科学计算与可视化python_科学计算和可视化

一、numpy和matplotlib库的学习笔记

(1)numpy库

1，从数值范围创建数组

1 numpy.arange(start, stop, step, dtype)#参数分别为起始值，终止值，步长和数据类型

2.创建等间隔一位数组

1 np.linspace(start, stop, num=50, endpoint=true, retstep=false, dtype=none)#参数分别为起始值，终止值，数据数，是否包含stop值，是否显示间距和数据类型

3.使用数字 0 将一个全为 1 的 5x5 二维数组包围

1 z = np.ones((5,5))2 z = np.pad(z, pad_width=1, mode='constant', constant_values=0)

4.创建一个 5x5 的二维数组，并设置值 1, 2, 3, 4 落在其对角线下方z = np.diag(1+np.arange(4),k=-1)

5.创建一个 10x10 的二维数组，并使得 1 和 0 沿对角线间隔放置

1 z = np.zeros((10,10),dtype=int)

2 z[1::2,::2] = 1

3 z[::2,1::2] = 1

6.创建一个 0-10 的一维数组，并将 (1, 9] 之间的数全部反转成负数

1 z = np.arange(11)

2 z[(1 < z) & (z <= 9)] *= -1

7.找出两个一维数组中相同的元素

1 z1 = np.random.randint(0,10,10)

2 z2 = np.random.randint(0,10,10)

3 print("z1:", z1)

4 print("z2:", z2)

5 np.intersect1d(z1,z2)

8.返回每行，列最大值

1 np.argmax(a, axis=0) #行最小值是argmin函数

2 np.max(a, axis=0) #列最大值

9..使用 numpy 打印昨天、今天、明天的日期

1 yesterday = np.datetime64('today', 'd') - np.timedelta64(1, 'd')

2 today = np.datetime64('today', 'd')

3 tomorrow = np.datetime64('today', 'd') + np.timedelta64(1, 'd')

4 print("yesterday: ", yesterday)

5 print("today: ", today)

6 print("tomorrow: ", tomorrow)

10.几个常用的函数

1 flat #返回

2

3 np.nonzero([1,0,2,0,1,0,4,0])#返回一维数组中非 0 元素的位置索引

4

5 np.dot(a, b)#矩阵相乘

6

7 np.power(x,4)#对x数组的每个值4次方

8

9 np.set_printoptions(precision=2)#对于二维随机数组中各元素，保留其 2 位小数

10

11 z/1e3#科学记数法输出 numpy(z) 数组

12

13 a.argsort()#打印各元素在数组中升序排列的索引

14

15 a.real #属性，数组a的实部

16 a.imag #属性，数组a的虚部

17

18 numpy.linalg.inv()# 函数计算矩阵的乘法逆矩阵。

19

20 numpy.linalg.solve() #函数给出了矩阵形式的线性方程的解。

21

22 umpy.matlib.eye() #函数返回一个矩阵，对角线元素为 1，其他位置为零。

23

24 np.c_[m1, m2]#按列连接两个数组

25 np.r_[m1, m2]#按行连接两个数组

(2)matplotlib库

python 中可以用 matplotlib 库实现数据的可视化，以下是 matpltlib 库的一些介绍：

1、 matplotlib.pyplot 模块可以画折线图，分为两个步骤，分别是 pyplot.plot() 和 pyplot.show() ，前者负责画图，后者将画好的图展示出来。

2、 pyplot.plot( series1 , series2 ) 以 series1 作为横坐标， series2 作为纵坐标画出折线图；

3、 在执行 2 中的函数后，可以使用 pyplot.xticks( rotation = 45 ) 将 x 轴的坐标显示逆时针旋转 45 ° ，默认为 0 °，也就是水平的，同理，可以用 pyplot.yticks( rotation = 45 ) 对 y 轴坐标做同样的操作。

4、 可以使用 pyplot.xlabel( str ) 将 x 轴命名为 str 的值，同理可以用 pyplot.ylabel( str ) 将 y 轴命名为 str 的值。

5、 可以使用 pyplot.title( str ) 为画出的折线图命名。

6、 fig = pyplot.figure() 指出默认画图区间。

7、 fig.add_subplot( 3 , 2 , 1 ) 在画图区间中添加子图，位置为，将画图区间分为三行两列的六块中的第一块，这里数的顺序为，从左往右，从上到下，按照此逻辑， ( 3 , 2 , 1 ) 所在的位置为第一行最左边， ( 3 , 2 , 3 ) 的位置为第二行左边，( 3 , 2 , 6 ) 的位置为第三行最右边。

8、pyplot.figure( figsize = ( 3 , 6 ) )

指定画图的区域为 长为 3 ， 宽为 6 的大小。

9、 pyplot.plot( x , y , c =  'red' , label = ' 250 ' )

c 指定这一条线为红色，这里可以用颜色的英文名，也可以用颜色代号，那个 #  什么的;

label 指定这条线的名字为 250.

10、 pyplot.legend( loc = 'best' )

将所有线的名字与线的对照框放到最适合的位置， loc 还可以设置为别的参数。

11、 ax = pyplot.subplots()

构建一个 pyplot 的子图对象。

12、 ax.bar( list1 , list2 , 0.5 )

list1 为条形图各个条距离远点的长度， list2 为条形图中条的高度， 0.5 为条的宽度，通过这三个数据确定图形的形状。

13、 ax.set_xticks( list )

设置 x 轴的坐标长度和标号，对于 y 轴也有对应函数实现此功能。

14、 ax.set_xticklabels( list )

设置 x 轴的坐标名，对于 y 轴也有对应函数实现此功能。

15、ax.set_xlabel( str )

设置 x 轴的名称，对于 y 轴也有对应函数实现此功能。

16、 ax.set_title( str )

设置图标的名称。

17、 ax.barh( list1 , list2 , 0.5 )

画水平的柱形图，其他函数一样， x 、 y 轴做对应转换。

18、 ax.scatter( list1 , list2 )

画散点图。

19、 ax.hist( array , range ,bins )

画柱形图， array 中的数值作为横轴的值，纵轴计算数值出现的次数， range 表示数值显示的范围， bins 表示总的显示柱的个数(控制间距)。

20、 ax.set_ylim( 0 , 50 )

设置纵轴的显示范围为 0 到 50 。

21、  ax.boxplot( series )

画箱线图(还没搞明白箱线图是个什么玩意儿)。

22、 ax.boxplot( series[ list ].value )

画 好几个箱线图。

23、 ax.tick_params( bottom = false , top = false , left = false , right = false )

设置图形框四边，是否显示刻度。

24、

for key,spine in ax.spines.items():

spine.set_visible(false)

隐藏图形框的四条边框线。

25、 pyplot.legend()

只对上一个画出的图有效，所以如果每个子图都要这个的话，就得在画下一个之前调用。

分类变量绘图

1 import matplotlib.pyplot as plt

2 names = ['group_a', 'group_b', 'group_c']

3 values = [1, 10, 100]

4

5 plt.figure(1, figsize=(9, 3))

6

7 plt.subplot(131)

8 plt.bar(names, values)

9 plt.subplot(132)

10 plt.scatter(names, values)

11 plt.subplot(133)

12 plt.plot(names, values)

13 plt.suptitle('categorical plotting')

14 plt.show()

二、雷达图

python123作业的成绩

1 #-*- coding:utf-8 -*-

2 '''

3 author: 一枚小可爱

4 mail:3129663273@qq.com

5

6 '''

7 import numpy as np

8 import matplotlib.pyplot as plt

9

10 #标签

11 labels = np.array(['第一周','第二周','第三周','第四周','第五周','第六周'])

12 #数据个数

13 datalenth = 6

14 #数据

15 data = np.array([5.0,9.1,9.8,9.0,9.7,8.8])

16

17 angles = np.linspace(0, 2*np.pi, datalenth, endpoint=false)

18 data = np.concatenate((data, [data[0]])) # 闭合 # #将数据结合起来

19 angles = np.concatenate((angles, [angles[0]])) # 闭合

20

21 fig = plt.figure()

22 ax = fig.add_subplot(121, polar=true)# polar参数！！代表画圆形！！！！

23 #111代表总行数总列数位置

24 ax.plot(angles, data, 'bo-', linewidth=1)# 画线四个参数为x,y,标记和颜色，闲的宽度

25 ax.fill(angles, data, facecolor='r', alpha=0.1)# 填充颜色和透明度

26 ax.set_thetagrids(angles * 180/np.pi, labels, fontproperties="simhei")

27 ax.set_title("一枚小可爱的成绩表\n2018310143108", va='baseline', fontproperties="simhei")

28

29 ax.set_rlim(0,10)

30 ax.grid(true)

31 plt.show()

显示如下：

三、自定义手绘风

1 from pil import image

2 #image 是 pil库中代表一个图像的类

3 import numpy as np

4

5 #打开一张图片 “f:\pycharmprojects\cui.jpg” 是图片位置

6 a = np.asarray(image.open('d:\\我的文件\\python\\壁纸4.jpg')

7 .convert('l')).astype('float')

8

9

10 depth = 10. #浮点数，预设深度值为10

11 grad = np.gradient(a) #取图像灰度的梯度值

12 grad_x,grad_y = grad #分别取横纵图像的梯度值

13 grad_x = grad_x*depth/100. #根据深度调整 x 和 y 方向的梯度值

14 grad_y = grad_y*depth/100.

15 a = np.sqrt(grad_x**2 + grad_y**2 +1.) #构造x和y轴梯度的三维归一化单位坐标系

16 uni_x = grad_x/a

17 uni_y = grad_y/a

18 uni_z = 1./a

19

20 vec_el = np.pi/2.2 #光源的俯视角度，弧度值

21 vec_az = np.pi/4. #光源的方位角度，弧度值

22 dx = np.cos(vec_el)*np.cos(vec_az) #光源对 x 轴的影响，np.cos(vec_el)为单位光线在地平面上的投影长度

23 dy = np.cos(vec_el)*np.sin(vec_az) #光源对 y 轴的影响

24 dz = np.sin(vec_el) #光源对 z 轴的影响

25

26 b = 255*(dx*uni_x + dy*uni_y + dz*uni_z) #梯度与光源相互作用，将梯度转化为灰度

27 b = b.clip(0,255) #为避免数据越界，将生成的灰度值裁剪至0‐255区间

28

29 im = image.fromarray(b.astype('uint8')) #重构图像

30 im.save("d:\\我的文件\\python\\壁纸9.jpg") #保存图片的地址

前后对比：

   

四、数学规律

题目：|x| + |y| = 1

1 import numpy as np

2 import matplotlib.pyplot as plt

3

4 x = np.arange(-1.1, 1.1, .01)

5 y = np.arange(-1.1, 1.1, .01)

6 x, y = np.meshgrid(x, y)

7

8 f = np.abs(x) + np.abs(y) - 1

9 plt.figure()

10 plt.contour(x, y, f, 0,)

11 plt.title(r'$\left|x\right|+\left|y\right|=1$')

12 plt.show()

图如下：

希望与广大网友互动？？

点此进行留言吧！