Numpy 和 matplotlib 学习记录

今天简单学习了一下numpy和matplotlib这两个库，比较简单易用的两个数据分析和可视化的库，趁热打铁来一发学习记录。
使用的工具是jupyter，刚开始觉得不好用，直到开始数据分析才发现他的优点，可以每个cell每个cell的执行代码，并且将显示在代码块的下方。win下使用jupyter很方便，在用pip install jupyter就能实现安装，在cmd下执行jupyter notebook就运行了。

先记录一下numpy

import numpy as np
listt  = [1,2,3,4,5,6]
a = np.array(listt)         //可以将列表转换为矩阵
====>>[1 2 3 4 5 6]

b = np.arange(1,10,2)    // 从一到十生成一个一维矩阵，以2为step
=====》》 [1 3 5 7 9]
每个矩阵元素都有 size，ndim，shape 等元素，size表示矩阵的元素数量，shape表示矩阵的形状，ndim表示矩阵有多少个维度
举个例子：
a = np.arange(1,9,1)
a = a.reshape(2,2,2)
print(a)
print(a[0][0][1])
print(a.ndim)

===>>>
[[[1 2]
  [3 4]]

 [[5 6]
  [7 8]]]
2
3

还有一些生成特殊矩阵的方法

a = np.ones([3,3])生成三行三列的全是一的矩阵
====>>
[[ 1.  1.  1.]
 [ 1.  1.  1.]
 [ 1.  1.  1.]]

a = np.eyes(N=3,k=0) //生成一个3x3的矩阵，对角线上的元素全部为1 
====》》
[[ 1.  0.  0.]
 [ 0.  1.  0.]
 [ 0.  0.  1.]]

再记录一下matplotlib 的用法
要使用的模块是matplotlib里面的pyplot库，所以要这样import
import matplotlib.pyplot as plt

拿例子来解释好了

“`
def line_plot(x,y,figurn_num):
plt.figure(figurn_num) #这个表示这个plot框的编号
plt.scatter(x,y) #将x,y 在plot中画出来
plt.xlabel(“x value”) # x 轴的名字
plt.ylabel(“y value”) # y 轴的名字
plt.title(“simple data”)

x = np.random.uniform(size=10)
y = np.random.uniform(size=10)
line_plot(x,y,1)
plt.show()

“`