当前位置: 首页 > news >正文

利用MATLAB绘制折线图

介绍

在这里插入图片描述Matlab画图线型、符号及颜色汇总:
https://blog.csdn.net/qq_40969467/article/details/90758281

实例:

x=20:20:140;%x轴上的数据,第一个值代表数据开始,第二个值代表间隔,第三个值代表终止a=[0.85, 2.2, 3.45, 2.65, 1.5, 1.9, 1.25]; %a数据y值plot(x,a,'-*b'); %线性,颜色,标记
axis([0,160,0,4])  %确定x轴与y轴框图大小
set(gca,'XTick',[0:20:160]) %x轴范围1-6,间隔1
set(gca,'YTick',[0:1:4]) %y轴范围0-700,间隔100
legend('position1');   %右上角标注
xlabel('爬行量(cm)')  %x轴坐标描述
ylabel('误差(%)') %y轴坐标描述

在这里插入图片描述

x=20:20:140;%x轴上的数据,第一个值代表数据开始,第二个值代表间隔,第三个值代表终止
a=[0.85, 2.2, 3.45, 2.65, 1.5, 1.9, 1.25]; %a数据y值
b=[1.2, 1, 2, 2, 1, 3, 1];%b数据y值
plot(x,a,'-*b', x,b,'-or'); %线性,颜色,标记
axis([0,160,0,4])  %确定x轴与y轴框图大小
set(gca,'XTick',[0:20:160]) %x轴范围0-160,间隔20
set(gca,'YTick',[0:1:4]) %y轴范围0-4,间隔1
legend('position_a','position_b');   %右上角标注
xlabel('爬行量(cm)')  %x轴坐标描述
ylabel('误差(%)') %y轴坐标描述

在这里插入图片描述

x=120:120:840;%x轴上的数据,第一个值代表数据开始,第二个值代表间隔,第三个值代表终止
a=[0.17, 0.38, 0.44, 0.30, 0.36, 0.49, 0.32]; %a数据y值
b=[0.01, 0.03, 0.12, 0.22, 0.12, 0.13, 0.02];%b数据y值
plot(x,a,'-*k', x,b,':*k'); %线性,颜色,标记
axis([0,960,0,0.6])  %确定x轴与y轴框图大小
set(gca,'XTick',(0:120:840)) %x轴范围0-840,间隔120
set(gca,'YTick',(0:0.1:0.6)) %y轴范围0-4,间隔1
legend('光学经纬仪测量法','本文测量方法');   %右上角标注
xlabel('爬行量(mm)')  %x轴坐标描述
ylabel('精度(mm)') %y轴坐标描述
http://www.lryc.cn/news/275451.html

相关文章:

  • C# halcon 工业产品尺寸测量
  • Vue中插槽的简单使用
  • 华为OD机试真题-机器人仓库搬砖-2023年OD统一考试(C卷)
  • 三维模型数据的几何坐标变换的点云重建并行计算技术方法分析
  • Android 横竖屏切换之窗体泄露leaked window DecorView XXXActivity
  • mysql之视图执行计划
  • 软件安装文档 | Docker (简洁)
  • PHP代码审计之实战审代码篇2
  • 05 Ciso模拟器连接腾讯云物联网开发平台
  • Nginx(二十) 获取真实客户端IP
  • 【攻防世界】Reverse—— IgniteMe writeup
  • m1芯片电脑上的paragon15如何安装激活 m1芯片电脑上ntfs for mac如何安装
  • 【DevOps-01]】DevOps介绍
  • 基于PHP的花店管理系统
  • 《PySpark大数据分析实战》-24.数据可视化图表介绍
  • kafka 偏移量的类型与提交方式
  • TCP服务器的编写(下)
  • Linux系统安全及应用
  • 初识Web服务器
  • IOS - 手机安装包 ipa 常见几种方式
  • 60、resnet50 权值和参数加载
  • wordpress在界面将站点地址直接修改为https导致上不去问题的解决办法
  • 数字IC后端实现之快速获取innovus中drv violation的所有net list
  • 【开源】基于JAVA语言的智能教学资源库系统
  • 数据库定义和操作语句的重要语法
  • 计算机组成原理 CPU的功能和基本结构和指令执行过程
  • 批量归一化:彻底改变深度学习架构
  • Spring05
  • MvvmToolkit的使用
  • 分布式【一致性Hash算法简介】