#检测是否安装第三方库
pip show numpy
pip show matplotlib
一、numpy科学计算库的应用
1、numpy的数组对象-ndarray
Numpy最重要的一个特点是其N维数组对象ndarray,它是用于存放同类型元素的多维数组,ndarray中的每个元素在内存中占有相同大小的区域。
2、对象ndarray的常用方法
import numpy as np #导入第三方库
arr = np.array((1,5,4,3,6)) #1、创建数组对象arr
arr
arr2 = np.array([[2,4,6,7],[5,67,8,3],[3,5,7,8]]) #2、创建数组对象arr
arr2
arr3 = np.linspace(10,100,20)
arr3
arr4 = np.logspace(10,100,10)
arr4
arr4.shape #数组的形状是1行10列
arr2.shape #数组的形状是3行4列
arr4.size #数组的元素个数为10个
arr2.size #数组的元素个数为3*4=12个
arr2.ndim
3、nadarray对象的索引与切片
(1)索引支持正向索引(从左到右,下标从0开始不断增大)和反向索引(从右到左,下标从-1开始不断减小),与序列的索引和切片类似 (2)切片操作可通过slice函数,设置start]stop和step参数进行;也可以通过冒号分隔切片参数 start:stop:step进行。 (3)多维数组的操作与一维相似,每维索引切片直接用逗号分解
arr5 = np.arange(24).reshape([4,6])
arr5
arr5.T
arr5[0:3,2:5]
4、Numpy的通用函数
(1)数学函数 (2)随机函数 (3)统计函数 (4)其他函数
#(2)随机函数
arr6 = np.random.rand(3,5)
arr6
5、数组运算
1、Numpy的广播机制
(1)numPy中有两个数组的相加、相减以及相乘都是对应元素的操作
(2)广播机制:当两个数组的形状不相同时,可以通过扩展数组的方法来实现相加、相减、相乘的操作
2、运算类型:
(1)形状相同的数组间运算
(2)形状不同的数组间运算
(3)数组和标量间运算
(4)数组间的集合运算
(5)数组间的连接与分割
arr7 = np.random.uniform(10,100,(3,5,4))
arr7
arr8 = np.random.uniform(10,100,(3,5,4))
arr8
二、matplotlib数字可视化库的应用
1、matplotlib.pyplot绘图相关的对象:
(1)容器类:图(figure)、坐标系(axes)、坐标轴(axis)、刻度(tick)
(2) 基础类:线(line)、点(narker)、文本(text)、图例(legend)、网格(grid)、标题(title)
2、绘图的类型:
(1)线型图:plot()
(2)直方图:hist()
(3)条形图:bar()
(4)饼图:pie()
(5)散点图:scatter()
(6)3D图:from mpl_toolkits.nplt3d import Axes3D
import matplotlib.pyplot as plt #导入第三方库,别名plt
#(1)线型图:plot()
#plt.plot([1,5,0,3,9]) #当里面为一组数组时是表示个点的y坐标,x坐标默认为0,1,2 .。。
#plt.plot([1,5,0,3,9],[1,3,5,7,9])
#plt.plot((1,3),(5,3),(0,5),(3,7),(9,9)) #里面有两个数组时,x坐标在y坐标在后
plt.plot([2,5,6,3,2],[2,2,3,3,2]) #绘制平行四边形
plt.axis([0,8,0,5]) #设置坐标轴的取值范围,数据需要用列表描述
#plt.axis('off')
plt.savefig('../R&Q_pic/test0.png',dpi = 600) #图片保存在指定的文件夹中,图表的分辨率为600像素