Numpy基础入门（7）IO文件操作以及Matplotlib库的使用

学习汇总：点这里

NumPy - IO

ndarray对象可以保存到磁盘文件并从磁盘文件加载。 可用的 IO 功能有：

1. load()和save()函数处理 numPy 二进制文件(带npy扩展名)
2. loadtxt()和savetxt()函数处理正常的文本文件

NumPy 为ndarray对象引入了一个简单的文件格式。 这个npy文件在磁盘文件中，存储重建ndarray所需的数据、图形、dtype和其他信息，以便正确获取数组，即使该文件在具有不同架构的另一台机器上。

1.numpy.save()

numpy.save()文件将输入数组存储在具有npy扩展名的磁盘文件中。

>>>import numpy as np 
>>>a = np.array([1,2,3,4,5]) 
>>>np.save('outfile',a)

为了从outfile.npy重建数组，请使用load()函数。

>>>import numpy as np 
>>>b = np.load('outfile.npy')  
>>>b
array([1, 2, 3, 4, 5])

save()和load()函数接受一个附加的布尔参数allow_pickles。 Python 中的pickle用于在保存到磁盘文件或从磁盘文件读取之前，对对象进行序列化和反序列化。

2.savetxt()

以简单文本文件格式存储和获取数组数据，是通过savetxt()和loadtx()函数完成的。

>>>import numpy as np 
>>>a = np.array([1,2,3,4,5]) 
>>>np.savetxt('out.txt',a) 
>>>b = np.loadtxt('out.txt')  
>>>b
array[ 1.  2.  3.  4.  5.]

savetxt()和loadtxt()数接受附加的可选参数，例如页首，页尾和分隔符。

Matplotlib 绘制直方图

NumPy 有一个numpy.histogram()函数，它是数据的频率分布的图形表示。 水平尺寸相等的矩形对应于类间隔，称为bin，变量height对应于频率。

1.numpy.histogram()

numpy.histogram()函数将输入数组和bin作为两个参数。 bin数组中的连续元素用作每个bin的边界。

>>>import numpy as np 
>>>a = np.array([22,87,5,43,56,73,55,54,11,20,51,5,79,31,27]) ]
>>>np.histogram(a,bins =  [0,20,40,60,80,100]) 
>>>hist,bins = np.histogram(a,bins =  [0,20,40,60,80,100])  
>>>hist 
array([3, 4, 5, 2, 1], dtype=int64)

>>>bins
array([  0,  20,  40,  60,  80, 100])

2.plt()

Matplotlib 可以将直方图的数字表示转换为图形。 pyplot子模块的plt()函数将包含数据和bin数组的数组作为参数，并转换为直方图。

>>>from matplotlib import pyplot as plt
>>>import numpy as np
>>>a = np.array([22,87,5,43,56,73,55,54,11,20,51,5,79,31,27])
>>>plt.hist(a, bins=[0,20,40,60,80,100])
>>>plt.title("histogram") 
>>>plt.show()

3.pyplot()

pyplot()是 matplotlib 库中最重要的函数，用于绘制 2D 数据。

>>>import numpy as np 
>>>from matplotlib import pyplot as plt 
>>>x = np.arange(1,11) 
>>>y =  2  * x +  5 
>>>plt.title("Matplotlib demo") 
>>>plt.xlabel("x axis caption") 
>>>plt.ylabel("y axis caption") 
>>>plt.plot(x,y) 
>>>plt.show()

ndarray对象x由np.arange()函数创建为x轴上的值。y轴上的对应值存储在另一个数组对象y中。 这些值使用matplotlib软件包的pyplot子模块的plot()函数绘制。图形由show()函数展示。

作为线性图的替代，可以通过向plot()函数添加格式字符串来显示离散值。 可以使用以下格式化字符。

字符	描述
‘-’	实线样式
‘–’	短横线样式
‘-.’	点划线样式
‘:’	虚线样式
‘,’	像素标记
‘o’	圆标记
‘v’	倒三角标记
‘^’	正三角标记
‘<’	左三角标记
‘>’	右三角标记
‘1’	下箭头标记
‘2’	上箭头标记
‘3’	左箭头标记
‘4’	右箭头标记
‘s’	正方形标记
‘p’	五边形标记
‘*’	星形标记
‘h’	六边形标记 1
‘H’	六边形标记 2
‘+’	加号标记
‘x’	X 标记
‘D’	菱形标记
‘d’	窄菱形标记
‘|’	竖直线标记
‘_’	水平线标记

还定义了以下颜色缩写。

字符	颜色
‘b’	蓝色
‘g’	绿色
‘r’	红色
‘c’	青色
‘m’	品红色
‘y’	黄色
‘k’	黑色
‘w’	白色

要显示圆来代表点，而不是上面示例中的线，请使用ob作为plot()函数中的格式字符串。

>>>import numpy as np 
>>>from matplotlib import pyplot as plt 
>>>x = np.arange(1,11) 
>>>y =  2  * x +  5 
>>>plt.title("Matplotlib demo") 
>>>plt.xlabel("x axis caption") 
>>>plt.ylabel("y axis caption") 
>>>plt.plot(x,y,"ob") 
>>>plt.show()

4.绘制正弦波

以下脚本使用 matplotlib 生成正弦波图。

>>>import numpy as np 
>>>import matplotlib.pyplot as plt 
# 计算正弦曲线上点的 x 和 y 坐标
>>>x = np.arange(0,  3  * np.pi,  0.1) 
>>>y = np.sin(x)
>>>plt.title("sine wave form")  
# 使用 matplotlib 来绘制点
>>>plt.plot(x, y) 
>>>plt.show()

5.subplot()

subplot()函数允许你在同一图中绘制不同的东西。 在下面的脚本中，绘制正弦和余弦值。

>>>import numpy as np 
>>>import matplotlib.pyplot as plt 
# 计算正弦和余弦曲线上的点的 x 和 y 坐标 
>>>x = np.arange(0,  3  * np.pi,  0.1) 
>>>y_sin = np.sin(x) 
>>>y_cos = np.cos(x)  
# 建立 subplot 网格，高为 2，宽为 1  
# 激活第一个 subplot
>>>plt.subplot(2,  1,  1)  
# 绘制第一个图像 
>>>plt.plot(x, y_sin) 
>>>plt.title('Sine')  
# 将第二个 subplot 激活，并绘制第二个图像
>>>plt.subplot(2,  1,  2) 
>>>plt.plot(x, y_cos) 
>>>plt.title('Cosine')  
# 展示图像
>>>plt.show()

6.bar()

pyplot子模块提供bar()函数来生成条形图。 以下示例生成两组x和y数组的条形图。

>>>from matplotlib import pyplot as plt 
>>>x =  [5,8,10] 
>>>y =  [12,16,6] 
>>>x2 =  [6,9,11] 
>>>y2 =  [6,15,7] 
>>>plt.bar(x, y, align =  'center') 
>>>plt.bar(x2, y2, color =  'g', align =  'center') 
>>>plt.title('Bar graph') 
>>>plt.ylabel('Y axis') 
>>>plt.xlabel('X axis') 
>>>plt.show()