python

时间：2019-04-21 13:06:03 收藏：0 阅读：113

一：Numpy和matplotlib读书笔记

1.Numpy总结

1.Numpy数组

（1）创建数组

1)直接创建

a=np.array([1,2,3,4])

b=np.array([1,2,3,4],[5,6,7,8])

2)使用函数

b=np.arange(10)

linspace,ones,zeros,eye.randn,empty

（2）属性

ndim,shape,stride（跨度）

dtype（通过astype显示转换）

（3）索引和切片

1)一维

a[0],a[:4](半开),a[2:8:2](起始，结束，步长)，a[::]

2)二维

a[0,0],a[0][0]

3)布尔数组

a[a%2==0]

&,|,~

4)花式索引

利用整数数组进行索引

arr[[4,0,3,6]]

arr[[1,5,7,2],[0,3,1,2]]

arr[[1,5,7,2]][:,[0,3,1,2]]

arr[np.ix_([1,5,7,2],[0,3,1,2])]

（4）2个注意点

1)Numpy总是试图自动把结果转换为行向量

2)Numpy数组是共享内存的，除非显示复制（.copy()）

2.Numpy运算

（1）数组和标量

a+5（每个数加5）

a*3（每个数乘3）

比循环速度快

（2）数组和数组

1）维度相同

对应位置逐个元素进行运算（a+b,c*d）

矩阵内积np.dot()

矩阵外积np.multiply.outer(arr,np.arange(5))

2）维度不同

广播机制

针对布尔数组，可以使用all()/any()函数来返回布尔数组的标量值

（3）内置函数

1)线性代数 :dot，T，inv,qr,diag,trace,det,eig,solve,lstsq

2)随机数 :seed,rand,randint,randn,normal

3)将条件逻辑表述为数组运算:where(cond,x,y)当cond为True选x,否则选y

4)统计: sum,mean,std（标准差）var（方差）,min,max,argmin,argmax,cumsum（所有元素的累计和）,sumprod（所有元素的累计积）

5)合并和拆分：concatenate([arr1,arr2],axis=0)

6)元素重复操作: tile和repeat

7)花式索引: take和put

8)数组重塑：reshape,ravel（互逆过程），newaxis（传入-1,表示该维度大小由数据本身推断而来）

9)转置和轴对称：T或transpose

10)排序:sort（默认升序），argsort

11)唯一化:np.unique

12)多项式求解和多项式拟合:

创建 p=np.poly1d（[1,-4,3]） #x^2-4*x+3

求根 p.roots

阶数 p.order

系数 p.coeffs

拟合 np.polyfit(x,y,n_order(阶数））

13)保存和读取: np.savetxt(‘a.txt‘,a),np.loadtxt(‘a.txt‘)

（4）通用函数

矢量化包装器

一元ufunc

abs,sqrt,square,exp,log,sign,ceil,floor,modf,isnan,isinf,cos,cosh,arccos

二元ufunc

add,substract,multiply,divide,power,maximum,minimum,mod,copysign

（5）C和Fortran顺序

C，矩阵行优先

Fortran,矩阵全都是列优先

！！！注意：axis,0表示按行计算，1表示按列计算。

2.matplotlib总结

4种线性： - 实线 --虚线 -.点划线：点线
23种点形状：

"."point","pixel"o"circle"v"triangle_down
"^"triangle_up"<"triangle_left">"triangle_right"1"tri_down
"2"tri_up"3"tri_left"4"tri_right"8"octagon
"s"square"p"pentagon"*"star"h"hexagon1"H"hexagon2
"+"plus"x"x"D"diamond"d"thin_diamond

# 创建一个 8 * 6 点（point）的图，并设置分辨率为 80
figure(figsize=(8,6), dpi=80)
plt.figure(1)                # 第一张图
plt.subplot(211)             # 第一张图中的第一张子图
plt.xlabel(‘Smarts‘)
plt.ylabel(‘Probability‘)
#添加标题
plt.title(‘Histogram of IQ‘)
#添加文字
plt.text(60, .025, r‘$\mu=100,\ \sigma=15$‘)
#图中任意位置（60, .025）添加文字
plt.axis([40, 160, 0, 0.03])
#设置坐标大小，或x，y分别设置
   xlim(-4.0,4.0)
   ylim(-4.0,4.0)
   xmin ,xmax = X.min(), X.max()
   ymin, ymax = Y.min(), Y.max()

dx = (xmax - xmin) * 0.2
dy = (ymax - ymin) * 0.2

xlim(xmin - dx, xmax + dx)
ylim(ymin - dy, ymax + dy)

#横纵坐标起始终止位置
xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],[r‘$-\pi$‘, r‘$-\pi/2$‘, r‘$0$‘, r‘$+\pi/2$‘, r‘$+\pi$‘])
或 xticks(np.linspace(-4,4,9,endpoint=True))
yticks([-1, 0, +1], [r‘$-1$‘, r‘$0$‘, r‘$+1$‘])
# 设置轴记号，轴记号的标签
plt.annotate(‘local max‘, xy=(2, 1), xytext=(3, 1.5),arrowprops=dict(facecolor=‘black‘, shrink=0.05),)

#用来注释图中的一些特征，要考虑两个点的坐标：被注释的地方xy(x, y)和插入文本的地方xytext(x, y)。

#plt.legend()添加图例
plot(X, C, color="blue", linewidth=2.5, linestyle="-",      label="cosine")
plot(X, S, color="red", linewidth=2.5, linestyle="-",         label="sine")
legend(loc=‘upper left‘)

#在matplotlib中，整个图像为一个Figure对象。在Figure对象中可以包含一个，或者多个Axes对象。每个Axes对象都是一个拥有自己坐标系统的绘图区域。（axes[左, 下, 宽, 高] ）
plt.axes([0.2, 0.6, .2, .2], axisbg=‘y‘)

plt.grid(True) #格子

figure参数

参数                   默认值                            描述
num                   1                                图像的数量
figsize                figure.figsize               图像的长和宽（英寸）
dpi                     figure.dpi                   分辨率（点/英寸）
facecolor            figure.facecolor         绘图区域的背景颜色
edgecolor           figure.edgecolor        绘图区域边缘的颜色
frameon             True                          是否绘制图像边缘

二：自定义手绘画

from PIL import Image
import numpy as np
vec_el=np.pi/2.2
vec_az=np.pi/4
depth=10
im=Image.open(‘咩.jpg‘).convert(‘L‘)
a=np.asarray(im).astype(‘float‘)
grad=np.gradient(a)
grad_x,grad_y=grad
grad_x=grad_x*depth/100
grad_y=grad_y*depth/100
dx=np.cos(vec_el)*np.cos(vec_az)
dy=np.cos(vec_el)*np.sin(vec_az)
dz=np.sin(vec_el)
A=np.sqrt(grad_x**2+grad_y**2+1.)
uni_x=grad_x/A
uni_y=grad_y/A
uni_z=1./A
a2=255*(dx*uni_x+dy*uni_y+dz*uni_z)
a2=a2.clip(0,255)
im2=Image.fromarray(a2.astype(‘unit8‘))
im2.save(‘咩.jpg‘)

技术分享图片 三：python作业雷达图

import numpy as np
import matplotlib.pyplot as plt
import matplotlib
labels = np.array([‘第一次‘,‘第二次‘,‘第三次‘,‘第四次‘,‘第五次‘,‘第六次‘])
dataLenth = 6
data = np.array([9,10,9,10,9,10])
angles = np.linspace(0, 2*np.pi, dataLenth, endpoint=False)
data = np.concatenate((data, [data[0]])) 
angles = np.concatenate((angles, [angles[0]])) 
fig = plt.figure()
ax = fig.add_subplot(111, polar=True)
ax.plot(angles, data, ‘ro-‘, linewidth=2)
ax.set_thetagrids(angles * 180/np.pi, labels, fontproperties="SimHei")
ax.set_title("简笺的成绩表", va=‘bottom‘, fontproperties="SimHei")
ax.grid(True)
plt.show()

技术分享图片

四：科学计算

#coding=gbk
import math
import matplotlib.pyplot as plt
import numpy as np
if __name__=="__main__":
    x = np.arange(0.05, 3, 0.05)
 
    y1 = [math.log(a, 1.5) for a in x]
    plt.plot(x, y1, linewidth=2, color=‘#007500‘, label=‘log1.5(x)‘)
    plt.plot([1, 1], [y1[0], y1[-1]], "r--", linewidth=2)
    y2 = [math.log(a, 2) for a in x]
    plt.plot(x, y2, linewidth=2, color=‘#9F35FF‘, label=‘log2(x)‘)
    y3 = [math.log(a, 3) for a in x]
    plt.plot(x, y3, linewidth=2, color=‘#F75000‘, label=‘log3(x)‘)
    plt.legend(loc=4)
    plt.grid(True)
    plt.show(）

技术分享图片

原文：https://www.cnblogs.com/wjaihui/p/10742099.html