第九周调研技能学习

第九周调研技能学习

Part1：Python安装与环境配置

一、通过Anaconda安装Python以及matplotlib和plotly。

Anaconda介绍

Anaconda是一个用于科学计算的Python发行版，Anaconda支持Linux，Max，Windows系统，提供了包管理和环境管理的功能，可以很方便的解决多版本python并存、切换以及各种第三方包安装问题。简而言之，Anaconda实际上可以便捷获取包和对包能够进行管理。

安装Anaconda软件

Anaconda官网：https://www.anaconda.com/distribution/
link

Anaconda的安装
通过官网可以轻松找到其下载链接，根据不同的操作系统选择安装不同的版本。建议安装在其推荐的位置上。

下载好后，打开安装一直点击Next就好。

• Anaconda的使用

1. 打开Anaconda Navigator
   
2. 点击左侧第二个栏目Environment
   
   其中，我们可以看到base这个环境，它里面包含了所有安装好的python的包，我们可以在右上角搜索它安装的包。
   比如说我们输入numpy,我们可以看到它已经成功的安装。
   
   类似的在搜索栏中输入matplotlib和plotly，在最新版本的Anaconda中这两个python包也应该已经被安装好。如下图：

• 创建虚拟环境并安装包

我们创建一个虚拟环境，然后在这个虚拟环境中配置各种各样的包，就可以在这个环境中运行目标程序。例如刚才在base环境中已经安装好了各种各样的包，为了不混淆，我们可以创建一个新的环境，将与科学绘图有关的python包安装在这个环境中。当然继续使用base环境也是可以的。

Step1：创建虚拟环境
可以使用如下命令创建环境：
conda create -n 环境名 -y
首先打开Anaconda Prompt，如下图：

输入conda create -n mindvision -y 创建名为mindvision的环境。

Step2：激活环境
可以使用如下命令激活环境：
conda activate 环境名
输入conda activate mindvision激活mindvision环境。

由此，我们的环境就从base变成了mindvision。
Step3：安装numpy、matplotlib和plotly工具包
拿plotly为例，进入plotly python的官网

点击左侧Getting started，里面它会告诉你如何安装它。因为我们已经安装了Anaconda，因此我们可以直接使用conda install来安装它。所以直接复制这句话在我们命令行里运行就可以。

显示如下：

输入y，开始安装该工具包，等待一段时间后，安装完成，会显示done的指令。
另外还要安装一些辅助的包，输入conda install -c plotly plotly-orca==1.3.1 psutil命令，安装此包，可以将plotly画出来的图保存在本地文件中。
同理可以进行numpy和matplotlib这两个包的安装。
numpy：https://numpy.org/ link
matplotlib： https://matplotlib.org/ link
plotly：https://plotly.com/python/ link
Step4：检验包是否安装成功
在命令行里输入python进入python运行环境，输入import plotly，发现没有报错说明安装成功，同理输入import numpy和import matplotlib检验numpy和matplotlib包是否安装成功。

二、Visual Studio Code的安装

Visual Studio Code 介绍

Visual Studio Code（简称VS Code）是一个由微软开发的免费、开源的代码编辑器，它支持多种编程语言的语法高亮、智能代码完成、括号匹配、代码缩进、代码片段、代码对比差异、Git 控制等功能。它还可以通过安装扩展来支持更多语言和工具，非常适合用于Python开发和其他编程活动。

• Visual Studio Code安装与配置python流程

进入官网安装
Visual Studio Code 官网
https://code.visualstudio.com link

打开 Visual Studio Code，进入extension（扩展）界面

安装Chinese插件并应用，再找到python的插件然后install就可以了。

这样Python安装与环境配置就成功了

TIPS:多看官网的demo，也就是实例。

Part2：numpy数组与Pandas DataFrame

Python中有两种常用数据类型——numpy数组与Pandas DataFrame。它们既是Python中数据分析的基础工具，也是Python中储存数据的主要手段。

一、Numpy 数组

1、导入库

打开一个空的Python文件，并使用import命令导入numpy

其中,as np是numpy的缩写，可以使用其他缩写或者不缩写。

2、利用zeros创建数组

第一种创建numpy数组的命令是zeros。

np.zeros表示创建元素都为0的数组。数组可以是一维的，也可以是多维的。如图所示，第一行表示创建一个长度为5，元素全为0的一维数组，而第二行表示创建一个5行3列，且元素均为0的二维数组。使用print命令输出两个数组，得到如下图结果：

可以看到，arr1与arr2的所有元素均为0。

3、定义数组的数据类型

在此基础上，我们给数组传入一个额外的参数，即dtype=数据类型，来定义数组的数据类型

在这里我们定义数组arr2的数据类型为整型。

再次打印数组，得到结果如下：

我们看到，第二个数组的元素由原先的0.变为0，说明数组的数据类型变成了整型。

4、使用array创建数组

第二种创建数组的方法是使用array函数。

使用np.array命令可直接创建数组，并且可以对数组进行初始化操作。如上图所示，第一个数组长度为3，元素数值为0，1，2，而第二个数组为3行3列二维数组。上述数组的初始化方式与C++类似，只是符号形式不同。

打印上述数组，得到如下结果：

5、数组的shape

Numpy数组有个重要属性shape,arr.shape命令表示返回数组的形状。

在这里，我们输出数组arr2的形状，得到结果如下：

我们看到，arr2.shape表示返回整个数组的形状，其中第一个元素表示数组的行数，第二个元素表示数组列数。arr2.shape[0]表示返回数组的行数，arr2.shape[1]表示返回数组列数，通过手动添加数组arr2的行数并进行相同的输出操作可证明这一点。

6、arange函数创建数组

第三种创建numpy数组的方法是调用arange函数,np.arange命令表示生成一维递增数组。

其中，第一个参数表示数组的开始值，第二个参数表示数组的结束值。

那么，如何调整数组递增的快慢呢？这就需要第三个参数—步长，来实现这一点。步长是指数组单次递增的数值。默认情况下数组默认步长为1。

输出这个数组，得到如下结果：

通过输出结果可以验证，默认情况下数组的步长为1.

将步长设置为0.5

并打印数组得到如下结果：

从中看到，数组步长被修改为0.5.

值得注意的一点是，如果结束值与开始值之差为步长的整数倍时，结束值不会被包括在生成数组之中。这时，只需微调数组的结束值，如将结束值从10改为10.001，就可以包括原先的结束值10.

7.调用linspace函数创建数组

np.linspace()命令表示给定上下限和元素个数的一维数组。下面我们用一个示例来说明这一点。

调用linspace函数创建数组如下：

其中，前两个参数与arange相同，各自代表数组的开始值与结束值。与arange函数不同的是，第三个参数表示数组的长度。根据这三个参数，计算机会计算出步长，自动生成线性递增的数组。

此外，利用linspace函数创建的数组中还有第四个参数，即endpoint。Endpoint表达的含义是是否包括数组的结束值。Endpoint类似C++中的布尔数据类型，有true与false两种取值，其中true指生成的数组包含结束值，false则相反。

下面是示例代码：

打印数组，得到如下结果：

将endpoint的取值改为False,得到如下结果：

可以看到，第一个数组包含了结束值10，而第二个数组未包含。

注：numpy数组的数据类型可以是混合类型，此时dtype设置成对象，即object类型即可。

二、Pandas DataFrame的数据结构

Pandas是一个基于numpy的python包，适合于进行统计工作。Dataframe是Pandas的基本数据类型，可通俗理解为二维numpy数组的加强版。它的特点是会对二维数组的每一行加上一个index,即索引号。同样，它也会对二维数组每一列加上一个label，即标签。

使用import命令导入numpy和Pandas，其中“as np”和”as pd”为numpy和Pandas的缩写，可以使用别的缩写或者不写。

1、利用二维numpy数组创建DataFrame。

下面以一个学生的数学、英语成绩统计为例讲解这个方法。

我们手动输入一个二维numpy数组如下：

我们创建了一个3*3二维数组。其中，每行的第一个元素是字符串，表示姓名；每行的后两个元素是数字，表示学生的数学与英语成绩。

然后调用DataFrame函数并传入数组，代码格式如下：

注：index为行的编号，默认值为0，1，2…… Columns为每一列的名称

打印数组及其标签

得到输出如下所示：

可以看到，输出结果类似于表格。其中，左侧“1，2，3”数字为每一行的编号，name,math,english为每一列的标签。

2.使用dict()对象创建DataFrame

dict()是字典数据类型，是Python中自带的数据类型。dict数据类型包含了一个个独立的标签，对应于二维numpy数组中的列。其基本语法结构如下：

我们用dict()对象创建前述相同数组

使用print(arr)输出，得到了相同的输出结果。

Part3：绘制简单曲线

一、 图片对象的基本操作

• 导入所需模块
  

• 直接调用plot和show

可得到如下图片，快速但不方便管理

• 绘制并保存图片到相应路径

​ 也可在创建图片对象是改变其大小，如图

​ 运行一下程序得到一张图片

​ 并保存到了输入的图片路径中

二、设置坐标轴标签及图片标题

x轴和y轴名称及大小，以及子图名称图片总标题（均默认为英文）

三、绘制基本函数

• 绘制高斯函数的图像

运行一下代码，即可得到范围为[-1,1]的高斯分布曲线

四、 读取文本文件

接下来我们实践如何从一个文本文件中接收一个二维数组，并将其绘制在坐标图上

• 创建txt文本

  将已经创建好的Excel表格另存为.txt文本文件，并保存在.py的当前文件夹中

• 在当前文件夹的.py文件中编写代码

  

• 运行程序