import matplotlib.pyplot as plt import numpy as np x1 = np.random.randn(100) x2 = np.random.randn

这段代码使用了matplotlib库中的pyplot模块，用于绘制图形。其中np.random.randn(50).cumsum()生成了一个长度为50的随机数数组，并对其进行累加求和，最后使用plot()函数将其绘制成折线图。具体实现如下： ```python import matplotlib.pyplot as plt import numpy as np plt.plot(np.random.randn(50).cumsum()) plt.show() ``` 运行该代码将会显示一个折线图，横轴表示数据点的序号，纵轴表示数据点的值。每个数据点的值为前面所有数据点的值的累加和。

### 使用 NumPy、Matplotlib、OS 和 ImageIO 进行数据处理与可视化的示例 #### 导入必要的库 为了实现这一目标，首先需要导入所需的 Python 库： ```python import numpy as np import matplotlib.pyplot as plt import os import imageio.v2 as imageio ``` #### 创建模拟数据集 假设有一个时间序列的心电图 (ECG) 数据作为例子。这里通过随机数生成器来创建一些模拟 ECG 波形的数据。 ```python np.random.seed(0) time = np.linspace(0, 10, num=500) # 时间轴 ecg_signal = np.sin(time * 2 * np.pi / 1.27) + \ 0.5 * np.sin(time * 2 * np.pi / 0.89) + \ 0.2 * np.random.randn(len(time)) # 模拟心电信号 ``` #### 绘制单张图像并保存到文件夹中 接下来定义一个函数 `plot_ecg` 来绘制心电图并将图片保存至指定目录下。 ```python def plot_ecg(signal, t, folder_path='frames'): """Plot and save the ecg signal.""" if not os.path.exists(folder_path): os.makedirs(folder_path) fig, ax = plt.subplots(figsize=(10, 4)) ax.plot(t, signal, label="Simulated ECG Signal", color="#FF7F50") ax.set_xlabel('Time') ax.set_ylabel('Amplitude') ax.legend() file_name = f"{folder_path}/frame_{int(np.round(t[-1]*10)):03d}.png" plt.savefig(file_name) plt.close(fig) for i in range(0, len(ecg_signal), 5): # 控制帧率 segment_time = time[:i+1] segment_signal = ecg_signal[:i+1] plot_ecg(segment_signal, segment_time) ``` 上述代码会逐段截取信号片段，并将其绘制成静态图形存放在名为 "frames" 的子文件夹内[^2]。 #### 将多张静止图像合成 GIF 动画 最后一步是从这些单独的 PNG 文件构建出动态的 GIF 图片。 ```python images = [] files = sorted([f for f in os.listdir('frames') if '.png' in f]) for filename in files: images.append(imageio.imread(os.path.join('frames', filename))) output_file = 'animated_ecg.gif' imageio.mimsave(output_file, images, duration=0.1) print(f"GIF saved to {output_file}") ``` 这段脚本读取所有已生成的 PNG 文件，按顺序排列后组合成一个 GIF 文件，从而形成一段展示心电波形变化过程的小动画[^1]。