Numpy和Matplotlib读书笔记
Numpy库(用于处理含有同种元素的多维数组运算的第三方库)
概述：Python 标准库中提供了一个array 类型，用于保存数组类型数据，然而这个类型不支持多维数据，处理函数也不够丰富，不适合用于做数值运算。numpy 库处理的最基础数据类型是由同种元素构成的多维数组（ndarray），简称“数组”。
数组中所有元素的类型必须相同，数组中元素可以用整数索引，序号从0开始。ndarray 类型的维度(dimensions)叫做轴(axes)，轴的个数叫做秩(rank)。一维数组的秩为1，二维数组的秩为2，二维数组相当于由两个一维数组构成。
由于numpy 库中函数较多且命名容易与常用命名混淆，建议采用如下方式引用numpy 库：
>>>import numpy as np（在程序的后续部分中，np 代替numpy）
一、创建数组
| 函数 | 描述 |
| np.array([x,y,z],dtype=int) | 从Python列表和元组创造数组 |
| np.arange(x,y,i) | 创建一个由x到y，以i为步长的数组 |
| np.linspace(x,y,n) | 创建一个由x到y，等分成n个元素的数组 |
| np.indices((m,n)) | 创建一个m行n列的随机数组 |
| np.random.rand(m,n) | 创建一个m行n列的随机数组 |
| np.ones((m,n),dtype) | 创建一个m行n列全1的数组，dtype是数据类型 |
| np.empty((m,n),dtype) | 创建一个m行n列全0的数组，dtype是数据类型 |
实例
import numpy as np
# 默认为浮点数
x = np.zeros(5)
print(x)
# 设置类型为整数
y = np.zeros((5,), dtype = np.int)
print(y)
# 自定义类型
z = np.zeros((2,2), dtype = [('x', 'i4'), ('y', 'i4')])
print(z)
输出结果为：
[0. 0. 0. 0. 0.]
[0 0 0 0 0]
[[(0, 0) (0, 0)]
[(0, 0) (0, 0)]]
二、数组属性
| 函数 | 描述 |
| ndarray.ndim | 秩，即轴的数量或维度的数量 |
| ndarray.shape | 数组的维度，对于矩阵，n 行 m 列 |
| ndarray.size | 数组元素的总个数，相当于 .shape 中 n*m 的值 |
| ndarray.dtype | ndarray 对象的元素类型 |
| ndarray.itemsize | ndarray 对象中每个元素的大小，以字节为单位 |
| ndarray.flags | ndarray 对象的内存信息 |
| ndarray.real | ndarray元素的实部 |
| ndarray.imag | ndarray 元素的虚部 |
| ndarray.data | 包含实际数组元素的缓冲区，由于一般通过数组的索引获取元素，所以通常不需要使用这个属性 |
实例
import numpy as np
a = np.array([[1,2,3],[4,5,6]])
print (a.shape)
输出结果：
(2, 3)
三、数组操作
| 函数 | 描述 |
| np.reshape | 不改变数据的条件下修改形状 |
| np.flat | 数组元素迭代器 |
| np.flatten | 返回一份数组拷贝，对拷贝所做的修改不会影响原始数组 |
| np.ravel | 返回展开数组 |
实例
import numpy as np
a = np.arange(8)
print ('原始数组：')
print (a)
print ('\n')
b = a.reshape(4,2)
print ('修改后的数组：')
print (b)
输出结果如下：
原始数组：
[0 1 2 3 4 5 6 7]
修改后的数组：
[[0 1]
[2 3]
[4 5]
[6 7]]
四、切片与索引
| 函数 | 描述 |
| a[i] | 索引第i个元素 |
| a[-i] | 从后向前索引第i个元素 |
| a[n:m] | 默认步长为1，从前往后索引，不包含m |
| a[-m:-n] | 默认步长为1，从后往前索引，结束位置为n |
| a[n,m,i] | 指定i步长的由n到m的索引 |
切片对象可以通过内置的 slice 函数，并设置 start, stop 及 step 参数进行，从原数组中切割出一个新数组。
实例
import numpy as np
a = np.arange(10)
s = slice(2,7,2) # 从索引 2 开始到索引 7 停止，间隔为2
print (a[s])
输出结果为：
[2 4 6]
切片还可以包括省略号 …，来使选择元组的长度与数组的维度相同。 如果在行位置使用省略号，它将返回包含行中元素的 ndarray。
实例
import numpy as np
a = np.array([[1,2,3],[3,4,5],[4,5,6]])
print (a[...,1]) # 第2列元素
print (a[1,...]) # 第2行元素
print (a[...,1:]) # 第2列及剩下的所有元素
输出结果为：
[2 4 5]
[3 4 5]
[[2 3]
[4 5]
[5 6]]
五、算术运算
| 函数 | 描述 |
| np.add[x1,x2] | y = x1+x2 |
| np.subtract(x1,x2) | y = x1-x2 |
| np.multiply(x1,x2) | y = x1*x2 |
| np.divide(x1,x2) | y = x1/x2 |
| np.floor_divide(x1,x2) | y = x1//x2,返回值取整 |
| np.negative(x) | y = -x |
| np.reciprocal(x) | y = 1/x |
| np.power(x1,x2) | y = x1**x2 |
| np.remainder(x1,x2)/np.mod(x1,x2) | y = x1%x2 |
实例 import numpy as np a = np.array([10,100,1000]) print ('我们的数组是；') print (a) print ('\n') print ('调用 power 函数：') print (np.power(a,2)) print ('\n') print ('第二个数组：') b = np.array([1,2,3]) print (b) print ('\n') print ('再次调用 power 函数：') print (np.power(a,b)) 输出结果为： 我们的数组是； [ 10 100 1000] 调用 power 函数： [ 100 10000 1000000 第二个数组： [1 2 3] 再次调用 power 函数： [ 10 10000 1000000000]
六、比较运算
| 函数 | 描述 |
| np.equal(x1,x2) | y = x1==x2 |
| np.not_equal(x1,x2) | y = x1!=x2 |
| np.less(x1,x2) | y = x1<x2 |
| np.less_equal(x1,x2) | y = x1<=x2 |
| np.greater(x1,x2) | y = x1>x2 |
| np.greater_equal(x1,x2) | y = x1>=x2 |
| np.where(conditionp[x,y]) | 根据给出的条件判断输出x还是y |
实例 import numpy as np np.less([1,2],[2,2]) 输出结果为： array([ True, False])
七、数学运算函数
np.pi:是一个常量，代表3.1415926...
Numpy提供了标准的三角函数：sin()、cos()、tan()，
arcsin，arccos，和 arctan 函数返回给定角度的 sin，cos 和 tan 的反三角函数，
这些函数的结果可以通过 numpy.degrees() 函数将弧度转换为角度。
实例 import numpy as np a = np.array([0,30,45,60,90]) print ('含有正弦值的数组：') sin = np.sin(a*np.pi/180) print (sin) print ('\n') print ('计算角度的反正弦，返回值以弧度为单位：') inv = np.arcsin(sin) print (inv) print ('\n') print ('通过转化为角度制来检查结果：') print (np.degrees(inv)) 输出结果：
含有正弦值的数组： [0. 0.5 0.70710678 0.8660254 1. ] 计算角度的反正弦，返回值以弧度为单位： [0. 0.52359878 0.78539816 1.04719755 1.57079633] 通过转化为角度制来检查结果： [ 0. 30. 45. 60. 90.]
八、其他运算函数
| 函数 | 描述 |
| np.abs(x) | 计算基于元素的整形，浮点或复数的绝对值 |
| np.sqrt(x) | 计算每个元素的平方根 |
| np.squre(x) | 计算每个元素的平方 |
| np.sign(x) | 计算每个元素的符号 |
| np.ceil(x) | 计算大于或等于每个元素的最小值 |
| np.floor(x) | 计算小于或等于每个元素的最大值 |
| np.rint(x[,out]) | 圆整，取每个元素为最近的整数，保留数据类型 |
| np.exp(x[,out]) | 计算每个元素指数值 |
| np.log(x),np.log10(x),np.log2(x) | 计算自然对数(e)，基于10，2的对数，log(1+x) |
实例 import numpy as np a = np.array([-1.7, 1.5, -0.2, 0.6, 10]) print ('提供的数组：') print (a) print ('修改后的数组：') print (np.floor(a)) print ('\n') print ('提供的数组：') print (a) print ('修改后的数组：') print (np.ceil(a)) 输出结果： 提供的数组： [-1.7 1.5 -0.2 0.6 10. ] 修改后的数组： [-2. 1. -1. 0. 10.] 提供的数组： [-1.7 1.5 -0.2 0.6 10. ] 修改后的数组： [-1. 2. -0. 1. 10.]
Matplotlib库(提供数据绘图功能的第三方库，其pyplot 子库主要用于实现各种数据展示图形的绘制)
Matplotlib 默认情况不支持中文，为了正确显示中文字体，请用以下代码更改默认设置,其中'SimHei'表示黑体字。
>>> import matplotlib >>> matplotlib.rcParams['font.family']='SimHei' >>> matplotlib.rcParams['font.sans-serif']=['SimHei']#更新字体格式
字体扩展：
matplotlib.pyplot 是matplotlib 的子库，提供一批预定义的绘图函数,引用方式如下：
>>>import matplotlib.pyplot as plt
>>>import matplotlib.pyplot as plt
上述语句与import matplotlib.pyplot 一致，as 保留字与import 一起使用能够改变后续代码中库的命名空间，有助于提高代码可读性。简单说，在后续程序中，plt 将代替matplotlib.pyplot。
plt 子库提供了一批操作和绘图函数，每个函数代表对图像进行的一个操作，比如创建绘图区域、添加标注或者修改坐标轴等。这些函数采用plt.<b>()形式调用，其中<b>是具体函数名称。
一、plt 库的绘图区域函数
| 函数 | 描述 |
| plt.figure(figsize=None,facecolor=None) | 创建一个全局绘图区域 |
| plt.axes(rect,axisbg='w') |
创建一个坐标系风格的自绘图区域 （axes()默认创建一个subplot(111)坐标系，参数rec = [left,bottom,width,height]中四个变量的范围都为[0,1]，表示坐标系与全局绘图区域的关系；axisbg 指背景色，默认为white。） |
| plt.subplot(nrows,ncols,plot_number) |
在全局绘图区域中创建一个自绘图区域 （其参数表示将全局绘图区域分成nrows 行和ncols 列） |
| plt.subplots_adjust() | 调整子图区域的布局 |
import matplotlib.pyplot as plt plt.subplot(324) plt.show()
结果如图：
二、plt 库的读取和显示函数
三、plt 库的标签设置函数
实例
import matplotlib.pyplot as plt plt.xlabel("x axis ") plt.ylabel("y axis ")
plt.title("Matplotlib demo") plt.show()
结果如图：
四、plt 库的基础图表函数
实例
import numpy as np import matplotlib.pyplot as plt
x = np.arange(1,11) y = 2 * x + 5 plt.title("Matplotlib demo") plt.xlabel("x axis ") plt.ylabel("y axis ") plt.plot(x,y) plt.show()
结果如图：
实例 import numpy as np import matplotlib.pyplot as plt # 计算正弦曲线上点的 x 和 y 坐标 x = np.arange(0, 3 * np.pi, 0.1) y = np.sin(x) plt.title("sine wave form") # 使用 matplotlib 来绘制点 plt.plot(x, y) plt.show()
结果如图：
import matplotlib.pyplot as plt import matplotlib matplotlib.rcParams['font.family']='SimHei' matplotlib.rcParams['font.sans-serif']=['SimHei'] plt.plot([1,2,4],[1,2,3]) plt.title("坐标系标题") plt.xlabel("时间(s) ") plt.ylabel("范围(m) ") plt.show()
结果如图：
五、plt 库的坐标轴设置函数
六、plt 库的区域填充函数
plt 库提供了3 个区域填充函数，对绘图区域填充颜色
特殊实例
（将python123作业的成绩做成雷达图，写上学号)
#DrawDota.py
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
matplotlib.rcParams['font.family']='SimHei'
matplotlib.rcParams['font.sans-serif']=['SimHei']
labels = np.array(['第一','第二','第三','第四','第五','第六','第七','第八','第九'])
nAttr = 9
data = np.array([30,14,16,28,36,38,40,40,40])#数据值
angles = np.linspace(0,2*np.pi,nAttr,endpoint=False)
data = np.concatenate((data,[data[0]]))#连接data和data[0]
angles = np.concatenate((angles,[angles[0]]))#连接angles和angles[0]
fig = plt.figure(facecolor="white")#创建一个全局绘图区域
plt.subplot(111,polar=True)
plt.title('Python123成绩表(单位:单元)')
plt.plot(angles,data,'bo-',color='b',linewidth=2)
plt.fill(angles,data,facecolor='r',alpha=0.8)
plt.thetagrids(angles*180/np.pi,labels)#在各个angles的位置上标记上对应的labels
plt.figtext(0.72,0.95,'学号:2019310143112')#为全局绘图区添加文字
plt.grid(True)
plt.show()
结果如图：
浙公网安备 33010602011771号