python学习-常用函数

python函数

1.axis=1或axis=0

简单的来记就是axis=0代表往跨行（down)，而axis=1代表跨列（across)

Pandas保持了Numpy对关键字axis的用法，用法在Numpy库的词汇表当中有过解释：

轴用来为超过一维的数组定义的属性，二维数据拥有两个轴：第0轴沿着行的垂直往下，第1轴沿着列的方向水平延伸。

参考： https://www.cnblogs.com/rrttp/p/8028421.html

2.argsort()

返回的是数组值从小到大的索引值，排序后会产生一个新的数组，不改变原有的数组。

a = array([1,4,9,3,2,3,8])
b = a.argsort()
print(a)
print(b)

output:
[1 4 9 3 2 3 8]
[0 4 3 5 1 6 2]

参考： https://blog.csdn.net/wangxiao7474/article/details/78867766?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.channel_param&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.channel_param

3. numpy.argmin(a, axis=None, out=None)

a : Input array.

axis : 默认将输入数组展平。否则，按照axis方向

返回检索数组中最小值的位置，并返回其下标值。

>>> a = np.arange(6).reshape(2,3)
>>> a
array([[0, 1, 2],
       [3, 4, 5]])
>>> np.argmin(a)
0
>>> np.argmin(a, axis=0)
array([0, 0, 0])
>>> np.argmin(a, axis=1)
array([0, 0])

参考： https://blog.csdn.net/weixin_41770169/article/details/80714461

4. numpy.concatenate((a1,a2,…), axis=0)函数。能够一次完成多个数组的拼接。其中a1,a2,…是数组类型的参数

>>> a=np.array([[1,2,3],[4,5,6]])
>>> b=np.array([[11,21,31],[7,8,9]])
>>> np.concatenate((a,b),axis=0)
array([[ 1,  2,  3],
       [ 4,  5,  6],
       [11, 21, 31],
       [ 7,  8,  9]])

c=np.append(a,b) 可实现相同功能，但concatenate速度更快，更适合 适合大规模的数据拼接

参考： https://www.cnblogs.com/shueixue/p/10953699.html

5.使用matplotlib绘图时，图片上文字无法显示问题

from pylab import mpl                                     
mpl.rcParams['font.sans-serif'] = ['SimHei']

6.绘制折线图-保存图片文件-论文需要的矢量格式

# encoding=utf-8
from matplotlib import pyplot
import matplotlib.pyplot as plt
 
names = range(8,21)
names = [str(x) for x in list(names)]
 
x = range(len(names))
y_train = [0.840,0.839,0.834,0.832,0.824,0.831,0.823,0.817,0.814,0.812,0.812,0.807,0.805]
y_test  = [0.838,0.840,0.840,0.834,0.828,0.814,0.812,0.822,0.818,0.815,0.807,0.801,0.796]
#plt.plot(x, y, 'ro-')
#plt.plot(x, y1, 'bo-')
#pl.xlim(-1, 11)  # 限定横轴的范围
#pl.ylim(-1, 110)  # 限定纵轴的范围
 
 
plt.plot(x, y_train, marker='o', mec='r', mfc='w',label='uniprot90_train')
plt.plot(x, y_test, marker='*', ms=10,label='uniprot90_test')
plt.legend()  # 让图例生效
plt.xticks(x, names, rotation=1)
 
plt.margins(0)
plt.subplots_adjust(bottom=0.10)
plt.xlabel('the length') #X轴标签
plt.ylabel("f1") #Y轴标签
pyplot.yticks([0.750,0.800,0.850])
#plt.title("A simple plot") #标题
plt.savefig('D:\\f1.jpg',dpi = 900)

# 保存为论文需要的矢量格式
plt.savefig('D:\\f1.svg',dpi = 600)

参考：

https://blog.csdn.net/Poul_henry/article/details/88294297?utm_medium=distribute.pc_relevant.none-task-blog-OPENSEARCH-3.channel_param&depth_1-utm_source=distribute.pc_relevant.none-task-blog-OPENSEARCH-3.channel_param

og-OPENSEARCH-3.channel_param&depth_1-utm_source=distribute.pc_relevant.none-task-blog-OPENSEARCH-3.channel_param

https://blog.csdn.net/super_he_pi/article/details/85987543

7.python保存数据到excel表格列

    list1 = a    # # 定义指定输出Excel文件的名称，读入方式，编码方式
    result = open('test3.xls', 'w')
    # 参数'w'表示往指定表格读入数据，会先将表格中原本的内容清空
    # 若把参数’w'修改为‘a+',即可实现在原本内容的基础上，增加新写入的内容
    for i in range(0, len(list1)):
        result.write(str(list1[i]))
        result.write('\n')  # '\t'表示每写入一个元素后，会移动到同行的下一个单元格
    # result.write("\n")  # 换行操作
    result.close()

8. python绘图–纵轴为对数（10的n次方）

plt.yscale('log')

或

plt.yscale('symlog')

log：对数。其中basex|basey关键字指定对数的基
logit：以2为底的对数
symlog：对数，其中basex|basey关键字指定对数的基

9.python绘图后转格式为论文要求的矢量图emf

• svg转换为emf：

https://convertio.co/zh/svg-emf/

• 其他格式

https://onlineconvertfree.com/zh/converter/images/