbars plot dane.dat using 1:2:3:4 with yerrorbars plot dane.dat using 1:2:3:4 with xyerrorbars plot dane.dat using 1:2:3:4:5:6 with xyerrorbars

36 Niepewności

37 Serie danych Plik podzielony na serie danych - bloki oddzielone dwiema pustymi liniami: plot dane.dat index using 1:2 not, index 1 not

38 Serie danych

39 Wybrane dane set xrange [-15:1], set xrange [15:-1], set yrange [:1] (plot [:2] f(x); plot [ ][:1] f(x); plot [:2][:1] f(x))

40 Wybrane dane set xrange [-15:1], set xrange [15:-1], set yrange [:1] (plot [:2] f(x); plot [ ][:1] f(x); plot [:2][:1] f(x)) every I:J:K:L:M:N I - co ile linii J - co ile bloków K - pierwsza linia L - pierwszy blok M - ostatnia linia N - ostatni blok

41 Wybrane dane set xrange [-15:1], set xrange [15:-1], set yrange [:1] (plot [:2] f(x); plot [ ][:1] f(x); plot [:2][:1] f(x)) every I:J:K:L:M:N I - co ile linii J - co ile bloków K - pierwsza linia L - pierwszy blok M - ostatnia linia N - ostatni blok every 2 - co druga linia every ::3 - od trzeciej linii every ::3::5 - od trzeciej do piątej linii every 2::::6 - linie pierwsza,trzecia,piąta i siódma every :::5::8 - bloki od piątego do ósmego

42 Przykład s e t xrange [. 9 6 : 1. 2 ] s e t yrange [. 1 :. 1 ] p l o t dane2. dat index every 2 : : : : 6 not pt 7

43 Przykład s e t xrange [. 9 6 : 1. 2 ] s e t yrange [. 1 :. 1 ] p l o t dane2. dat index every 2 : : : : 6 not pt

44 Modyfikacja danych plot dane.dat using 1:2 with lines plot dane.dat using 1:($2*2) with lines plot dane.dat using 1:(sqrt($2)) with lines plot dane.dat using 1:2:($2*$3/1.) with lines

45 Przykład p l o t dane. dat u 1 : ( c e i l ( $2)%2==?1: 1) not w p l s 1

46 Przykład p l o t dane. dat u 1 : ( c e i l ( $2)%2==?1: 1) not w p l s e+ 1e+4 2e+4 3e+4 4e+4 5e+4

47 Łączenie plików Polecenie paste: plot <paste dane.dat dane1.dat using 2:4 w lp plot <paste dane.dat dane1.dat using 1:($2/$4) w lp

48 Sortowanie plot dane.dat not w lp lc 3 pt 7 ps

49 Sortowanie plot <sort -n dane.dat not w lp lc 3 pt 7 ps

50 Fitowanie 1 dane

51 Fitowanie f(x)=a*x**b fit f(x) dane.dat via a,b

52 Fitowanie f(x)=a*x**b fit f(x) dane.dat via a,b plot dane.dat t dane lc 3 pt 7 ps.3, f(x) lc 1

53 Fitowanie f(x)=a*x**b fit f(x) dane.dat via a,b plot dane.dat t dane lc 3 pt 7 ps.3, f(x) lc 1 1 f(x) dane

54 Fitowanie f(x)=a*x**b fit f(x) dane.dat via a,b set key left invert reverse plot dane.dat t dane lc 3 pt 7 ps.3, f(x) lc 1 1 f(x) dane

55 Przykład f ( x)=a x b f i t f ( x ) dane. dat v i a a, b s e t l a b e l a=%g, a,, b=%g, b at 5,82

56 Przykład f ( x)=a x b f i t f ( x ) dane. dat v i a a, b s e t l a b e l a=%g, a,, b=%g, b at 5, f(x) dane a=1, b=

57 Fit - uwagi f(x)=a*(x**b) fit f(x) przyklad.dat via fit.par gdzie plik fit.par : a=1 b=-1 raport z fitowania zapisywany jest w pliku fit.log

58 fit.log ******************************************************************************* Thu Mar 8 :11: FIT: data read from dane.dat format = z #datapoints = 51 residuals are weighted equally (unit weight) function used for fitting: f(x) fitted parameters initialized with current variable values Iteration WSSR : e+9 delta(wssr)/wssr : delta(wssr) : limit for stopping : 1e-5 lambda : initial set of free parameter values a = 1 b = 1 After 26 iterations the fit converged. final sum of squares of residuals : e-23 rel. change during last iteration : degrees of freedom (FIT_NDF) : 49 rms of residuals (FIT_STDFIT) = sqrt(wssr/ndf) : e-13 variance of residuals (reduced chisquare) = WSSR/ndf : e-25 Final set of parameters Asymptotic Standard Error ======================= ========================== a = 1 +/ e-16 (5.293e-14%) b = 2 +/ e-16 (5.962e-15%) correlation matrix of the fit parameters: a b a 1. b *******************************************************************************

59 Przykład s e t xrange [ 5:5] s e t yrange [ : 1 ] f ( x )=(1/( s1 s q r t (2 p i ) ) ) exp ( (( x m1) 2 ) / ( 2 s1 2)) g ( x )=(1/( s2 s q r t (2 p i ) ) ) exp ( (( x m2) 2 ) / ( 2 s2 2)) f i t f ( x ) r o z k l a d 1. dat v i a s1, m1 f i t g ( x ) r o z k l a d. dat v i a s2, m2 s e t l a b e l s=%.2g, s1,, m=%.2g,m1 at 4,.8 t e x t c o l o r l t 1 s e t l a b e l s=%.2g, s2,, m=%.2g,m2 at 4,.7 t e x t c o l o r l t 3 p l o t r o z k l a d 1. dat not pt 5 ps. 5, f ( x ) not l c 5,\ r o z k l a d. dat not pt 7 ps. 5, g ( x ) not l c 4

60 Gnuplot 1.8 s=.5, m=1 s=1, m=

61 Alfabet grecki set label {/Symbol s}=%.2g,s1,, {/Symbol m}=%.2g,m1 at -4,.8 textcolor lt 1 set label {/Symbol s}=%.2g,s2,, {/Symbol m}=%.2g,m2 at -4,.7 textcolor lt σ=.5, µ=1 s=1, µ=

62 Dwie różne osie

63 Dwie różne osie y1 1 y

64 Dwie różne osie s e t border 11 #bottom 1, l e f t 2, top 4, r i g h t 8 s e t x t i c s n o m i r r o r s e t y t i c s n o m i r r o r s e t y 2 t i c s 1 s e t y l a b e l y1 r o t a t e by s e t y 2 l a b e l y2 p l o t dane. dat u 1 : 2 not l c 3 pt 7 ps. 3, \ u 1 : 3 a x i s x1y2 not l c 1

65 Multiplot V x x x V x x x

66 Multiplot s e t term pdf c o l o r enhanced font Times, 3 s e t out m u l t i p l o t. pdf s e t s i z e s q u a r e. 5,. 5 s e t x l a b e l x s e t y l a b e l V r o t a t e by s e t xrange [ 1. 5 : 1. 5 ] s e t yrange [ 1. 5 : 1. 5 ] s e t m u l t i p l o t s e t o r i g i n. 1,. 5 ; p l o t dane. out i n d u 2 :3 t 1ˆ{ 1} w l u n s e t y l a b e l s e t o r i g i n. 2 5,. 5 p l o t dane. out i n d 1 u 2 :3 t 1ˆ{ 2} w l s e t o r i g i n. 5 5,. 5 p l o t dane. out i n d 2 u 2 :3 t 1ˆ{ 3} w l s e t y l a b e l V r o t a t e by s e t o r i g i n.1, p l o t dane. out i n d 3 u 2 :3 t 1ˆ{ 4} w l u n s e t y l a b e l s e t o r i g i n. 2 5, p l o t dane. out i n d 4 u 2 :3 t 1ˆ{ 5} w l s e t o r i g i n. 5 5, p l o t dane. out i n d 5 u 2 :3 t 1ˆ{ 6} w l u n s e t m u l t i p l o t

67 Multiplot

68 Multiplot s e t p a r a m e t r i c u n s e t x t i c u n s e t y t i c u n s e t key s e t s i z e s q u a r e. 5,. 5 s e t r m a r g i n s e t m u l t i p l o t s e t o r i g i n.1,.5 p l o t s i n (3 t ), cos (2 t ) s e t o r i g i n. 2 5,. 5 p l o t s i n (3 t ), cos (4 t ) s e t o r i g i n. 5 5,. 5 p l o t s i n (3 t ), cos (5 t ) s e t o r i g i n.1, p l o t s i n (2 t ), cos (2 t ) s e t o r i g i n. 2 5, p l o t s i n (4 t ), cos (3 t ) s e t o r i g i n. 5 5, p l o t s i n (5 t ), cos (2 t ) u n s e t m u l t i p l o t

69 Multiplot

70 Multiplot s e t p o l a r u n s e t x t i c u n s e t y t i c u n s e t key s e t s i z e s q u a r e. 5,. 5 s e t r m a r g i n s e t m u l t i p l o t s e t o r i g i n.1,.5 p l o t s i n (3 t ), cos (2 t ) s e t o r i g i n. 2 5,. 5 p l o t s i n (3 t ), cos (4 t ) s e t o r i g i n. 5 5,. 5 p l o t s i n (3 t ), cos (5 t ) s e t o r i g i n.1, p l o t s i n (2 t ), cos (2 t ) s e t o r i g i n. 2 5, p l o t s i n (4 t ), cos (3 t ) s e t o r i g i n. 5 5, p l o t s i n (5 t ), cos (2 t ) u n s e t m u l t i p l o t

71 Multiplot 6e+3 5e+3 dt 4e+3 3e+3 2e+3 1e e+ e+ 1e+4 2e+4 3e+4 4e+4 5e+4 t

72 Multiplot s e t key l e f t s e t format x %1. e s e t format y %1. e s e t x t i c s 1 e4 s e t m u l t i p l o t s e t arrow from 2. 5 e4, 2. 5 e3 to 3e3,. 4 e3 f i l l e d l c 1 lw 3 s e t o r i g i n, s e t x l a b e l t s e t y l a b e l dt p l o t dane. out not w l i n e s p l c 3, dane1. out not w l i n e s p l c 4,\ dane2. out not w l i n e s p l c 5 s e t s i z e. 4,. 4 s e t o r i g i n. 5 5,. 2 7 s e t xrange [ : 4 ] u n s e t x l a b e l u n s e t y l a b e l s e t format xy %1. f s e t y t i c s 5 s e t x t i c s 4 re plot u n s e t m u l t i p l o t

73 Trzy wymiary complex ( x, y)=x {1,}+y {,1} mandel ( x, y, z, n)=( abs ( z ) >2. n>=1)? n : mandel ( x, y, z z+complex ( x, y ), n+1) s e t i s o s a m p l e 5 s e t hidden3d s e t contour s p l o t mandel ( x, y, {, }, )

74 Kilka plików z danymi sed s/rozklad.dat/rozklad1.dat/g rozklad.gpl gnuplot for i in rozklad.dat rozklad1.dat rozklad3.dat; do sed s/rozklad.dat/$i/g rozklad.gpl gnuplot; done

75 Kilka plików z danymi #!/bin/sh sed s/rozklad.dat/rozklad.dat/g rozklad.gpl gnuplot sed s/rozklad.dat/rozklad1.dat/g rozklad.gpl gnuplot sed s/rozklad.dat/rozklad2.dat/g rozklad.gpl gnuplot sed s/rozklad.dat/rozklad3.dat/g rozklad.gpl gnuplot...

76 Kilka plików z danymi plik rozklad.sh: #!/bin/sh gnuplot << EOF set terminal post eps enhanced set output $1.eps set xrange [ -1 : 1 ] set yrange [ : 2 ] plot $1.dat notitle w l EOF

GNUPLOT Wprowadzenie. dr inż. Marzena Tefelska martef@if.pw.edu.pl Wydział Fizyki Politechnika Warszawska 2015

GNUPLOT Wprowadzenie. dr inż. Marzena Tefelska martef@if.pw.edu.pl Wydział Fizyki Politechnika Warszawska 2015 GNUPLOT Wprowadzenie dr inż. Marzena Tefelska martef@if.pw.edu.pl Wydział Fizyki Politechnika Warszawska 2015 http://www.gnuplot.info/ Program Gnuplot Rysuje wykresy w 2D lub 3D zdefiniowanych funkcji

Bardziej szczegółowo

GNUPLOT Wprowadzenie. dr inż. Marzena Sala-Tefelska Wydział Fizyki Politechnika Warszawska 2017

GNUPLOT Wprowadzenie. dr inż. Marzena Sala-Tefelska Wydział Fizyki Politechnika Warszawska 2017 GNUPLOT Wprowadzenie dr inż. Marzena Sala-Tefelska martef@if.pw.edu.pl Wydział Fizyki Politechnika Warszawska 2017 http://www.gnuplot.info/ Program Gnuplot Rysuje wykresy w 2D lub 3D zdefiniowanych funkcji

Bardziej szczegółowo

gnuplot - wprowadzenie

gnuplot - wprowadzenie gnuplot - wprowadzenie Katarzyna Grzelak październik 2017 K.Grzelak (IFD UW) 1 / 22 Wprowadzenie Programy do opracowywania danych doświadczalnych (rysowanie funkcji, punktów z błędami, dopasowywanie zależności

Bardziej szczegółowo

Wizualizacja danych 2D i 3D - Gnuplot

Wizualizacja danych 2D i 3D - Gnuplot Wizualizacja danych 2D i 3D - Gnuplot dr hab. Bożena Woźna-Szcześniak Akademia im. Jan Długosza bwozna@gmail.com Laboratorium 10 Plan Wiele wykresów w jednym pliku (multiplot) Wykres na wykresie Wykresy

Bardziej szczegółowo

Wizualizacja danych 2D i 3D - Gnuplot

Wizualizacja danych 2D i 3D - Gnuplot Wizualizacja danych 2D i 3D - Gnuplot dr hab. Bożena Woźna-Szcześniak Akademia im. Jan Długosza bwozna@gmail.com Laboratorium 7 Legenda - składania set key [ on off ] [ default ] [ [ at {pos:position}

Bardziej szczegółowo

Wizualizacja danych 2D i 3D - Gnuplot

Wizualizacja danych 2D i 3D - Gnuplot Wizualizacja danych 2D i 3D - Gnuplot dr hab. Bożena Woźna-Szcześniak Akademia im. Jan Długosza bwozna@gmail.com Wizualizacja danych 2D i 3D O czym dziś będzie mowa Wywoływanie gnuplota. Wykreślanie funkcji

Bardziej szczegółowo

Wprowadzenie do Gnuplota

Wprowadzenie do Gnuplota Wprowadzenie do Gnuplota Janusz Szwabiński Janusz Szwabiński Wprowadzenie do Gnuplota 1/18 Gnuplot strona główna: http://gnuplot.info/ program do tworzenia wykresów 2D i 3D darmowy rozwijany od 1986 roku

Bardziej szczegółowo

Wprowadzenie do programu gnuplot

Wprowadzenie do programu gnuplot Wprowadzenie do programu gnuplot Bogdan Kreczmer CiR PWR pokój budynek C bogdan.kreczmer@pwr.edu.pl Copyright c Bogdan Kreczmer Niniejszy dokument zawiera materiały do wykładu na temat wizualizacji danych

Bardziej szczegółowo

gnuplot czyli jak zrobić wykres, żeby się nie narobić

gnuplot czyli jak zrobić wykres, żeby się nie narobić gnuplot czyli jak zrobić wykres, żeby się nie narobić Uniwersytet Śląski, Instytut Informatyki 14 listopada 2008 Co to jest gnuplot i co nam oferuje? program do tworzenia wykresów oraz wizualizacji danych

Bardziej szczegółowo

Analizowanie danych. Katarzyna Grzelak. listopad 2014. K.Grzelak (IFD UW) 1 / 24

Analizowanie danych. Katarzyna Grzelak. listopad 2014. K.Grzelak (IFD UW) 1 / 24 Analizowanie danych Katarzyna Grzelak listopad 2014 K.Grzelak (IFD UW) 1 / 24 Wprowadzenie Programy do opracowywania danych doświadczalnych (rysowanie funkcji, punktów z błędami, dopasowywanie zależności

Bardziej szczegółowo

GnuPlot. Program do tworzenia wykresów. Zbigniew Koza. Uniwersytet Wrocławski Instytut Fizyki Teoretycznej. GnuPlot p. 1/30

GnuPlot. Program do tworzenia wykresów. Zbigniew Koza. Uniwersytet Wrocławski Instytut Fizyki Teoretycznej. GnuPlot p. 1/30 GnuPlot Program do tworzenia wykresów Zbigniew Koza Uniwersytet Wrocławski Instytut Fizyki Teoretycznej GnuPlot p. 1/30 Możliwości programu Rysowanie wykresów funkcji i zbiorów danych. Rysowanie obiektów

Bardziej szczegółowo

Wizualizacja danych - Gnuplot

Wizualizacja danych - Gnuplot Wizualizacja danych - Gnuplot dr hab. Bożena Woźna-Szcześniak Akademia im. Jan Długosza bwozna@gmail.com Laboratorium 3 O czym dziś będzie mowa Kreślenia nieposortowanych plików danych Wygładzanie zaburzonych

Bardziej szczegółowo

Wstęp do gnuplota. Dominik Perykasza. 1 Wstęp 2. 2 Rysowanie wykresów 2 2.1 Modyfikacja parametrów wykresu... 4 2.2 Modyfikowanie styli...

Wstęp do gnuplota. Dominik Perykasza. 1 Wstęp 2. 2 Rysowanie wykresów 2 2.1 Modyfikacja parametrów wykresu... 4 2.2 Modyfikowanie styli... Wstęp do gnuplota Dominik Perykasza Spis treści 1 Wstęp 2 2 Rysowanie wykresów 2 2.1 Modyfikacja parametrów wykresu................ 4 2.2 Modyfikowanie styli........................ 4 3 Definiowanie funkcji

Bardziej szczegółowo

Wizualizacja danych 2D i 3D - Gnuplot

Wizualizacja danych 2D i 3D - Gnuplot Wizualizacja danych 2D i 3D - Gnuplot dr hab. Bożena Woźna-Szcześniak Akademia im. Jan Długosza bwozna@gmail.com Laboratorium 4 O czym dziś będzie mowa Możliwości terminala. Dyrektywa stylu globalnego

Bardziej szczegółowo

Pracownia wykorzystania zasobów internetowych

Pracownia wykorzystania zasobów internetowych Pracownia wykorzystania zasobów internetowych Dariusz Wardecki 17 kwietnia 2013 Spis treści 1 Tydzień pierwszy 2 1.1 Podstawowe komendy programu................... 2 1.2 Wyświetlanie danych.........................

Bardziej szczegółowo

Gnuplot wprowadzenie v. 2.0

Gnuplot wprowadzenie v. 2.0 Gnuplot wprowadzenie v. 2.0 M. Kopciuszyński 22 stycznia 2019 1 Wstęp Gnuplot to zaawansowany program do tworzenia wykresów dwu- i trójwymiarowych. Jest dostępy zarówno na platformę Linux jak i Windows.

Bardziej szczegółowo

Metody Przetwarzania Danych Meteorologicznych Ćwiczenia 01

Metody Przetwarzania Danych Meteorologicznych Ćwiczenia 01 Danych Meteorologicznych Sylwester Arabas (ćwiczenia do wykładu dra Krzysztofa Markowicza) Instytut Geofizyki, Wydział Fizyki Uniwersytetu Warszawskiego 3 października 2008 r. O prowadzącym Czym się zajmuję

Bardziej szczegółowo

Pracownia fizyczna i elektroniczna (w tym komputerowa)

Pracownia fizyczna i elektroniczna (w tym komputerowa) Pracownia fizyczna i elektroniczna (w tym komputerowa) Zajęcia 1 Grzegorz Grzelak Zakład Czastek i Oddziaływań Fundamentalnych IFD UW e-mail: grzelak@fuw.edu.pl WWW: http://www.fuw.edu.pl/ grzelak 21 luty

Bardziej szczegółowo

MATrix LABoratory. A C21 delta tvx444 omega_zero. hxx J23 aaa g4534 Fx_38

MATrix LABoratory. A C21 delta tvx444 omega_zero. hxx J23 aaa g4534 Fx_38 MATLAB wprowadzenie MATrix LABoratory MATLAB operuje tylko na jednym typie zmiennych na macierzach. Liczby (skalary) są szczególnymi przypadkami macierzy o wymiarze 1 1, (zawierającymi jeden wiersz i jedną

Bardziej szczegółowo

Wizualizacja danych 2D i 3D - Gnuplot

Wizualizacja danych 2D i 3D - Gnuplot Wizualizacja danych 2D i 3D - Gnuplot dr hab. Bożena Woźna-Szcześniak Akademia im. Jan Długosza bwozna@gmail.com Laboratorium 8 Plan Podstawy wykresów trójwymiarowych Generowanie wykresów powierzchniowych

Bardziej szczegółowo

Ćwiczenia 01. Sylwester Arabas (ćwiczenia do wykładu prof. Hanny Pawłowskiej) 22. lutego 2011 r.

Ćwiczenia 01. Sylwester Arabas (ćwiczenia do wykładu prof. Hanny Pawłowskiej) 22. lutego 2011 r. Sylwester Arabas (ćwiczenia do wykładu prof. Hanny Pawłowskiej Instytut Geofizyki, Wydział Fizyki Uniwersytetu Warszawskiego 22. lutego 2011 r. O ćwiczeniach Prowadzący o mnie: http://www.igf.fuw.edu.pl/

Bardziej szczegółowo

Elementy termodynamiki atmosfery i fizyki chmur Ćwiczenia 01

Elementy termodynamiki atmosfery i fizyki chmur Ćwiczenia 01 atmosfery i Sylwester Arabas (ćwiczenia do wykładu prof. Hanny Pawłowskiej) Instytut Geofizyki, Wydział Fizyki Uniwersytetu Warszawskiego 5 października 2009 r. O ćwiczeniach Prowadzący o mnie: http://www.igf.fuw.edu.pl/

Bardziej szczegółowo

S88 Badanie rzutu kostką sześcienną

S88 Badanie rzutu kostką sześcienną S88 Badanie rzutu kostką sześcienną Andrzej Kapanowski 29 lutego 2012 Streszczenie Celem ćwiczenia jest zbadanie rzutu kostką sześcienną. Dokument ma być pomocą przy przygotowywaniu opracowania z ćwiczenia

Bardziej szczegółowo

Funkcje matematyczne w C. Programowanie w C Marek Pudełko

Funkcje matematyczne w C. Programowanie w C Marek Pudełko Funkcje matematyczne w C Programowanie w C Marek Pudełko Używanie funkcji matematycznych W standardowym ANSI C jest możliwe skorzystanie z 22 funkcji matematycznych. By to zrobić, do programu należy włączyć

Bardziej szczegółowo

3 Przygotował: mgr inż. Maciej Lasota

3 Przygotował: mgr inż. Maciej Lasota Laboratorium nr 3 1/8 Język C Instrukcja laboratoryjna Temat: Instrukcje warunkowe, pętle. 3 Przygotował: mgr inż. Maciej Lasota 1) Instrukcje warunkowe. Instrukcje warunkowe pozwalają zdefiniować warianty

Bardziej szczegółowo

Gnuplot, Postscript i narz edzia z nim zwiazane

Gnuplot, Postscript i narz edzia z nim zwiazane Gnuplot, Postscript i narz edzia z nim zwiazane Witold Paluszyński Katedra Cybernetyki i Robotyki Politechnika Wroc lawska http://www.kcir.pwr.edu.pl/~witold/ 2 215 Ten utwór jest dost epny na licencji

Bardziej szczegółowo

Matplotlib. Krzysztof Katarzyński. Centrum Astronomii UMK

Matplotlib. Krzysztof Katarzyński. Centrum Astronomii UMK Matplotlib Krzysztof Katarzyński Centrum Astronomii UMK Ten człowiek nie jest zwyczajnym człowiekiem. To F.G. Superman. Niewyróżniajacy się niczym wśród innych, bogobojnych obywateli. Jednak F.G. Superman

Bardziej szczegółowo

ŚRODOWISKO MATLAB cz.1 Operacje arytmetyczne na liczbach rzeczywistych i zespolonych

ŚRODOWISKO MATLAB cz.1 Operacje arytmetyczne na liczbach rzeczywistych i zespolonych Wydział Elektryczny Katedra Elektrotechniki Teoretycznej i Metrologii Instrukcja do pracowni z przedmiotu Podstawy Informatyki Kod przedmiotu: TS1C 100 00 Ćwiczenie pt. ŚRODOWISKO MATLAB cz.1 Operacje

Bardziej szczegółowo

Spis treści MATLAB CZ. 1 OPERACJE ARYTMETYCZNE NA LICZBACH RZECZYWISTYCH I ZESPOLONYCH. Technologie Informacyjne

Spis treści MATLAB CZ. 1 OPERACJE ARYTMETYCZNE NA LICZBACH RZECZYWISTYCH I ZESPOLONYCH. Technologie Informacyjne Politechnika Białostocka Wydział Elektryczny Katedra Elektrotechniki Teoretycznej i Metrologii Instrukcja do pracowni specjalistycznej z przedmiotu Technologie Informacyjne MATLAB CZ. 1 OPERACJE ARYTMETYCZNE

Bardziej szczegółowo

Sin[Pi / 4] Log[2, 1024] Prime[10]

Sin[Pi / 4] Log[2, 1024] Prime[10] In[1]:= (* WSTĘP DO PAKIETU MATHEMATICA *) (* autorzy: Łukasz Płociniczak,Marek Teuerle*) (* Składnia: nazwy funkcji z wielkiej litery a argumenty w kwadratowych nawiasach. Wywołujemy wartość SHIFT+ENTER

Bardziej szczegółowo

Wprowadzenie do Scilab: funkcje i wykresy

Wprowadzenie do Scilab: funkcje i wykresy Wprowadzenie do Scilab: funkcje i wykresy Magdalena Deckert, Izabela Szczęch, Barbara Wołyńska, Bartłomiej Prędki Politechnika Poznańska, Instytut Informatyki Narzędzia Informatyki Narzędzia Informatyki

Bardziej szczegółowo

Spis treści MATLAB CZ. 1 OPERACJE ARYTMETYCZNE NA LICZBACH RZECZYWISTYCH I ZESPOLONYCH. Technologie Informacyjne

Spis treści MATLAB CZ. 1 OPERACJE ARYTMETYCZNE NA LICZBACH RZECZYWISTYCH I ZESPOLONYCH. Technologie Informacyjne Politechnika Białostocka Wydział Elektryczny Katedra Elektrotechniki Teoretycznej i Metrologii Instrukcja do pracowni specjalistycznej z przedmiotu Technologie Informacyjne MATLAB CZ. 1 OPERACJE ARYTMETYCZNE

Bardziej szczegółowo

zajęcia 2 Definiowanie wektorów:

zajęcia 2 Definiowanie wektorów: zajęcia 2 Plan zajęć: definiowanie wektorów instrukcja warunkowa if wykresy Definiowanie wektorów: Co do definicji wektora: Koń jaki jest, każdy widzi Definiowanie wektora w Octave v1=[3,2,4] lub: v1=[3

Bardziej szczegółowo

L1 - WPROWADZENIE DO MATLABA

L1 - WPROWADZENIE DO MATLABA L1 - WPROWADZENIE DO MATLABA 1. Krótkie wprowadzenie do Matlaba (wektory, macierze, help) 2. Zapisywanie danych save file a b c d save file a b c d ascii 3. Generacja wektorów i macierzy wpisywanie ręczne

Bardziej szczegółowo

Adam Cebula "Głupi pomysł, czyli instrukcja rysowania wykresów"

Adam Cebula Głupi pomysł, czyli instrukcja rysowania wykresów Głupi pomysł, czyli instrukcja rysowania wykresów. Pewnie to nie najmądrzejszy pomysł, by w portalu poświęconym jak najbardziej rozrywce i w którym szuka się ucieczki od codziennych utrapień ukazywał się

Bardziej szczegółowo

Niezależne i sterowane źródła napięciowe i prądowe

Niezależne i sterowane źródła napięciowe i prądowe Niezależne i sterowane źródła napięciowe i prądowe W programie PSPICE można wykorzystywać źródła napięciowe i prądowe. Nazwy niezależnych źródeł napięciowych rozpoczynają się od litery V, a nazwy niezależnych

Bardziej szczegółowo

Laboratorium Algorytmy Obliczeniowe. Lab. 9 Prezentacja wyników w Matlabie

Laboratorium Algorytmy Obliczeniowe. Lab. 9 Prezentacja wyników w Matlabie Laboratorium Algorytmy Obliczeniowe Lab. 9 Prezentacja wyników w Matlabie 1. Wyświetlanie wyników na ekranie: W Matlabie możliwe są następujące sposoby wyświetlania wartości zmiennych: a. wpisując w programie

Bardziej szczegółowo

Krótka instrukcja opracowania danych w programie SciDAVis v. 1-D013-win

Krótka instrukcja opracowania danych w programie SciDAVis v. 1-D013-win Krótka instrukcja opracowania danych w programie SciDAVis v. 1-D013-win 1 Instalacja programu SciDAVis Microsoft Windows Informacje na temat projektu SciDAVis dostępne są na stronie http://scidavis.sourceforge.net/.

Bardziej szczegółowo

Sieci Komputerowe 2 / Ćwiczenia 1

Sieci Komputerowe 2 / Ćwiczenia 1 Tematyka Sieci Komputerowe 2 / Ćwiczenia 1 Opracował: Konrad Kawecki Na ćwiczeniach przeanalizujemy opóźnienia transmisji w sieciach komputerowych. Na podstawie otrzymanych wyników

Bardziej szczegółowo

Programowanie Generowanie danych. Uwagi ogólne

Programowanie Generowanie danych. Uwagi ogólne Uwagi ogólne R nie jest wyjątkiem w językach programowania i opiera się na zmiennych i funkcjach. Zmienne nie muszą być deklarowane, można ich zatem od razu używać. Uwagi ogólne Klasycznym operatorem przypisania

Bardziej szczegółowo

Scilab - podstawy. Wersje instalacyjne programu Scilab mogą zostać pobrane ze strony

Scilab - podstawy. Wersje instalacyjne programu Scilab mogą zostać pobrane ze strony Scilab - podstawy Scilab jest środowiskiem numerycznym, programistycznym i numerycznym dostępnym za darmo z INRIA (Institut Nationale de Recherche en Informatique et Automatique). Jest programem podobnym

Bardziej szczegółowo

Qtiplot. dr Magdalena Posiadała-Zezula

Qtiplot. dr Magdalena Posiadała-Zezula Qtiplot dr Magdalena Posiadała-Zezula Magdalena.Posiadala@fuw.edu.pl www.fuw.edu.pl/~mposiada Start! qtiplot poza rysowaniem wykresów pozwala też na zaawansowaną obróbkę danych.! qtiplot jest silnie wzorowany

Bardziej szczegółowo

Ściągawka z Matlaba / Octave

Ściągawka z Matlaba / Octave Ściągawka z Matlaba / Octave www.mat.uni.torun.pl/~piersaj 2010-10-19 1 2 3 4 Strony domowe środowisk http://www.gnu.org/software/octave/index.html http://www.mathworks.com/ Dokumentacja http://www.mathworks.com/academia/student_center/

Bardziej szczegółowo

Ćwiczenia : uwagi 9.2: polecenie 9.2: rozwiązanie (wykres) 9.2: rozwiązanie (kod 1/2) 9.2: rozwiązanie (kod 2/2)

Ćwiczenia : uwagi 9.2: polecenie 9.2: rozwiązanie (wykres) 9.2: rozwiązanie (kod 1/2) 9.2: rozwiązanie (kod 2/2) Sylwester Arabas (ćwiczenia do wykładu prof. Hanny Pawłowskiej) Instytut Geofizyki, Wydział Fizyki Uniwersytetu Warszawskiego 5 maja 2011 r. Zadanie 9.1 : polecenie Do tej pory rozważaliśmy dwa procesy

Bardziej szczegółowo

Operatory arytmetyczne

Operatory arytmetyczne Operatory arytmetyczne Działanie Znak Dodawanie + Odejmowanie - Mnożenie macierzowe * Mnożenie tablicowe.* Dzielenie macierzowe / Dzielenie tablicowe./ Potęgowanie macierzowe ^ Potęgowanie tablicowe.^

Bardziej szczegółowo

PODSTAWY INŻYNIERII SYSTEMÓW TECHNICZNYCH

PODSTAWY INŻYNIERII SYSTEMÓW TECHNICZNYCH PODSTAWY INŻYNIERII SYSTEMÓW TECHNICZNYCH Charakterystyka programu MATLAB Dzadz Łukasz pok. 114 lukasz.dzadz@uwm.edu.pl Tel. 523-49-40 Katedra Inżynierii Systemów WNT UWM w Olsztynie TEMATYKA ĆWICZEŃ Charakterystyka

Bardziej szczegółowo

KORELACJA 1. Wykres rozrzutu ocena związku między zmiennymi X i Y. 2. Współczynnik korelacji Pearsona

KORELACJA 1. Wykres rozrzutu ocena związku między zmiennymi X i Y. 2. Współczynnik korelacji Pearsona KORELACJA 1. Wykres rozrzutu ocena związku między zmiennymi X i Y 2. Współczynnik korelacji Pearsona 3. Siła i kierunek związku między zmiennymi 4. Korelacja ma sens, tylko wtedy, gdy związek między zmiennymi

Bardziej szczegółowo

MATLAB ŚRODOWISKO MATLABA OPIS, PODSTAWY

MATLAB ŚRODOWISKO MATLABA OPIS, PODSTAWY MATLAB ŚRODOWISKO MATLABA OPIS, PODSTAWY Poszukiwanie znaczeń funkcji i skryptów funkcja help >> help % wypisuje linki do wszystkich plików pomocy >> help plot % wypisuje pomoc dotyczą funkcji plot Znaczenie

Bardziej szczegółowo

Wartości x-ów : Wartości x ów można w Scilabie zdefiniować na kilka sposobów, wpisując odpowiednie polecenie na konsoli.

Wartości x-ów : Wartości x ów można w Scilabie zdefiniować na kilka sposobów, wpisując odpowiednie polecenie na konsoli. Notatki z sesji Scilaba Istnieje możliwość dokładnego zapisu przebiegu aktualnej sesji pracy ze Scilabem: polecenie diary('nazwa_pliku.txt') powoduje zapis do podanego pliku tekstowego wszystkich wpisywanych

Bardziej szczegółowo

PL/SQL. Część 1 Oracle SQL. Piotr Medoń

PL/SQL. Część 1 Oracle SQL. Piotr Medoń PL/SQL Część 1 Oracle SQL Piotr Medoń Cele Różnice w budowie zapytań bazodanowych pomiędzy bazami SQL Server oraz Oracle Standardowe funkcje Oracle SQL 2 Wprowadzenie do SQL SQL (Structured Query Language)

Bardziej szczegółowo

Maple i wykresy. 1.1 Najpierw należy się zalogować. Jak to zrobić zostało opisane w moim poprzednim tutorialu.

Maple i wykresy. 1.1 Najpierw należy się zalogować. Jak to zrobić zostało opisane w moim poprzednim tutorialu. Maple i wykresy 1 Program Maple 1.1 Najpierw należy się zalogować. Jak to zrobić zostało opisane w moim poprzednim tutorialu. 1.2 Uruchomienie programu Maple Uruchamiamy go, wpisując w konsoli maple, potwierdzając

Bardziej szczegółowo

Bash - wprowadzenie. Bash - wprowadzenie 1/39

Bash - wprowadzenie. Bash - wprowadzenie 1/39 Bash - wprowadzenie Bash - wprowadzenie 1/39 Bash - wprowadzenie 2/39 Czym jest bash? Rysunek : Zadanie powłoki to ukrycie wywołań systemowych Bash - wprowadzenie 3/39 Czym jest bash? Przykład polecenia:

Bardziej szczegółowo

Programowanie: grafika w SciLab Slajd 1. Programowanie: grafika w SciLab

Programowanie: grafika w SciLab Slajd 1. Programowanie: grafika w SciLab Programowanie: grafika w SciLab Slajd 1 Programowanie: grafika w SciLab Programowanie: grafika w SciLab Slajd 2 Plan zajęć 1. Wprowadzenie 2. Wykresy 2-D 3. Wykresy 3-D 4. Rysowanie figur geometrycznych

Bardziej szczegółowo

Programowanie w CLIPS

Programowanie w CLIPS Programowanie w CLIPS Wiedza początkowa Reguły oraz fakty początkowe dodane na początku programu za pomocą deffacts. (deffacts people "Znajomi" (person (name "Adam Kowalski") (age 24) (eye-color blue)

Bardziej szczegółowo

Tytu : GRAPHER Podr cznik u ytkownika ISBN: 978-83-920531-7-0 Autor: Zbigniew Galon Rok wydania: 2009 Stron: 408 Wydawca: Gambit COiS Sp. z o.o.

Tytu : GRAPHER Podr cznik u ytkownika ISBN: 978-83-920531-7-0 Autor: Zbigniew Galon Rok wydania: 2009 Stron: 408 Wydawca: Gambit COiS Sp. z o.o. Tytu : GRAPHER Podr cznik u ytkownika ISBN: 978-83-920531-7-0 Autor: Zbigniew Galon Rok wydania: 2009 Stron: 408 Wydawca: Spis tre ci: 1 CO ZAWIERA TEN PODR CZNIK? 9 1.1 CZ STO U YWANE POJ CIA 10 2 DO

Bardziej szczegółowo

Notatki z Gnuplota (under construction)

Notatki z Gnuplota (under construction) Notatki z Gnuplota (under construction) Witold Alda Contents 1 W ramach wprowadzenia 2 2 Podstawy Gnuplota 3 2.1 Rysowanie wykresu - komenda plot............... 3 2.1.1 Zakresy argumentów i zakresy osi............

Bardziej szczegółowo

Modyfikacja układu współrzędnych VIEW

Modyfikacja układu współrzędnych VIEW WinPlot Wprowadzenie Winplot jest graficznym narzędziem napisanym przez Richarda Parrisa, nauczyciela w Phillips Exeter Academy w Exeter, New Hampshire. Program jest bezpłatny, najnowszą wersję moŝna pobrać

Bardziej szczegółowo

Program gnuplot. 1 Wprowadzenie. 2 Sposób komunikacji z programem

Program gnuplot. 1 Wprowadzenie. 2 Sposób komunikacji z programem Program gnuplot 1 Wprowadzenie W ramach tego ćwiczenia (trzech tygodni) zapoznamy się z programem gnuplot. Program ten służy do prezentacji oraz analizy danych naukowych. Wiedza i umiejętności, które pozyskamy

Bardziej szczegółowo

Komputerowe systemy na rynkach finansowych. wykład 5. MQL4 - funkcje operujące na obiektach wykresu

Komputerowe systemy na rynkach finansowych. wykład 5. MQL4 - funkcje operujące na obiektach wykresu Komputerowe systemy na rynkach finansowych wykład 5 MQL4 - funkcje operujące na obiektach wykresu ObjectCreate - funkcja tworzy nowy obiekt graficzny, określonego typu oraz nadaje mu nazwę i przyporządkowuje

Bardziej szczegółowo

Konfiguracja drukarki AdobePS w systemie Windows

Konfiguracja drukarki AdobePS w systemie Windows Konfiguracja drukarki AdobePS w systemie Windows Instalacja sterownika AdobePS aps102.exe Skopiuj sterownik AdobePS w wersji 1.02 z internetowej witryny Adobe.(www.adobe.com). Dostępnych jest kilka wersji

Bardziej szczegółowo

Podstawy Informatyki 1. Laboratorium 1

Podstawy Informatyki 1. Laboratorium 1 Podstawy Informatyki 1 Laboratorium 1 1. Cel ćwiczenia Celem ćwiczenia jest zapoznanie się z obsługą pakietu MATLAB. W ćwiczeniu wprowadzono opis podstawowych komend środowiska i funkcji matematycznych

Bardziej szczegółowo

Przykład programu w PHP. Wykład10.PHP ciągdalszy,str.1

Przykład programu w PHP. Wykład10.PHP ciągdalszy,str.1 Przykład programu w PHP Wykład10.PHP ciągdalszy,str.1 Przykład programu w PHP Wykład10.PHP ciągdalszy,str.1 Przeliczanie dnia roku na dzień i miesiąc: function jaka data($dni) {... Przykład programu w

Bardziej szczegółowo

1-1. Rys.1 Widok całego okna programu MonkeyPrezenter. 1. Opis programu MonkeyPrezenter.

1-1. Rys.1 Widok całego okna programu MonkeyPrezenter. 1. Opis programu MonkeyPrezenter. OPIS PROGRAMU APEK MonkeyPrezenter wer. 1.5.0.1 1. Opis programu MonkeyPrezenter. Program MonkeyPrezenter jest dedykowanym programem prezentacji pomiarów dla programu AssistAV. Umożliwia tabelaryczną oraz

Bardziej szczegółowo

Elementy okna MatLab-a

Elementy okna MatLab-a MatLab część IV 1 Elementy okna MatLab-a 2 Elementy okna MatLab-a 3 Wykresy i przydatne polecenia Wywołanie funkcji graficznej powoduje automatyczne otwarcie okna graficznego Kolejne instrukcje graficzne

Bardziej szczegółowo

dr Tomasz Ściężor Wydział Inżynierii Środowiska Politechnika Krakowska Podstawy programowania w języku MatLab

dr Tomasz Ściężor Wydział Inżynierii Środowiska Politechnika Krakowska Podstawy programowania w języku MatLab dr Tomasz Ściężor Wydział Inżynierii Środowiska Politechnika Krakowska Podstawy programowania w języku MatLab wg: R. Jankowski, I. Lubowiecka, W. Witkowski, Politechnika Gdańska, Wydział Inżynierii Lądowej,

Bardziej szczegółowo

Interfejs graficzny Matlaba

Interfejs graficzny Matlaba Wywołanie okna - figure fig = figure; Nastawy i odczyt parametrów okna set(fig, parametr, wartość ); get(fig, parametr ) Relacje podrzędności podstawowych obiektów GUI figure uimenu, uicontrol, axes axes

Bardziej szczegółowo

Innymi ważnymi funkcjami wykorzystywanymi przy tworzeniu skryptów używających grafiki w MATLAB-ie są następujące:

Innymi ważnymi funkcjami wykorzystywanymi przy tworzeniu skryptów używających grafiki w MATLAB-ie są następujące: Grafika dwuwymiarowa Najprostszą, a zarazem najczęściej wykorzystywaną funkcją do przedstawiania danych w sposób graficzny w języku MATLAB jest funkcja plot (x,y), czyli wykreślenie przez program funkcji

Bardziej szczegółowo

GNU Octave (w skrócie Octave) to rozbudowany program do analizy numerycznej.

GNU Octave (w skrócie Octave) to rozbudowany program do analizy numerycznej. 1 GNU Octave GNU Octave (w skrócie Octave) to rozbudowany program do analizy numerycznej. Octave zapewnia: sporą bibliotęke użytecznych funkcji i algorytmów; możliwośc tworzenia przeróżnych wykresów; możliwość

Bardziej szczegółowo

PODSTAWY TWORZENIA WYKRESÓW ORAZ HANDLE GRAPHICS

PODSTAWY TWORZENIA WYKRESÓW ORAZ HANDLE GRAPHICS PODSTAWY TWORZENIA WYKRESÓW ORAZ HANDLE GRAPHICS GRAFIKA ZESTAWIENIE FUNKCJI Funkcje graficzne są umieszczone w pięciu podkatalogach katalogu *Matlab\Toolbox\Matlab: \graph2d - grafika 2-wymiarowa \graph3d

Bardziej szczegółowo

Wizualizacja funkcji w programie MATLAB

Wizualizacja funkcji w programie MATLAB Instytut Informatyki Uniwersytetu Śląskiego 15 listopada 2008 Funckja plot Funkcja plot3 Wizualizacja funkcji jednej zmiennej Do wizualizacji funkcji jednej zmiennej w programie MATLAB wykorzystywana jest

Bardziej szczegółowo

Grafika wektorowa w L A TEX-u

Grafika wektorowa w L A TEX-u Grafika wektorowa w L A TEX-u TikZ, PGF Jakub Skalak http://www.fis.agh.edu.pl/~4skalak/ Wydział Fizyki i Informatyki Stosowanej 25 kwietnia 2017 1/1 Plan prezentacji Grafika wektorowa - co to jest? Pakiety

Bardziej szczegółowo

PAKIETY STATYSTYCZNE

PAKIETY STATYSTYCZNE . Wykład wstępny PAKIETY STATYSTYCZNE 2. SAS, wprowadzenie - środowisko Windows, Linux 3. SAS, elementy analizy danych edycja danych 4. SAS, elementy analizy danych regresja liniowa, regresja nieliniowa

Bardziej szczegółowo

Tytuł: GRAPHER Podręcznik użytkownika ISBN: 9788393908806 Autor: Zbigniew Galon Rok wydania: 2014 Stron: 500 Wydawca: Gambit COiS Sp. z o.o.

Tytuł: GRAPHER Podręcznik użytkownika ISBN: 9788393908806 Autor: Zbigniew Galon Rok wydania: 2014 Stron: 500 Wydawca: Gambit COiS Sp. z o.o. Tytuł: GRAPHER Podręcznik użytkownika ISBN: 9788393908806 Autor: Zbigniew Galon Rok wydania: 2014 Stron: 500 Wydawca: Gambit COiS Sp. z o.o. GRAPHER. Podręcznik użytkownika Spis treści: GRAPHER. Podręcznik

Bardziej szczegółowo

Wprowadzenie do pakietów MATLAB/GNU Octave

Wprowadzenie do pakietów MATLAB/GNU Octave Wprowadzenie do pakietów MATLAB/GNU Octave Ireneusz Czajka wersja poprawiona z 2017 Chociaż dla ścisłości należałoby używać zapisu MATLAB/GNU Octave, w niniejszym opracowaniu używana jest nazwa Matlab,

Bardziej szczegółowo

Podstawy informatyki

Podstawy informatyki Podstawy informatyki WYKŁAD nr 03 Fizyka Techniczna, WFT PP Michał Hermanowicz Zakład Fizyki Obliczeniowej, Instytut Fizyki, Politechnika Poznańska Rok akademicki 2018/2019 M. Hermanowicz (IF PP) Podstawy

Bardziej szczegółowo

Przewodnik użytkownika

Przewodnik użytkownika Przewodnik użytkownika Tłumaczenie Andrzej Batorski Dowiedz się więcej na temat tworzenia wykresów funkcji, kreślenia tabel danych, oszacowania równań, badania transformacji i wiele więcej! Jeśli masz

Bardziej szczegółowo

Instalacja Pakietu R

Instalacja Pakietu R Instalacja Pakietu R www.r-project.org wybór źródła wybór systemu operacyjnego: Download R for Windows opcja: install R for the first time opcja: Download R 3.3.3 for Windows uruchomienie R-3.3.3-win MAGDA

Bardziej szczegółowo

Studia doktoranckie - chemia III rok Wydział Chemii UJ 25.04.2014

Studia doktoranckie - chemia III rok Wydział Chemii UJ 25.04.2014 Bartosz Marszałek bartoszmarszalek.com/origin Studia doktoranckie - chemia III rok Wydział Chemii UJ 25.04.2014 Dla kogo przygotowane są te warsztaty? Origina czyli gdzie co jest : formaty i przeliczanie

Bardziej szczegółowo

Analiza Matematyczna MAEW101 MAP1067

Analiza Matematyczna MAEW101 MAP1067 1 Analiza Matematyczna MAEW101 MAP1067 Wydział Elektroniki Przykłady do Listy Zadań nr 14 Funkcje wielu zmiennych. Płaszczyzna styczna. Ekstrema Opracowanie: dr hab. Agnieszka Jurlewicz Przykłady do zadania

Bardziej szczegółowo

TABELE I WYKRESY W EXCELU I ACCESSIE

TABELE I WYKRESY W EXCELU I ACCESSIE TABELE I WYKRESY W EXCELU I ACCESSIE 1. Tabele wykonane w Excelu na pierwszych ćwiczeniach Wielkość prób samce samice wiosna/lato 12 6 jesień 6 7 zima 10 9 Średni ciężar osobnika SD ciężaru osobnika samce

Bardziej szczegółowo

Wprowadzenie do Pakietu R dla kierunku Zootechnika. Dr Magda Mielczarek Katedra Genetyki Uniwersytet Przyrodniczy we Wrocławiu

Wprowadzenie do Pakietu R dla kierunku Zootechnika. Dr Magda Mielczarek Katedra Genetyki Uniwersytet Przyrodniczy we Wrocławiu Wprowadzenie do Pakietu R dla kierunku Zootechnika Dr Magda Mielczarek Katedra Genetyki Uniwersytet Przyrodniczy we Wrocławiu Instalacja Pakietu R www.r-project.org wybór źródła wybór systemu operacyjnego:

Bardziej szczegółowo

Prices and Volumes on the Stock Market

Prices and Volumes on the Stock Market Prices and Volumes on the Stock Market Krzysztof Karpio Piotr Łukasiewicz Arkadiusz Orłowski Warszawa, 25-27 listopada 2010 1 Data selection Warsaw Stock Exchange WIG index assets most important for investors

Bardziej szczegółowo

https://portal.clusterix.pl:8443 trainxx tramxx

https://portal.clusterix.pl:8443 trainxx tramxx Logowanie 1. Otworzyć w oknie przeglądarki adres: https://portal.clusterix.pl:8443 2. Zalogować się używając konta, użytkownik: trainxx, hasło: tramxx Delegacja certyfikatu proxy 1. Zalogować poprzez ssh

Bardziej szczegółowo

tum.de/fall2018/ in2357

tum.de/fall2018/ in2357 https://piazza.com/ tum.de/fall2018/ in2357 Prof. Daniel Cremers From to Classification Categories of Learning (Rep.) Learning Unsupervised Learning clustering, density estimation Supervised Learning learning

Bardziej szczegółowo

MATPLOTLIB. WPROWADZENIE. WYKRESY 2D

MATPLOTLIB. WPROWADZENIE. WYKRESY 2D 1. WPROWADZENIE MATPLOTLIB. WPROWADZENIE. WYKRESY 2D Na początku warto zapoznać się z nazewnictwem (angielskim) elementów, z których składa się widok wykresu. Poniższa grafika pozwoli na ich identyfikację

Bardziej szczegółowo

Analiza Matematyczna MAEW101 MAP1067

Analiza Matematyczna MAEW101 MAP1067 Analiza Matematyczna MAEW MAP67 Wydział Elektroniki Przykłady do Listy Zadań nr 4 Funkcje wielu zmiennych. Pochodne cząstkowe Opracowanie: dr hab. Agnieszka Jurlewicz Przykłady do zadania 4.: Wyznaczyć

Bardziej szczegółowo

Gambit Centrum Oprogramowania i Szkoleń Sp. z o.o.

Gambit Centrum Oprogramowania i Szkoleń Sp. z o.o. Tytuł: GRAPHER Podręcznik użytkownika ISBN: 9788393908820 Autorzy: Zbigniew Galon, Fryderyk Górski Rok wydania: 2019 Stron: 521 Wydawca: Gambit COiS Sp. z o.o. Spis treści 1 CO ZAWIERA TEN PODRĘCZNIK?...

Bardziej szczegółowo

LCD (Liquid Crystal Display)

LCD (Liquid Crystal Display) LCD (Liquid Crystal Display) Polarizing filter. Thin film with a vertical ais. Liquid crystal Polarizing filter. Thin film with a horizontal ais. Polarizing filter. Thin film with a horizontal ais. Polarizing

Bardziej szczegółowo

Matlab MATrix LABoratory Mathworks Inc.

Matlab MATrix LABoratory Mathworks Inc. Małgorzata Jakubowska Matlab MATrix LABoratory Mathworks Inc. MATLAB pakiet oprogramowania matematycznego firmy MathWorks Inc. (www.mathworks.com) rozwijany od roku 1984 język programowania i środowisko

Bardziej szczegółowo

Narzędzia informatyczne. Matematyka w L A T E Xu

Narzędzia informatyczne. Matematyka w L A T E Xu Narzędzia informatyczne. Matematyka w L A T E Xu Aleksander Denisiuk Uniwersytet Warmińsko-Mazurski Olsztyn, ul. Słoneczna 54 denisjuk@matman.uwm.edu.pl 1 / 33 Matematyka w L A T E Xu Najnowsza wersja

Bardziej szczegółowo

Metody numeryczne. Instytut Sterowania i Systemów Informatycznych Wydział Elektrotechniki, Informatyki i Telekomunikacji Uniwersytet Zielonogórski

Metody numeryczne. Instytut Sterowania i Systemów Informatycznych Wydział Elektrotechniki, Informatyki i Telekomunikacji Uniwersytet Zielonogórski Metody numeryczne Instytut Sterowania i Systemów Informatycznych Wydział Elektrotechniki, Informatyki i Telekomunikacji Uniwersytet Zielonogórski Elektrotechnika stacjonarne-dzienne pierwszego stopnia

Bardziej szczegółowo

Wprowadzenie do środowiska

Wprowadzenie do środowiska Wprowadzenie do środowiska www.mathworks.com Piotr Wróbel piotr.wrobel@igf.fuw.edu.pl Pok. B 4.22 Metody numeryczne w optyce 2017 Czym jest Matlab Matlab (matrix laboratory) środowisko obliczeniowe oraz

Bardziej szczegółowo

Laboratorium. Cyfrowe przetwarzanie obrazów. Instrukcja 1. Podstawy języka Python

Laboratorium. Cyfrowe przetwarzanie obrazów. Instrukcja 1. Podstawy języka Python Laboratorium Cyfrowe przetwarzanie obrazów Instrukcja 1 Podstawy języka Python Praca interaktywna # dodawanie dwóch liczb >>> 1 + 1 2 # tworzenie zmiennych >>> a = 1 >>> a 1 # sprawdzanie typów >>> type(a)

Bardziej szczegółowo

Elementy języka Scheme

Elementy języka Scheme Elementy języka Scheme Historia języka Lisp Historia języka Lisp Wyrażenia i ewaluacja wyrażeń Identyfikatory i wyrażenie let Wyrażenia lambda Definicje globalne Wyrażenia warunkowe Przypisanie Kontynuacje

Bardziej szczegółowo

Kurs WWW. Paweł Rajba. pawel@ii.uni.wroc.pl http://pawel.ii.uni.wroc.pl/

Kurs WWW. Paweł Rajba. pawel@ii.uni.wroc.pl http://pawel.ii.uni.wroc.pl/ Paweł Rajba pawel@ii.uni.wroc.pl http://pawel.ii.uni.wroc.pl/ Spis treści Obsługa obrazków w PHP Wprowadzenie Tworzenie i niszczenie obrazka Kolory Funkcje od obsługi obrazków - 1 - Wprowadzenie Przygotowanie

Bardziej szczegółowo

Modelowanie Procesów Jądrowych

Modelowanie Procesów Jądrowych Modelowanie Procesów Jądrowych Wykład 1: Wstęp do programowania w języku FORTRAN WF PW Warszawa, dn. 01.03.2010r. 1 Źródła: http://www.chem.ug.edu.pl/~adam/fortran/index.html R.K. Kott, K. Walczak. Programowanie

Bardziej szczegółowo

Ćwiczenia 11 (12) (4 godziny). Wizualizacja i manipulacja w Matlabie

Ćwiczenia 11 (12) (4 godziny). Wizualizacja i manipulacja w Matlabie Ćwiczenia 11 (12) (4 godziny). Wizualizacja i manipulacja w Matlabie 1. Tworzenie animacji Wykres funkcji znajduje się poniżej: W środowisku Matlab, możemy tworzyć różnego rodzaju wykresy przy wykorzystaniu

Bardziej szczegółowo

Programowanie Generowanie danych. Uwagi ogólne

Programowanie Generowanie danych. Uwagi ogólne Uwagi ogólne R nie jest wyjątkiem w językach programowania i opiera się na zmiennych i funkcjach. Zmienne nie muszą być deklarowane, można ich zatem od razu używać. Klasycznym operatorem przypisania w

Bardziej szczegółowo