python基础学习之二

一、Python中的类

1、类的创建

• 用关键词class来创建，模式：**关键词 类的名称：**例如：class student:
• 注意：
  （1）init()：是类的初始化方法，创建一个类的实例时就会调用一次这个方法。
  （2）self：代表类的实例，在定义类的方法时必须要有的，但是在调用时不必传入参数。
• 实例：

Class student;
    student_Count = 0
    
    def __init__(self, name, age):
        self.name = name
        self.age = age
        Student.student_Count += 1
        
    def dis_student(self):
        print("Student name:",self.name, "Student age:",self.age)
    
    student1 = Student("Tang", "20")
    student2 = Student("Wu", "22")
    
    student1.dis_student()
    student2.dis_student()
    print("Total Student:", Student.student_Count)

输出：
Student name：Tang Student  age：20
Student name：Wu Student  age：22
Total Student：2

2、类的继承

• 当一个类被继承时，这个类中的类初始化方法是不会被自动调用的，需要在子类中重新定义类的初始化方法。
• 实例

Class People:
     def __init__(self, name, age):
        self.name = name
        self.age = age
    
    def dis_name(self):
        print("name is: ", self.name)
        
    def dis_age(self, age):
        print("age is: ", self.age)
        
    def dis_age(self):
        print("age is:", self.age)
        
Class Student(People):
    def __init__(self, name, age, school_name):
        self.name = name
        self.age = age
        self.school_name = school_name
        
    def dis_student(self):
        print("school name is："， self.school_name)
        
student = Student("Wu", "20", "GLDZ") #创建一个Student对象
student.dis_student() #调用子类的方法
student.dis_name() #调用父类的方法
student.dis_age()  #调用父类的方法
student.set_age(22)  #调用父类的方法
student.dis_age()    #调用父类的方法

输出：
school name is：GLDZ
name is：Wu
age is：20
age is：22

3、类的重写

• 在继承一个类后，父类中的很多方法也许不能满足我们现有的需要，这就需要对类进行重写。
• 实例：

输出：
This is Child。

二、NumPy

1、NumPy是一个高性能的科学计算和数据分析基础包，提供数组和矩阵的便捷计算方法。
2、创建多维数组
使用np.array()方法，

x = np.array([1.0, 2.0, 3.0])  
print(x)
[ 1. 2. 3.] 

2、多维数组常用属性
（1）ndim：返回维度的数量，即二维、三维…

a = np.ones([2,3])  #创建全1的数组
a.ndim   #输出结果：2

（2）shape：返回数组的维度值，比如二维数组返回的结果为(n,m)。用法：例如：a.shape
（3）size：返回数组中的元素的总数量
（4）dtype：返回数组中的元素的数据类型。

a = np.ones([2,3])  #创建全1的数组
a.dtype   #输出：dtype('float64')

3、多维数组的基本操作
（1）算术运算

• 相同形状的多维数组可进行加减乘除算法运算，也可直接和标量进行算术运算（也称为广播），但是矩阵不可以。
• 矩阵算术和数组的存在不同，矩阵不存在除法运算，但是数组可以；数组的乘法运算是通过将对应位置的元素相乘来完成的，而矩阵不是，看下面实例说明。

import numpy as np

a = np.array([1,2,3])
b = np.array([4,5,6])

#数组的乘法运算
print("a * b = ", a*b)  #a * b =  [ 4 10 18]

#矩阵的乘法运算
c = a.dot(b)
print("Matrix1: a * b = ", c)  #Matrix1: a * b =  32
d = np.dot(a,b)
print("Matrix2: a * b = ", d)  #Matrix2: a * b =  32

4、数组的自身运算
（1）min/max：找出数组中所有元素中值最小/大的元素，可以通过设置axis的值来按行或按列查找元素中的最小值，a.mim()，a.max()。
（2）sum：对所有元素进行求和运算。
（3）exp：对数组中所有元素进行指数运算。
（4）sqrt：对数组中的所有元素进行平方根运算。
（5）square：对数组中的所有元素进行平方运算。

三、Matplotlib

1、Mataplotlib定位于数据的可视化展现，集成了很多数据可视化方法，常用的方法有：

• 线型图

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(42)
x = np.random.randn(30)
plt.plot(x, "r--o")
plt.show()

• 线条颜色、标记形状和线型。线条颜色的常用参数有“b”（蓝色）、“g”（绿色）等等，标记形状：“o”（圆形）、“*” ( *符号）等等、线型线条形状“-”(实线）、“–”（虚线）等等。

import matplotlib.pyplot as plt
import numpy as np

a = np.random.randn(30)
b = np.random.randn(30)
c = np.random.randn(30)
d = np.random.randn(30)
plt.plot(a, "r--o", b, "b-*", c, "g-.+", d, "m:x") #"-."(点实线)、":"(点线)
plt.show()

• 标签和图例。使图像更容易理解。

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(42)
x = np.random.randn(30)
y = np.random.randn(30)

plt.title("Example")
plt.xlabel("X")
plt.ylabel("Y")
X, = plt.plot(x, "r--o")
Y, = plt.plot(y, "b-*")
plt.legend([X, Y], ["X", "Y"]) #标签和图例的显示代码
plt.show()

• 子图（Subplot）。将多个图像同时在不同的位置显示。

import matplotlib.pyplot as plt
import numpy as np

a = np.random.randn(30)
b = np.random.randn(30)
c = np.random.randn(30)
d = np.random.randn(30)

fig = plt.figure()     #定义一个实例，通过fig.add_subplot方
ax1 = fig.add_subplot(2,2,1)  #法向fig实例中添加我们需要的子图
ax2 = fig.add_subplot(2,2,2) 
ax3 = fig.add_subplot(2,2,3)  #前两个数字表示把整块图划分成了两行两列，一共4张
ax4 = fig.add_subplot(2,2,4)  # 子图，最后1个数字表示具体使用哪一张子图进行绘制。

A, = ax1.plot(a, "r--o")
ax1.legend([A], ["A"])
B, = ax2.plot(b, "b-*")
ax2.legend([B], ["B"])
C, = ax3.plot(c, "g-.+")
ax3.legend([C], ["C"])
D, = ax4.plot(d, "m:x")
ax4.legend([D], ["D"])
plt.show()

• 散点图（Scatter），展示所有数据的分布和布局。核心代码时plt.scatter(x,y, c = “g”, marker =
  “o”, label"(X, Y)"),三个重要参数：“c”：指定参数点颜色；“marker”：形状；“label”：使用的图例。

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(42)
x = np.random.randn(30)
y = np.random.randn(30)

plt.scatter(x,y, c = "g", marker = "o", label = "(X, Y)")  #参数点为绿色，圆点
plt.title("Example")
plt.xlabel("X")
plt.ylabel("Y")
plt.legend(loc = 1)  #强制图例在图中的右上角，loc=0：最好的位置，
plt.show()           #loc=2：左上角，loc=3：左下角，loc=4：右上角

• 直方图（Histongram,质量分布图）

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(42)
x = np.random.randn(1000)
plt.hist(x, bins = 20, color = "g")   #bins用于指定我们绘制的直方图条纹的数 量。
plt.title("Example")
plt.xlabel("X")
plt.ylabel("Y")
plt.show()

• 饼图，绘制饼图的核心代码为
  plt.pie(sizes, explode=(0, 0, 0.1), labels=labels, autopct=’%1.1f%%’, startangle=60)

sizes= [15, 50, 35] 的三个数字确定了每部分数据系列在整个圆形中的占比；
explode定义每部分数据系列之间的间隔，如果设置两个0和一个0.1，就能突出第3部分；
autopct其实就是将 sizes中的数据以所定义的浮点精度进行显示；
startangle是绘制第1块饼图时该饼图与X轴正方向的夹角度数，这里设置为90，默认为0；

plt.axis(‘equal’) 是必不可少的，用于使X轴和Y轴的刻度保持一致，只有这样，最后得到饼图才是圆形的

import matplotlib.pyplot as plt

labels = ['Dogs', 'Cats', 'Birds']
sizes = [15, 50, 35]

plt.pie(sizes, explode = (0,0,0.1), labels = labels,
        autopct = '%1.1f%%', startangle = 90)
plt.axis('equal')
plt.show()