Numpy與Matplotlib讀書筆記2020-05-06
數組
1、numpyless
簡介dom
numpy 庫還包括三角運算函數、傅里葉變換、隨機和機率分佈、基本數值統計、位運算、矩陣運算等很是豐富的功能;ide
numpy 庫處理的最基礎數據類型是由同種元素構成的多維數組(ndarray),簡稱「數組」;函數
數組中全部元素的類型必須相同,數組中元素能夠用整數索引,序號從0開始。ndarray 類型的維度(dimensions)叫作軸(axes),軸的個數叫作秩(rank)。一維數組的秩爲1,二維數組的秩爲2,二維數組至關於由兩個一維數組構成;佈局
因爲numpy 庫中函數較多且命名容易與經常使用命名混淆,建議採用以下方式引用numpy 庫: >>>import numpy as np;ui
其中,as 保留字與import 一塊兒使用可以改變後續代碼中庫的命名空間,有助於提升代碼可讀性。簡單說,在程序的後續部分中,np 代替numpy。spa
numpy 庫經常使用的建立數組函數3d
函數 | 描述 |
np.array([x,y,z],dtype=int) | 從Python列表和元祖創造數組 |
np.arange(x,y,i) | 建立一個由x到y,以i爲步長的數組 |
np.linspace(x,y,n) | 建立一個由x到y,等分紅n個元素的數組 |
np.indices((m,n)) | 建立一個m行n列的矩陣 |
np.random.rand(m,n) | 建立一個m行n列的隨機數組 |
np.ones((m,n),dtype) | 建立一個m行n列全1的數組,dtype是數據類型 |
np.empty((m,n),dtyoe) | 建立一個m行n列全0的數組,dtype是數據類型 |
numpy 庫的算術運算函數code
函數 | 描述 |
np.add(x1,x2[,y]) | y=x1+x2 |
np.subtract(x1,x2[,y]) | y=x1-x2 |
np.multiply(x1,x2[,y]) | y=x1*x2 |
np.divide(x1,x2[,y]) | y=x1/x2 |
np.floor_divide(x1,x2[,y]) | y=x1//x2 |
np.negative(x[,y]) | y=-x |
np.power(x1,x2[,y]) | y=x1**x2 |
np.remainder(x1,x2[,y]) | y=x1%x2 |
numpy 庫的比較運算函數
函數 | 符號概述 |
np.equal(x1,x2[,y]) | y=x1==x2 |
np.not_equal(x1,x2[,y]) | y=x1!=x2 |
np.less(x1,x2[,y]) | y=x1<x2 |
np.less_equal(x1,x2[,y]) | y=x1<=x2 |
np.greater(x1,x2[,y]) | y=x1>x2 |
np.greater_equal(x1,x2[,y]) | y=x1>=x2 |
np.where(condition[x,y]) | 根據給出的條件判斷輸出x仍是y |
其將返回一個布爾數組,它包含兩個數組中對應元素值的比較結果;
numpy 庫的其餘運算函數
函數 | 描述 |
np.abs(x) | 計算基於元素的整形,浮點或複數的絕對值 |
np.sqrt(x) | 計算每一個元素的平方根 |
np.squre(x) | 計算每一個元素的平方 |
np.sign(x) | 計算每一個元素的符號:1(+),0,-1(-) |
np.ceil(x) | 計算大於或等於每一個元素的最小值 |
np.floor(x) | 計算小於或等於每一個元素的最大值 |
np.rint(x[,out]) | 圓整,取每一個元素爲最近的整數,保留數據類型 |
np.exp(x[,out]) | 計算每一個元素的指數值 |
np.log(x),np.log10(x),np.log2(x) | 計算天然對數(e),基於10,2的對數 |
2、matplotlib庫
簡介
plt 庫的繪圖區域函數
plt.figure(figsize=None,facecolor=None) | 建立一個全局繪圖區域 |
plt.axes(rect.axisbg='w') | 建立一個座標系風格的子繪圖區域 |
plt.subplot(nrows,ncols,plot_number) | 在全局繪圖區域中建立一個子繪圖區域 |
plt.subplots_adjust() | 調整子繪圖區域的佈局 |
plt 庫的讀取和顯示函數
函數 | 描述 |
plt.legend() | 在繪圖區域中方式繪圖標籤(也稱圖注) |
plt.show() | 顯示建立的繪圖對象 |
plt.matshow() | 在窗口顯示數組矩陣 |
plt.inshow() | 在axes上顯示圖像 |
plt.imsave() | 保存數組爲圖像文件 |
plt.imread() | 從圖像文件中讀取數組 |
plt 庫的基礎圖表函數
操做 | 描述 |
plt.plot(x,y,label,color,width) | 根據x,y數組繪製直/曲線 |
plt.boxplot(data,notch,position) | 繪製一個箱型圖(Box-plot) |
pli.bar(left,height,width,bottom) | 繪製一個條形圖 |
plt.barh(bottom,width,height,left) | 繪製一個橫向條形圖 |
plt 庫的基礎圖表函數
plt.polar(theta,r) | 繪製橫座標圖 |
plt.pie(data.explode) | 繪製餅圖 |
plt.psd(x,NFFT=256,pad_to,Fs) | 繪製功率譜密度圖 |
plt.specgram(x,NFFT=256,pad_to,F) | 繪製譜圖 |
plt.cohere(x,y,NFFT=256,Fs) | 繪製X-Y的相關性函數 |
plt.scatter() | 繪製散點圖(x,y長度相同的序列) |
plt.steo(x,y,where) | 繪製步階圖 |
plt.hist(x,bins,normed) | 繪製直方圖 |
將Python123中做業成績繪製成雷達圖
1 import numpy as np 2 import matplotlib.pyplot as plt 3 4 #標籤 5 labels = np.array(['第一週','第二週','第三週','第四周','第五週','第六週']) 6 #數據個數 7 dataLenth = 6 8 #數據 9 data = np.array([50,100,93,107,110,60]) 10 11 angles = np.linspace(0, 2*np.pi, dataLenth, endpoint=False) 12 data = np.concatenate((data, [data[0]])) # 閉合 13 angles = np.concatenate((angles, [angles[0]])) # 閉合 14 15 fig = plt.figure() 16 ax = fig.add_subplot(111, polar=True)# polar參數!! 17 ax.plot(angles, data, 'bo-', linewidth=2)# 畫線 18 ax.fill(angles, data, facecolor='r', alpha=0.55)# 填充 19 ax.set_thetagrids(angles * 180/np.pi, labels, fontproperties="SimHei") 20 ax.set_title("馬曉嘉(學號:2019310143026)成績雷達圖", va='bottom', fontproperties="SimHei") 21 ax.set_rlim(0,110) 22 ax.grid(True) 23 plt.show()
自定義手繪風
1 from PIL import Image 2 import numpy as np 3 4 a = np.asarray(Image.open("d:\GEM.jpg").convert('L')).astype('float') 5 6 depth = 10. #(0-100) 7 grad = np.gradient(a) #取圖像灰度的梯度值 8 grad_x, grad_y = grad #分別取橫縱圖像的梯度值 9 grad_x = grad_x*depth/100. 10 grad_y = grad_y*depth/100. 11 A = np.sqrt(grad_x**2 + grad_y**2 + 1.) 12 uni_x = grad_x/A 13 uni_y = grad_y/A 14 uni_z = 1./A 15 16 vec_el = np.pi/2.2 # 光源的俯視角度,弧度值 17 vec_az = np.pi/4. # 光源的方位角度,弧度值 18 dx = np.cos(vec_el)*np.cos(vec_az) #光源對x 軸的影響 19 dy = np.cos(vec_el)*np.sin(vec_az) #光源對y 軸的影響 20 dz = np.sin(vec_el) #光源對z 軸的影響 21 22 b = 255*(dx*uni_x + dy*uni_y + dz*uni_z) #光源歸一化 23 b = b.clip(0,255) 24 25 im = Image.fromarray(b.astype('uint8')) #重構圖像 26 im.save('GEM.jpg') 27 print("圖像手繪化已完成")
這裏我用了我偶像GEM鄧紫棋的新專輯圖片,來看看效果吧!
使用matplotlib繪製sinx,cosx圖像
1 from matplotlib import pyplot as plt 2 import numpy as np 3 plt.figure(figsize=(4,2))#生成的圖片的大小 4 x = np.linspace(-2 * np.pi,2*np.pi,100)#設置一個序列(-2pi,2pi,之間設置100個點) 5 y = np.sin(x)#須要繪製的函數 6 y1 = np.cos(x) 7 8 plt.ylim(-1,1)#限制y軸的範圍 9 plt.xlim(-4,4)#x軸的範圍 10 11 plt.xlabel("X") 12 plt.ylabel("Y") 13 plt.title("sinx cosx ") 14 plt.plot(x,y,label="sinx") 15 plt.plot(x,y1,label = "cosx") 16 plt.text(1,1,"Text",fontdict={'size':16,'color':'r'}) 17 plt.annotate('sin(np.pi)=',xy =(-np.pi,0),xytext=(-np.pi,2),fontsize=16, 18 arrowprops = dict(facecolor='black',shrink=0.01))#設置註釋 19 plt.show()