python有什么实时画图的库吗_百度知道
python有什么实时画图的库吗
我有更好的答案
首先说你的要求有些不明确的部分比如说你在所有窗体上写那是否画图的同时还要拖动其他窗体？这个要求的话目前的python各种gui库貌似还没有支持到这么个绘画不规则窗体而不会挡住其他窗体还又在其上的；如果只是在他们上面你可以画图而不用一定要拖动其他窗体的话可以设计窗体为全屏大小，背景透明，不显示标题栏，然后用普通的画图函数就可以了 对了推荐使用wxpython
采纳率：75%
为您推荐：
其他类似问题
您可能关注的内容
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。用最简单的 Python ，画最好看的图 [简单数据可视化]
· 158 天前 · 2003 次点击
可以直接修改参数使用，非常的方便。
import numpy as np
import pandas as pd
import holoviews as hv
hv.extension('bokeh')
macro_df = pd.read_csv('http://assets.holoviews.org/macro.csv', '\t')
key_dimensions
= [('year', 'Year'), ('country', 'Country')]
value_dimensions = [('unem', 'Unemployment'), ('capmob', 'Capital Mobility'),
('gdp', 'GDP Growth'), ('trade', 'Trade')]
macro = hv.Table(macro_df, kdims=key_dimensions, vdims=value_dimensions)
%%opts Scatter [width=700 height=400 scaling_method='width' scaling_factor=2 size_index=2 show_grid=True]
%%opts Scatter (color=Cycle('Category20') line_color='k')
%%opts NdOverlay [legend_position='left' show_frame=False]
gdp_unem_scatter = macro.to.scatter('Year', ['GDP Growth', 'Unemployment'])
gdp_unem_scatter.overlay('Country')
10 回复 &| &直到
15:35:27 +08:00
& &157 天前
哇哦，看起来很不错~
& &157 天前
md,学 python 学的不是一个世界的。
& &157 天前
同楼上，不过我连门都还没入，还处在看廖雪峰的 Python3 教程阶段～
& &157 天前
@ 能把你看到沟里去，还是多看看官方文档
& &157 天前 via Android
%%opts Scatter [width=700 height=400 scaling_method='width' scaling_factor=2 size_index=2 show_grid=True]
这是什么黑科技语法？
& &157 天前
没有上面的 3 个 import 啥都做不了，python 靠的就是内裤多。。。。
只要懂个高数，这些图用 C++加上 BMP 点对点都能给你画出来。。。
& &157 天前
@ 你这一说完，感觉我自己就是一个智障。
& &157 天前 via Android
这图不错，我也想画一个足球进攻分析的图
& &157 天前 via Android
感觉学的不是一个 python
& &156 天前
说实话，要好看的图还是要靠 Javascript。这配色还是上个世纪的啊
& · & 3048 人在线 & 最高记录 3541 & · &
创意工作者们的社区
World is powered by solitude
VERSION: 3.9.8.0 · 62ms · UTC 08:19 · PVG 16:19 · LAX 00:19 · JFK 03:19? Do have faith in what you're doing.Python图表绘制：matplotlib绘图库入门 - 小唯THU - 博客园
matplotlib 是python最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地行制图。而且也可以方便地将它作为绘图控件，嵌入GUI应用程序中。
它的文档相当完备，并且Gallery页面中有上百幅缩略图，打开之后都有源程序。因此如果你需要绘制某种类型的图，只需要在这个页面中浏览/复制/粘贴一下，基本上都能搞定。
在Linux下比较著名的数据图工具还有gnuplot，这个是免费的，Python有一个包可以调用gnuplot，但是语法比较不习惯，而且画图质量不高。
而 则比较强：Matlab的语法、python语言、latex的画图质量（还可以使用内嵌的latex引擎绘制的数学公式）。&
Matplotlib.pyplot快速绘图
matplotlib实际上是一套面向对象的绘图库，它所绘制的图表中的每个绘图元素，例如线条Line2D、文字Text、刻度等在内存中都有一个对象与之对应。
为了方便快速绘图matplotlib通过pyplot模块提供了一套和MATLAB类似的绘图API，将众多绘图对象所构成的复杂结构隐藏在这套API内部。我们只需要调用pyplot模块所提供的函数就可以实现快速绘图以及设置图表的各种细节。pyplot模块虽然用法简单，但不适合在较大的应用程序中使用。
为了将面向对象的绘图库包装成只使用函数的调用接口，pyplot模块的内部保存了当前图表以及当前子图等信息。当前的图表和子图可以使用plt.gcf()和plt.gca()获得，分别表示"Get Current Figure"和"Get Current Axes"。在pyplot模块中，许多函数都是对当前的Figure或Axes对象进行处理，比如说：
plt.plot()实际上会通过plt.gca()获得当前的Axes对象ax，然后再调用ax.plot()方法实现真正的绘图。
可以在Ipython中输入类似"plt.plot??"的命令查看pyplot模块的函数是如何对各种绘图对象进行包装的。
matplotlib所绘制的图表的每个组成部分都和一个对象对应，我们可以通过调用这些对象的属性设置方法set_*()或者pyplot模块的属性设置函数setp()设置它们的属性值。
因为matplotlib实际上是一套面向对象的绘图库，因此也可以直接获取对象的属性
绘制一幅图需要对许多对象的属性进行配置，例如颜色、字体、线型等等。我们在绘图时，并没有逐一对这些属性进行配置，许多都直接采用了matplotlib的缺省配置。
matplotlib将这些缺省配置保存在一个名为&matplotlibrc&的配置文件中，通过修改配置文件，我们可以修改图表的缺省样式。配置文件的读入可以使用rc_params()，它返回一个配置字典；在matplotlib模块载入时会调用rc_params()，并把得到的配置字典保存到rcParams变量中；matplotlib将使用rcParams字典中的配置进行绘图；用户可以直接修改此字典中的配置，所做的改变会反映到此后创建的绘图元素。
（快速绘图）
Matplotlib 里的常用类的包含关系为 Figure -& Axes -& (Line2D, Text, etc.)一个Figure对象可以包含多个子图(Axes)，在matplotlib中用Axes对象表示一个绘图区域，可以理解为子图。
可以使用subplot()快速绘制包含多个子图的图表，它的调用形式如下：
subplot(numRows, numCols, plotNum)
subplot将整个绘图区域等分为numRows行* numCols列个子区域，然后按照从左到右，从上到下的顺序对每个子区域进行编号，左上的子区域的编号为1。如果numRows，numCols和plotNum这三个数都小于10的话，可以把它们缩写为一个整数，例如subplot(323)和subplot(3,2,3)是相同的。subplot在plotNum指定的区域中创建一个轴对象。如果新创建的轴和之前创建的轴重叠的话，之前的轴将被删除。
subplot()返回它所创建的Axes对象，我们可以将它用变量保存起来，然后用sca()交替让它们成为当前Axes对象，并调用plot()在其中绘图。
（快速绘图）
如果需要同时绘制多幅图表，可以给figure()传递一个整数参数指定Figure对象的序号，如果序号所指定的Figure对象已经存在，将不创建新的对象，而只是让它成为当前的Figure对象。
import numpy as np
import matplotlib.pyplot as plt
plt.figure(1) # 创建图表1
plt.figure(2) # 创建图表2
ax1 = plt.subplot(211) # 在图表2中创建子图1
ax2 = plt.subplot(212) # 在图表2中创建子图2
x = np.linspace(0, 3, 100)
for i in xrange(5):
plt.figure(1)
#? # 选择图表1
plt.plot(x, np.exp(i*x/3))
plt.sca(ax1)
#? # 选择图表2的子图1
plt.plot(x, np.sin(i*x))
plt.sca(ax2)
# 选择图表2的子图2
plt.plot(x, np.cos(i*x))
plt.show()
matplotlib的缺省配置文件中所使用的字体无法正确显示中文。为了让图表能正确显示中文，可以有几种解决方案。
在程序中直接指定字体。
在程序开头修改配置字典rcParams。
修改配置文件。
上面那个link里的修改matplotlibrc方式，我试了好几次都没成功。能work的一个比较简便粗暴的方式（但不知道有没有副作用）是，1.找到字体目录YOURPYTHONHOME\Lib\site-packages\matplotlib\mpl-data\fonts\ttf下的Vera.ttf。这里我们用中文楷体(可以从windows/system32/fonts拷贝过来，对于win8字体文件不是ttf的可以从网上下一个)，直接张贴到前面的ttf目录下，然后更名为Vera.ttf。2.&中文字符串用unicode格式，例如：u''测试中文显示''，代码文件编码使用utf-8 加上" #&coding = utf-8 &"一行。
面向对象画图
matplotlib API包含有三层，Artist层处理所有的高层结构，例如处理图表、文字和曲线等的绘制和布局。通常我们只和Artist打交道，而不需要关心底层的绘制细节。
直接使用Artists创建图表的标准流程如下：
创建Figure对象
用Figure对象创建一个或者多个Axes或者Subplot对象
调用Axies等对象的方法创建各种简单类型的Artists
import matplotlib.pyplot as plt
X1 = range(0, 50) Y1 = [num**2 for num in X1] # y = x^2 X2 = [0, 1] Y2 = [0, 1] # y = x
Fig = plt.figure(figsize=(8,4)) # Create a `figure' instance Ax = Fig.add_subplot(111) # Create a `axes' instance in the figure Ax.plot(X1, Y1, X2, Y2) # Create a Line2D instance in the axes
Fig.show() Fig.savefig("test.pdf")
《Python科学计算》() （深入浅出适合系统学习）
（主要讲面向对象绘图，对于新手可能有点乱）
Matplotlib.pylab快速绘图
matplotlib还提供了一个名为pylab的模块，其中包括了许多NumPy和pyplot模块中常用的函数，方便用户快速进行计算和绘图，十分适合在IPython交互式环境中使用。这里使用下面的方式载入pylab模块：
&&& import pylab as pl
1 安装numpy和matplotlib
&&& import numpy&&& numpy.__version__
&&& import matplotlib&&& matplotlib.__version__
2 两种常用图类型：Line and scatter plots(使用plot()命令), histogram(使用hist()命令)
2.1 折线图&散点图 Line and scatter plots
2.1.1 折线图 Line plots(关联一组x和y值的直线)
import numpy as np
import pylab as pl
x = [1, 2, 3, 4, 5]# Make an array of x values
y = [1, 4, 9, 16, 25]# Make an array of y values for each x value
pl.plot(x, y)# use pylab to plot x and y
pl.show()# show the plot on the screen
2.1.2 散点图 Scatter plots
把pl.plot(x, y)改成pl.plot(x, y, 'o')即可，下图的蓝色版本
2.2& 美化 Making things look pretty
2.2.1 线条颜色 Changing the line color
红色：把pl.plot(x, y, 'o')改成pl.plot(x, y, &or&)
2.2.2 线条样式 Changing the line style
虚线:plot(x,y, '--')
2.2.3 marker样式 Changing the marker style
蓝色星型markers：plot(x,y, &b*&)
2.2.4 图和轴标题以及轴坐标限度 Plot and axis titles and limits
import numpy as np
import pylab as pl
x = [1, 2, 3, 4, 5]# Make an array of x values
y = [1, 4, 9, 16, 25]# Make an array of y values for each x value
pl.plot(x, y)# use pylab to plot x and y
pl.title(&Plot of y vs. x&)# give plot a title
pl.xlabel(&x axis&)# make axis labels
pl.ylabel(&y axis&)
pl.xlim(0.0, 7.0)# set axis limits
pl.ylim(0.0, 30.)
pl.show()# show the plot on the screen
2.2.5 在一个坐标系上绘制多个图 Plotting more than one plot on the same set of axes
做法是很直接的，依次作图即可:
import numpy as np
import pylab as pl
x1 = [1, 2, 3, 4, 5]# Make x, y arrays for each graph
y1 = [1, 4, 9, 16, 25]
x2 = [1, 2, 4, 6, 8]
y2 = [2, 4, 8, 12, 16]
pl.plot(x1, y1, &r&)# use pylab to plot x and y
pl.plot(x2, y2, &g&)
pl.title(&Plot of y vs. x&)# give plot a title
pl.xlabel(&x axis&)# make axis labels
pl.ylabel(&y axis&)
pl.xlim(0.0, 9.0)# set axis limits
pl.ylim(0.0, 30.)
pl.show()# show the plot on the screen
2.2.6& 图例 Figure legends
pl.legend((plot1, plot2), (&label1, label2&), 'best&, numpoints=1)
其中第三个参数表示图例放置的位置:'best&&upper right&, &upper left&, &center&, &lower left&, &lower right&.
如果在当前figure里plot的时候已经指定了label，如plt.plot(x,z,label="$cos(x^2)$")，直接调用plt.legend()就可以了哦。
import numpy as np
import pylab as pl
x1 = [1, 2, 3, 4, 5]# Make x, y arrays for each graph
y1 = [1, 4, 9, 16, 25]
x2 = [1, 2, 4, 6, 8]
y2 = [2, 4, 8, 12, 16]
plot1 = pl.plot(x1, y1, &r&)# use pylab to plot x and y : Give your plots names
plot2 = pl.plot(x2, y2, &go&)
pl.title(&Plot of y vs. x&)# give plot a title
pl.xlabel(&x axis&)# make axis labels
pl.ylabel(&y axis&)
pl.xlim(0.0, 9.0)# set axis limits
pl.ylim(0.0, 30.)
pl.legend([plot1, plot2], (&red line&, &green circles&), &best&, numpoints=1)# make legend
pl.show()# show the plot on the screen
2.3 直方图 Histograms
import numpy as np
import pylab as pl
# make an array of random numbers with a gaussian distribution with
# mean = 5.0
# rms = 3.0
# number of points = 1000
data = np.random.normal(5.0, 3.0, 1000)
# make a histogram of the data array
pl.hist(data)
# make plot labels
pl.xlabel(&data&)
如果不想要黑色轮廓可以改为pl.hist(data, histtype=&stepfilled&)
2.3.1 自定义直方图bin宽度 Setting the width of the histogram bins manually
增加这两行
bins = np.arange(-5., 16., 1.) #浮点数版本的rangepl.hist(data, bins, histtype=&stepfilled&)
3 同一画板上绘制多幅子图 Plotting more than one axis per canvas
如果需要同时绘制多幅图表的话，可以是给figure传递一个整数参数指定图标的序号，如果所指定序号的绘图对象已经存在的话，将不创建新的对象，而只是让它成为当前绘图对象。
fig1 = pl.figure(1)pl.subplot(211)subplot(211)把绘图区域等分为2行*1列共两个区域, 然后在区域1(上区域)中创建一个轴对象. pl.subplot(212)在区域2(下区域)创建一个轴对象。
You can play around with plotting a variety of layouts. For example, Fig. 11 is created using the following commands:
f1 = pl.figure(1)pl.subplot(221)pl.subplot(222)pl.subplot(212)
当绘图对象中有多个轴的时候，可以通过工具栏中的Configure Subplots按钮，交互式地调节轴之间的间距和轴与边框之间的距离。如果希望在程序中调节的话，可以调用subplots_adjust函数，它有left, right, bottom, top, wspace, hspace等几个关键字参数，这些参数的值都是0到1之间的小数，它们是以绘图区域的宽高为1进行正规化之后的坐标或者长度。
pl.subplots_adjust(left=0.08, right=0.95, wspace=0.25, hspace=0.45)
4 绘制文件中的数据Plotting data contained in files
4.1 从Ascii文件中读取数据 Reading data from ascii files
读取文件的方法很多，这里只介绍一种简单的方法，更多的可以参考官方文档和。
numpy的loadtxt方法可以直接读取如下文本数据到numpy二维数组
**********************************************
# fakedata.txt0 01 12 43 94 165 256 367 498 649 810 01 12 43 94 165 256 367 498 649 81
**********************************************
import numpy as np
import pylab as pl
# Use numpy to load the data contained in the file
# &fakedata.txt& into a 2-D array called data
data = np.loadtxt(&fakedata.txt&)
# plot the first column as x, and second column as y
pl.plot(data[:,0], data[:,1], &ro&)
pl.xlabel(&x&)
pl.ylabel(&y&)
pl.xlim(0.0, 10.)
4.2 写入数据到文件 Writing data to a text file
写文件的方法也很多，这里只介绍一种可用的写入文本文件的方法，更多的可以参考官方文档。
import numpy as np
# Let&s make 2 arrays (x, y) which we will write to a file
# x is an array containing numbers 0 to 10, with intervals of 1
x = np.arange(0.0, 10., 1.)
# y is an array containing the values in x, squared
print &x = &, x
print &y = &, y
# Now open a file to write the data to
# &w& means open for &writing&
file = open(&testdata.txt&, &w&)
# loop over each line you want to write to file
for i in range(len(x)):
# make a string for each line you want to write
# &\t& means &tab&
# &\n& means &newline&
# &str()& means you are converting the quantity in brackets to a string type
txt = str(x[i]) + &\t& + str(y[i]) + & \n&
# write the txt to the file
file.write(txt)
# Close your file
file.close()
这部分是翻译自：
对LaTeX数学公式的支持
Matlplotlib对LaTeX有一定的支持，如果记得使用raw字符串语法会很自然：
xlabel(r"$\frac{x^2}{y^4}$")
在matplotlib里面，可以使用LaTex的命令来编辑公式，只需要在字符串前面加一个&r&即可
Here is a simple example:
# plain textplt.title('alpha & beta')
produces &alpha & beta&.
Whereas this:
produces "".
这里给大家看一个简单的例子。
import matplotlib.pyplot as plt
x = arange(1,1000,1)r = -2c = 5y = [5*(a**r) for a in x]
fig = plt.figure()
ax = fig.add_subplot(111)ax.loglog(x,y,label = r"$y = \frac{1}{2\sigma_1^2}, c=5,\sigma_1=-2$")ax.legend()ax.set_xlabel(r"x")ax.set_ylabel(r"y")
程序执行结果如图3所示，这实际上是一个power-law的例子，有兴趣的朋友可以继续google之。
再看一个《用Python做科学计算》中的简单例子，下面的两行程序通过调用plot函数在当前的绘图对象中进行绘图：
plt.plot(x,y,label="$sin(x)$",color="red",linewidth=2)plt.plot(x,z,"b--",label="$cos(x^2)$")
plot函数的调用方式很灵活，第一句将x,y数组传递给plot之后，用关键字参数指定各种属性：
label : 给所绘制的曲线一个名字，此名字在图示(legend)中显示。只要在字符串前后添加"$"符号，matplotlib就会使用其内嵌的latex引擎绘制的数学公式。
color : 指定曲线的颜色
linewidth : 指定曲线的宽度
详细的可以参考matplotlib官方教程:
有几个问题：
matplotlib.rcParams属性字典
想要它正常工作，在matplotlibrc配置文件中需要设置text.markup = "tex"。
如果你希望图表中所有的文字（包括坐标轴刻度标记）都是LaTeX'd,需要在matplotlibrc中设置text.usetex = True。如果你使用LaTeX撰写论文，那么这一点对于使图表和论文中其余部分保持一致是很有用的。
对数坐标轴
在实际中，我们可能经常会用到对数坐标轴，这时可以用下面的三个函数来实现
ax.semilogx(x,y) #x轴为对数坐标轴
ax.semilogy(x,y) #y轴为对数坐标轴
ax.loglog(x,y) #双对数坐标轴
Gnuplot的介绍
官方英文资料：
IBM:(2005年的文章有点旧)
(绘制不连续函数的不连续点；参数曲线上绘制方向箭头；修改缺省刻度数目；Y轴不同区间使用不同颜色填充的曲线区域。)
随笔 - 123java中可以使用python画统计图吗_百度知道
java中可以使用python画统计图吗
我有更好的答案
1） 所有与‘绘制’相关的方法应该在show() 方法调用之前调用2） java 语言中会继承/调用一个与绘图相关的对象（JFrame之类）来处理’绘制‘ 工作3)
java中的GUI程序都是一层一层的panel 嵌套实现的。
采纳率：94%
来自团队：
为您推荐：
其他类似问题
您可能关注的内容
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。大部分人都不知道-Python竟能画这么漂亮的花，
欢迎关注天善智能微信公众号，我们是专注于商业智能BI，大数据，数据分析领域的垂直社区。 对商业智能BI、大数据分析挖掘、机器学习，python，R等数据领域感兴趣的同学加微信：tstoutiao，邀请你进入头条数据爱好者交流群，数据爱好者们都在这儿。
这是菜鸟学python的第26篇原创文章
阅读本文大概需要3分钟
关于函数和模块讲了这么久，我一直想用一个好玩有趣的小例子来总结一下，同时也作为实战练习一下。
趣味编程其实是最好的学习途径，回想十几年前我刚毕业的时候，第一份工作就给手机上写app，当时觉得非常好玩,那个是时候还是用symbian系统，熬了好几个通宵用j2me写了一个坦克大战，到现在还记得当程序运行的时候坦克互战的情景,真的是蛮兴奋的。
好吧一下子扯远了，我们还是回到正题：我想来想去，决定要找一个好玩有趣的例子来总结，总于被我找到了，这个例子只有20几行代码,非常适合初学者.
我们先来看一下效果图:
1.引入模块
Python标准库里有一个非常有趣可以画画的小模块叫turtle(海龟),我们先引入这个模块
import turtle
#从标准库里面引入turtle
defdraw_art(): window=turtle.Screen()
#获得一个窗口句柄 window.bgcolor(
#把背景设为蓝色 window.exitonclick()
#当点击一下窗口会自动关闭 draw_art()
2.画一个小海龟出来
第一步我们已经把窗口创建好了，你可以认为是一个画布已经ok了，下面我们要让主角登场了，把海龟画出来.
import turtle
defdraw_art(): window=turtle.Screen() window.bgcolor(
#创建一个Turtle的实例这里用了类的概念，实例化一个Turtle。类的概念后面文章会讲 brad=turtle.Turtle() brad.shape(
#形状是一个海龟除了画海龟还可以画箭头，圆圈等等 brad.color(
#颜色是橙色 brad.speed(
#画的速度是快速 window.exitonclick()
#当点击一下窗口会自动关闭 draw_art()
3.画一个海龟走两步的图
我们让海龟在图上走100步，然后再往下45度走100步
import turtle
defdraw_art(): window=turtle.Screen() window.bgcolor(
"blue") brad=turtle.Turtle()
#创建一个Turtle的实例 brad.shape(
#形状是一个海龟除了画海龟还可以画箭头，圆圈等等 brad.color(
#颜色是橙色 brad.speed(
#画的速度是快速 brad.forward(
#向前走100步 brad.right(
#然后海龟头向右转45度 brad.forward(
#继续向前走100步 brad.right(
#然后有向右转135度 window.exitonclick() draw_art()
4.画出一个菱形
刚才我们已经画来2边，一个完整的菱形还差2边，所以我们只需要把刚才走的路循环一下，把刚才的几步抽象成一个小函数(把代码抽取成一个独立的函数，是重构经常用的技巧)，然后循环2次，就搞定了.
import turtle
defdraw_diamond(turt):
3): turt.forward(
#向前走100步 turt.right(
#然后海龟头向右转45度 turt.forward(
#继续向前走100步 turt.right(
#然后有向右转135度
defdraw_art(): window=turtle.Screen() window.bgcolor(
"blue") brad=turtle.Turtle()
#创建一个Turtle的实例 brad.shape(
#形状是一个海龟除了画海龟还可以画箭头，圆圈等等 brad.color(
#颜色是橙色 brad.speed(
#画的速度是快速 draw_diamond(brad)
#抽象一个新的函数，专门画菱形 window.exitonclick() draw_art()
5.画出一朵漂亮的花
前面的4步我们已经可以画出一个菱形了，其实这个菱形是我们要画一个花瓣，接着我们主要把菱形向右旋转10度，然后继续画一个花瓣出来，这样循环一周360度，就花出一个漂亮的花了，最后当海龟回到花心的时候，我们把海龟的头向右转90度，花一根长的线就大功告成了.是不是等不急，快来看源码吧
import turtle
defdraw_diamond(turt):
3): turt.forward(
#向前走100步 turt.right(
#然后海龟头向右转45度 turt.forward(
#继续向前走100步 turt.right(
#然后有向右转135度
defdraw_art(): window=turtle.Screen() window.bgcolor(
"blue") brad=turtle.Turtle()
#创建一个Turtle的实例 brad.shape(
#形状是一个海龟除了画海龟还可以画箭头，圆圈等等 brad.color(
#颜色是橙色 brad.speed(
#画的速度是快速
#循环36次 draw_diamond(brad)
#单画一个菱形也就是花瓣 brad.right(
#旋转10度 brad.right(
#当花全部花完一周后，把海龟的头向右转90度 brad.forward(
#花一根长的线 window.exitonclick() draw_art()
#调用函数 然后运行就是开头的图了，是不是很酷啊~~
好了通过这个小例子希望大家能融汇函数和模块的知识，今天就讲到这里啦,希望能给初学者一些启发,若有什么不懂的，也可以留言跟我探讨交流.
最后说一下，原创真的不易，希望大家能够给点支持,欢迎转发,留言,赞赏也是对我的一点鼓励和动力.
转载请保留以下内容：
本文来源自天善社区菜鸟学Python老师的博客（公众号）。
原文链接： https://ask.hellobi.com/blog/caoniao_xueyuan/7582
责任编辑：
声明：本文由入驻搜狐号的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。
今日搜狐热点