列表解析
列表解析式用紧凑的方式来构造列表。
语法:
[表达式 for循环 条件]
例如:要得到0-20的偶数列表。需要在0-20中循环,判断是不是偶数,是就得到这个数。用常规方式:
alist=[]
for i in range(21):
if i%2==0:
alist.append(i)
如果用列表解析:
alist=[i for i in range(21) if i%2==0]
这种方法也可以用于字符串。
用matplotlib模块绘制成图形
导入模块
使用 matplotlib 包画图时,我们一般加载里面的 pyplot,并命名为 plt,然后使用 plot 函数画图。
import matplotlib.pyplot as plt
绘制图形时,需要两个列表:x值列表和y值列表。
两个列表的元素个数必须一样,一个y值对应一个x值。
numpy阵列
阵列和列表相似。它是序列数据结构,支持索引和分片,也是可变的数据结构,能响应索引赋值。**阵列和列表最大的区别在于,numpy阵列只能包含相同的数据类型,默认情况下为浮点数类型。**由于有类型限制,因此在阵列上能更有效地进行浮点运算。阵列有许多方法。
需要先导入numpy库
inport numpy as np
将列表转为阵列
**array构造函数能将列表对象作为参数,并将其转换为阵列。列表中的元素只能包含数字。**最终阵列对象的数字必须都是一种类型。如果存在混合类型(浮点数和整数)的情况,会将所有的数字转换成浮点数。显示时,阵列将把字符串“array”作为显示对象的一部分。可以使用numpy的append 函数把元素添加到阵列中。
语法:
numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
名称 | 描述 |
---|---|
object | 数组或嵌套的数列 |
dtype | 数组元素的数据类型,可选 |
copy | 对象是否需要复制,可选 |
order | 创建数组的样式,C为行方向,F为列方向,A为任意方向(默认) |
subok | 默认返回一个与基类类型一致的数组 |
ndmin | 指定生成数组的最小维度 |
arrange函数创建阵列
和range 函数非常相似,:numpy中的arange 函数生成值的范围。差异在于生成的值不是整数,而是浮点值,并且返回的对象是阵列不是列表。arange有三个参数:开始值(浮点值),结束值(浮点值),和增量(浮点值)
numpy.arange(开始值, 结束值, 增量, 数据类型)
例如:x = np.arange(5) 可以得到阵列[0 1 2 3 4]
广播
广播(Broadcast)是 numpy 对不同形状(shape)的数组进行数值计算的方式, 对数组的算术运算通常在相应的元素上进行。
如果两个数组 a 和 b 形状相同,即满足 a.shape == b.shape,那么 a*b 的结果就是 a 与 b 数组对应位相乘。这要求维数相同,且各维度的长度相同。
a = np.array([1,2,3,4])
b = np.array([10,20,30,40])
c = a * b
以上c会得到[10 40 90 160]
更多内容看这个https://www.runoob.com/numpy/numpy-broadcast.html
使用matplotilib将阵列绘制成图
plot() 函数是绘制二维图形的最基本函数。
plot() 用于画图它可以绘制点和线,语法格式如下:
#画单条线
plot([x], y, [fmt], *, data=None, **kwargs)
#画多条线
plot([x], y, [fmt], [x2], y2, [fmt2], …, **kwargs)
-
x, y:点或线的节点,x 为 x 轴数据,y 为 y 轴数据,数据可以列表或数组。
-
fmt:可选,定义基本格式(如颜色、标记和线条样式)。
-
**kwargs:可选,用在二维平面图上,设置指定属性,如标签,线的宽度等。
-
颜色字符:‘b’ 蓝色,‘m’ 洋红色,‘g’ 绿色,‘y’ 黄色,‘r’ 红色,‘k’ 黑色,‘w’ 白色,‘c’ 青绿色,‘#008000’ RGB 颜色符串。多条曲线不指定颜色时,会自动选择不同颜色。
-
线型参数:‘‐’ 实线,‘‐‐’ 破折线,‘‐.’ 点划线,‘:’ 虚线。
-
标记字符:‘.’ 点标记,‘,’ 像素标记(极小点),‘o’ 实心圈标记,‘v’ 倒三角标记,‘^’ 上三角标记,‘>’ 右三角标记,‘<’ 左三角标记…等等。
import matplotlib.pyplot as plt
import numpy as np
xpoints = np.array([1, 8])
ypoints = np.array([3, 10])
plt.plot(xpoints, ypoints)
plt.show()
更多案例可以看这个https://www.runoob.com/matplotlib/matplotlib-pyplot.html