Python_Tips[1]

Python_Tips[1]

---

Find替代函数

matlab里面的find真的是很方便，与find对应的在python.numpy里面， 有where函数，但是感觉能力有限，不太方便。

比如matlab中，

a[a>6]=6

或者

label=find(a>6)
a[label]=6

可以轻松替换掉大于6的数字。
label[1]找到第一个大于6的值得标号

而在python中，今天看到一个好方法，

import numpy as np
a=np.random.rand(4,5)

对象是array的话
也是可以

a[a>0.5]=1

也可以

a[nonzero(a>0.5)]=1

找某行第一次超过某值的标号

labels=nonzero(a[:,0]>0.7)[0][0]

nonzero返回的是n维度的矩阵，对应于a的n维，上文的[0][0]代表第一维的第一个值。

---

数据的一般处理

fr = open(fileName)
stringArr = [line.strip().split(delim) for line in fr.readlines()]
#str.strip()去除首尾的空格还包括最后讨厌的回车哦
#str.split(',')以，号分隔，返回分隔后的字符串列表
#还可以添加一些if条件语句去除空行, 如if line.strip()==''
datArr = [map(float,line) for line in stringArr]
#map函数可以批量将字符矩阵映射到想要的类型上。以前不知道，搞得很麻烦。
#但这里注意stringArr是一个二维列表哦，才能这样做。一维的直接map就可以了。
fr.close()
#然后就有了准备好的矩阵，好开心。

画图的一般步骤

一开始并不知道面向对象语言是怎么画图的

import matplotlib
import matplotlib.pyplot as plt
fig = plt.figure(1)
#一开始建立一个画板句柄
ax = fig.add_subplot(111)
#建立子图的句柄，
ax.scatter(dataMat[:,0], dataMat[:,1], marker='^', s=90)
#画散点图，变量x,y
fig = plt.figure(2)
#再画一张图
ax2 = fig.add_subplot(111)
ax2.scatter(dataMat[:,0], dataMat[:,1], marker='^', s=900)
ax2.scatter(reconMat[:,0],reconMat[:,1],marker='o', s=50, c='red')
plt.show()
#有且只能一起展示出来