anaconda环境下Python的Numpy、Scipy、Matlotlib、Scikit-learn等库的测试代码

如题。
从官网上下载python及各种库，无奈网速太慢毫无效率，配置复杂。找到了解决办法，就是anaconda。
自带Numpy、Scipy、Matlotlib、Scikit-learn等库，可以在navigator中在线下载没有的库(如tensorflow,keras),不用配置，十分方便。
测试代码如下。

第一个代码：斜线坐标，测试matplotlib

import matplotlib
import numpy
import scipy
import matplotlib.pyplot as plt

plt.plot([1,2,3])
plt.ylabel('some numbers')
plt.show()

第二个代码：桃心程序，测试numpy和matplotlib

import numpy as np
import matplotlib.pyplot as plt

X = np.arange(-5.0, 5.0, 0.1)
Y = np.arange(-5.0, 5.0, 0.1)

x, y = np.meshgrid(X, Y)
f = 17 * x ** 2 - 16 * np.abs(x) * y + 17 * y ** 2 - 225

fig = plt.figure()
cs = plt.contour(x, y, f, 0, colors = 'r')
plt.show()

第三个程序：显示Matplotlib强大绘图交互功能

# coding=utf-8    

import numpy as np  
import matplotlib  
import scipy  
import matplotlib.pyplot as plt  

#设置legend: http://bbs.byr.cn/#!article/Python/7705  
#mark样式: http://www.360doc.com/content/14/1026/02/9482_419859060.shtml  

#国家 融合特征值  
x1 = [10, 20, 50, 100, 150, 200, 300]  
y1 = [0.615, 0.635, 0.67, 0.745, 0.87, 0.975, 0.49]  

#动物  
x2 = [10, 20, 50, 70, 90, 100, 120, 150]  
y2 = [0.77, 0.62, 0.77, 0.86, 0.87, 0.97, 0.77, 0.47]  

#人物  
x3 = [10, 20, 50, 70, 90, 100, 120, 150]  
y3 = [0.86, 0.86, 0.92, 0.94, 0.97, 0.97, 0.76, 0.46]  

#国家  
x4 = [10, 20, 50, 70, 90, 100, 120, 150]  
y4 = [0.86, 0.85, 0.87, 0.88, 0.95, 1.0, 0.8, 0.49]  

plt.title('Entity alignment result')  
plt.xlabel('The number of class clusters')  
plt.ylabel('Similar entity proportion')  

plot1, = plt.plot(x1, y1, '-p', linewidth=2)  
plot2, = plt.plot(x2, y2, '-*', linewidth=2)  
plot3, = plt.plot(x3, y3, '-h', linewidth=2)  
plot4, = plt.plot(x4, y4, '-d', linewidth=2)  

plt.xlim(0, 300)  
plt.ylim(0.4, 1.0)  


#plot返回的不是matplotlib对象本身,而是一个列表,加个逗号之后就把matplotlib对象从列表里面提取出来  
plt.legend( (plot1,plot2,plot3,plot4), ('Spot', 'Animal', 'People', 'Country'), fontsize=10)  
plt.show()  

第四个代码：矩阵数据集，测试sklearn

from sklearn import datasets
iris = datasets.load_iris()
digits = datasets.load_digits()
print digits.data