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()
“`