Numpy库和Matplotlib学习笔记

（一）、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、数组的创建

 

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(4) 
print(x)
# 设置类型为整数
y = np.zeros((4), 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)]]

二、数组的属性

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)

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

 

 

 

 

 

 

 

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：

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

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))

 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.]

（二）

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

matplotlib.pyplot 是matplotlib 的子库，提供一批预定义的绘图函数

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

实例：

import matplotlib.pyplot as plt
plt.subplot(324)
plt.show()

结果：

 

 

 

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 轴 ") 
plt.ylabel("y 轴 ")
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

 

 

 

（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([18,10,18,14,18,24,36,40,38])#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:2019310143046')#为全局绘图区添加文字
plt.grid(True)
plt.show()