python matplotlib安装失败,导入matplotlib报错
1.内容，2。数据分析，3。实施过程，4。整体代码实现，5。描述。
1.介绍
骨架数据集因其鲁棒性被广泛应用于运动识别和预测领域，其中NTU RGB-D数据集是最常用的骨架运动数据集。无论是描述自己的数据，还是分析特征的变化过程，可视化都是必不可少的一步。基于NTU RGB-D数据集，利用Python的Matplotlib库实现骨骼数据的可视化。
2.数据分析NTU RGB-D的数据集非常标准，文件扩展名为”。骷髅”。直接在记事本中打开的结果如下：
从上面的顺序，帧数，骨架数(2以下，即数据集中的动作由一两个人完成)，骨架的其他信息)。原文为 bodyid ， clips ， handlefts ， handlefts 和 handlefts state ，即 handlefts state ， isResticted ， leanX ， leanY 和 tracking state )，一个骨架中有几个 orientation x ， orientation y ， orientation z 和 tracking state )。
只需要x，y和z。2D图像只需要X和y。所以我们的程序大致如下。
导入数据文件，为数据环的每个帧、骨架和关节节点指定数据，并绘制数组。在散点图中绘制骨架节点，在线图中绘制骨架链接，创建逐帧显示的0填充列表。
importnumpyasnpimportmatplotlib . pyplotaspltfile _ name=r c:\ users \ Lenovo \ desktop \ visual/s 001 c 001 p 001
withopen(file_name， r )asfr:frame_num=int)fr . readline)point=NP . zeros，frame _ num，2)for frame in range(frame _ num):person _ num=int(fr . readline))for person in range)person _ num)3360关节60 v=fr.readline)。split ) ) Ifjointmanage joint，person]=float(v(0))关节的坐标点(1，frame，joint，point)
xmax=NP.max (point [ 0，] ) 0.5xmin=NP.min ) point [ 0，] ) 0.5ymax=:]
根据NTU骨架结构确定哪个节点连接到骨架#注意，数字从0开始，1 arms=NP.array ([ 24，12，11，10，9，21，5，6，7，8，20] )1#
显示nmrow，直到第n=0 #帧到第m=2 #帧结束。m为了便于查看，您可以选择小于最大帧数的阈值。当m=1时，即使在脚本中遇到plt.show()，也会显示一帧plt.figure () plt.ion)来执行代码color_point=#03ff。
#关节点颜色，可以输入十六进制调色板color _ bone= red # bone color for I in range(n，m): plt.cla () # # clearaxis清除当前绘图中的当前活动轴。其他轴不受影响。Plt。散点图(point [0，I，)，point [1，I，]，c=color _ point，s=40.0) #通过散点图画关节点#通过直线图画两点之间的连线，即bone PLT。Plot (point [0，I，arm arms，0]，c=color_bone，lw=2.0) plt.plot(point[0，I，rightHand，0]，point[1，I，rightHand，0]，c=color_bone，lw=2.0) plt.plot(point[0，I，leftHand，0]，point[1，I，leftHand，0]，c=color_bone，lw=2.0) plt.plot(point[0，I，I，legs，0]，point[1，I c=color_bone，lw=2.0) plt.plot(point[0，I，legs，1]，point[1，I，legs，1]，c=color_bone，lw=2.0) plt.plot(point[0，I，body，1]，point[1，I，body，1]，c=color_bone，Lw=2.0) plt.text (xmax-0.5，ymax-0.1， frame: {}/{} 。 format (I，row-1)) #这是什么帧plt.xlim(xmin，xmax) # axis plt.ylim(ymin，YMAX) PLT。暂停(0.001) PLT。IOFF () PLT。SHOW()结果显示，显示帧数和输出颜色线的粗细可以根据上面的绘图参数进行调整。这里只输出两帧：
4.整体代码实现：导入numpy作为NP导入matplotlib。py plot as PLT file _ name=r c:\ Users \ Lenovo \ Desktop \ visual/s 001 c 001 p 001 r 001 a 009。骷髅 max _ V=25 #节点数max_M=2 #骨架数量with open(file_name， r )as fr:frame_num=int(fr .readline())point=NP。范围(frame _ num)中帧的零((3，frame _ num，25，2)):person _ num=int(fr .readline())for person in range(person _ num):fr。readline()joint _ num=int(fr。readline())用于范围内的关节(joint _ num):v=fr。readline().split( )if joint max _ V and person max _ M:point[0，frame，joint，person]=float(v[0])#一个关节的一个坐标point[1，框架，关节，人]=float(v[1]) point[2，框架，关节，人]=float(v[2])print(读取数据完成!)打印(点.形状)#通过最大最小的坐标值来选取合适的坐标轴xmax=np.max(point[0，)。5xmin=np.min(point[0，- 0.5ymax=np.max(point[1，)0.3ymin=np.min(point[1，)- 0.3zmax=np.max(point[2，))zmin=np.min(point[2，))row=point.shape[1] #有多少帧# 根据NTU骨架结构确定哪几个节点相连为骨骼# 注意序号从0开始，需要减1arms=np.array([24，12，11，10，9，21，5，6，7，8，20])-1 #胳膊rightHand=np.array([12，25])-1 #右手leftHand=np.array([8，23])-1 #左手legs=np.array([20，19，18，17，1，13，14，15，16]) - 1 #腿body=np.array([4，3，21，2，1]) -1 #身体n=0 #从第n帧开始展示m=2 #到第m帧结束，nmrow，这个m可以选取一个小于最大帧数的阈值，便于查看，若m=1则展示一帧plt.figure()plt.ion() #使用植物离子()这个函数，使绘制精美的图表的显示模式转换为交互（互动)模式。即使在脚本中遇到plt.show()，代码还是会继续执行color_point=#03ff #关节点颜色，可输入16进制调色板color_bone=red #骨骼颜色对于范围(名词，名词)中的I:PLT。cla()# #清除轴即清除当前图形中的当前活动轴。其他轴不受影响。plt.scatter(point[0，I，point[1，I，]，c=color_point，s=40.0) #通过散点图绘制关节点#通过直线图绘制两点间的连接线，即骨骼plt.plot(point[0，I，arms，0]，point[1，I，arms，0]，c=color_bone，lw=2.0) plt.plot(point[0，I，rightHand，0]，point[1，I，rightHand，0]，c=color_bone，lw=2.0)第二个骨架，如果有的话plt.plot(point[0，I，arms，1]，point[1，I，arms，1]，c=color_bone，lw=2.0) plt.plot(point[0，I，rightHand，1]，point[1，I，rightHand，1]，c=color_bone，lw=2.0) format(i，row-1)。这是第几帧# plt.text(xmax-0.8，ymax-0.4， label: str(label[I]))PLT。xlim(xmin，xmax) #坐标轴ylim(ymin，ymax)。暂停(0.001)PLT。ioff()PLT。显示()5 .说明部分代码参考了博客园博主https://www.cnblogs.com/picassooo/p/14044566.html,稍加修改并添加注释
本代码的核心思想在于：使用散点图绘制关节点，使用直线图绘制骨骼,如果有不同的图像需求请参考Matplotlib库自行调节参数。
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。