numpy_matplotlib_scipy使用简明

Numpy小结

0313fancy

1.介绍

NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的***维度数组与矩阵运算***，此外也针对数组运算提供大量的数学函数库。

1. Numerical Python，数值的Python，补充了Python语言所欠缺的数值计算能力。
2. Numpy是其它数据分析及***机器学习库的底层库。***
3. Numpy完全标准C语言实现，运行效率充分优化。

相关教程

1. https://www.numpy.org.cn/user/quickstart.html#%E5%85%88%E5%86%B3%E6%9D%A1%E4%BB%B6
2. https://www.runoob.com/numpy/numpy-tutorial.html

2.数据结构

2.1 ndarray

NumPy最核心的数据类型是N维数组(The N-dimensional array)

1. NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。
2. ndarray 对象是用于存放***同类型元素***的多维数组(数组array里的元素的数据类型一般是一样的)
3. 数组：数组（Array）是有序的元素序列,有限集合.

基本操作

1.数据类型

bool int uint float complex(复数)　str datetime
'''
tips:
int8占1个字节(byte) 也就是8个二进制位(bit)
8个二进制位就有2^8 = 256种组合(可以存储256个数)
int8为有符号，所以正数和负数将平分256个数。256 / 2 = 128 负数为128个数 最小值为-128 ,0占一个数 最大值为+127 
无符号int8 0 占一个数 ，所以最大是255
'''

2.创建

from numpy import np
np.array(object，dtype，ndmin)
#object:接收list。表示想要创建的数组。无默认。
#dtype:表示数组所需的数据类型。如果未给定，则选择保存对象所需的最小类型。默认为None
#ndmin:最小维数

#属性　.ndim维度   .shape n行m列(n,m)    .size n*m      .dtype元素类型  

规律创建　np.arange

# 特殊narray
np.arange(起始值(0),终止值,步长(1))
a = np.arange(5)  #默认一维数组01234
arr1 =np.arange(12).reshape(3,4)# 创建二维 3行4列  [[]]

# 全零数组
np.zeros(10)
np.zeros((2,3))# 二维全零数组　2*3

#全一数组
b = np.ones(10)
np.ones((3,4))

随机创建 np.random

import numpy as np
# 随机数模块
# 种子 全局生效 将保持随机值不再变化
np.random.seed(234)

# 0-1之间生成10个随机数　random
print(np.random.random(10))
print(np.random.random((2,3)))# 输出2*3数组

# 标准正态分布的数据　randn
print(np.random.randn(3,3))# 输出3*3数组

# 1-100以内生随机整数 randint
print(np.random.randint(1,100,[5,5]))#输出5*5数组

3.查询

import numpy as np
# 创建一维数组
arr=np.arange(10)
print(arr[3])# 访问单个值 索引访问
# 范围访问 类似切片
print(arr[2:8])#索引2到7
print(arr[8:2:-2])#倒序864
# 数组的修改 切出来直接赋值
arr[2:4]=10,11


# 创建二维数组
arr=np.arange(12).reshape(3,4)
print(arr[0:2,1:3])　#0到1行　1到2列
# 按照列选择数据
print(arr[:,2:4])　#2到3列
print(arr[1][1])　#1行1列单个值

4.统计学操作

排序sort()

"""
tips: axis=1 x轴　　　axis=0 y轴 (按照x或y轴)
以下函数均是对数组操作
"""
arr.sort()# 修改原数据排序
arr,argsort()# 返回排序之后的索引数组

函数	说明
sum	数组的和
mean	数组均值
std	数组 标准差(公式)
var	数组 方差
min	数组最小值
max	数组最大值
argmin	最小元素的索引
argmax	最大元素的索引
cumsum	计算所有元素的累计 和
cumprod	计算所有元素的累计 积

标准差通常是相对于样本数据的平均值而定的，表示距离平均值的平均距离
在描述一个波动范围时标准差比方差更方便，方差被标准化了。开根号，统一单位，取名标准差

文件读写

#写入
np.save(“save_arr”,创建的数组名称)
np.savez('savez_arr',arr1,arr2)

#读取
load_data2=np.load("save_arr.npy") 
print(load_data2.files)#查看文件中存了那些数组　返回数组名列表
#以索引方式读取　被存多个数组中　的某一个
arr_data1=load_data2['arr_0']

Scipy小结

1.介绍

Scipy一般都是操控Numpy数组来进行科学计算

模块	功能
.cluster	矢量量化ｋ均值
.constants	物理数学常量
.fttpack	傅里叶变换
.integrate	积分程序
.interpokate	差值
.io	数据输入输出
.linalg	线性代数
.ndimage	ｎ维图像
.ord	正交距离回归
.optimize	优化
.signal	信号处理
.sparse	稀疏矩阵
.spatial	空间数据结构和算法
.special	任何特殊数学函数
.stats	统计

参考教程：https://docs.scipy.org/doc/scipy/reference/index.html

2.案例：最小二乘法

least square method

from scipy.optimize import leastsq

leastsq(func, x0, args=(), Dfun=None, full_output=0, col_deriv=0, ftol=1.49012e-08, xtol=1.49012e-08, gtol=0.0, maxfev=0, epsfcn=0.0,factor=100, diag=None)


func 自定义计算误差的函数，指出了待拟合函数的函数形状。

x0　里放的是k、b的初始值，这个值可以随意指定。往后随着迭代次数增加，k、b将会不断变化，使得error函数的值越来越小。

error函数为误差函数，我们的目标就是不断调整k和b使得error不断减小。这里的error函数和神经网络中常说的cost函数实际上是一回事

必须注意一点，传入leastsq函数的参数可以有多个，但必须把参数的初始值p0和其它参数分开放。其它参数应打包到args中。

import numpy as np
from scipy.optimize import leastsq
Xi = np.array([6.19,2.51,7.29,7.01,5.7,2.66,3.98,2.5,9.1,4.2])
Yi = np.array([5.25,2.83,6.41,6.71,5.1,4.23,5.05,1.98,10.5,6.3])
# 定义拟合函数  p传入元组或列表
def func(p,x):
    k,b=p
    return k*x+b
# 定义误差函数　　点到拟合直线的　y距离　（直线距离）
def error(p,x,y,s):
    print(s)
    return func(p,x)-y
# 设置初始值
p0=[1,1]
s='test the number of interation'
# 主函数
result=leastsq(error,p0,args=(Xi,Yi,s))
print(result)
k,b=result[0]
print('k=',k,'\n','b=',b)
# 预测x=10,y的值
y=k*10+b
print(y)
y1=np.round(y,2)
print(y1)



# 导入数据可视化
import matplotlib.pyplot as plt
plt.scatter(Xi,Yi,c='g',label='sample')
y_pred=k*Xi+b
plt.plot(Xi,y_pred,c='r',label='line')

#显示图例和图案
plt.legend()
plt.show()

#　Matplotlib小结

1.介绍

Matplotlib 是一个 Python 的 绘图库，我们使用matplotlib库中的pyplot模块：

2.基本操作

1.创建画布

import matplotlib.pyplot as plt
plt.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None)


num　图像编号或名称，数字为编号 ，字符串为名称
figsize　指定figure的宽和高，单位为英寸,1英寸等于2.5cm
dpi　指定绘图对象的分辨率，即每英寸多少个像素
facecolor　背景颜色
edgecolor　边框颜色

将画布分为多个区域,添加子图

figure=plt.figure('图例',figsize=(16,9),dpi=100)
sub1=figure.add_subplot(4, 3, 1)#可以画下12个子图
sub2=figure.add_subplot(4, 3, 2)
#figure.add_subplot(子图总行数, 子图总列数, 子图位置)
#注意：在子图中添加标题要在　添加子图语句　下面写这样才不会乱

#例如
ax1=fig2.add_subplot(2,2,1)
plt.pie(values[0,3:6],labels=label1,autopct="%2.1f%%",explode=explode1)

ax2=fig2.add_subplot(2,2,2)
ax2.pie(values[-1,3:6],labels=label1,autopct="%2.1f%%",explode=explode1)

2.添加内容

添加标题，坐标轴名称，绘制图形等步骤是并列的，没有先后顺序｜
添加图例一定要在绘制图形之后

plt.title(s,fontsize,rotation) #设置标题
plt.xlabel(s,fontsize,rotation)　#x轴名称
plt.ylabel(s,fontsize,rotation)　#y轴名称

plt.xlim()#指定当前图形x轴的范围 xlim((min,max))
plt.ylim()

plt.xticks()#指定x轴刻度的数目与取值
plt.yticks()
#例如
plt.xticks(range(1,70,4),values[range(0,70,4),1],rotation=50)


plt.legend(labels，loc,fontsize)　#指定当前图形的图例
#图例的文本标签,位置，字体,
#注意：文本标签应当与绘图的顺序保持一致

3.绘图

3.1 line chart 折线

matplotlib.pyplot.plot() 

#参数
x，y　接收array。表示x轴和y轴对应的数据　#必填

color　接收string。指定线条的颜色b g r c m y k w 
linestyle　指定线条类型。默认为“-” -- -. :
marker　表示绘制的点的类型，是否绘制数据点
alpha　　0-1的小数。表示点的透明度

3.2 scatter chart 散点

matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, alpha=None,)

#参数
x，y#必填

s 指定点的大小，若传入一维array则表示每个点的大小。
c 指定点颜色
marker　o D h H - 8 p . + * d v x > < $
alpha

3.3 bar chart 柱状

matplotlib.pyplot.bar（left，height，width = 0.8，bottom = None，hold = None，data = None， kwargs ）

#参数
left　x轴数据#必填
height　　代表数据的x轴数据的数量 y#必填

width 0-1之间的float
color


#注意　通过zip + plt.text　给柱子上显示值
　　　　　　　　　　　#位置　　　　值
for a,b in zip(range(9),values[-1,6:]):
  plt.text(a,b,'%.1f'%b,ha='center',va='bottom',fontsize=10)
#----------------------------------------------------------

plt.text(x, y, s, fontsize, verticalalignment,horizontalalignment,rotation) 
#参数
x,y表示标签添加的位置，默认是根据坐标轴的数据来度量的。
s表示标签的内容。通常是格式化输出 

verticalalignment表示垂直对齐方式 ，可选 ‘center’ ，‘top’ ， ‘bottom’，‘baseline’ 等
horizontalalignment表示水平对齐方式 ，可以填 ‘center’ ， ‘right’ ，‘left’ 等

rotation表示标签的旋转角度，以逆时针计算，取整

3.4 pie chart 饼

matplotlib.pyplot.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=None, radius=None, … )


#参数
x　接收array。表示用于绘制的数据#必填
autopct　指定数值的显示方式
labels　接收array。指定每一项的名称。注意顺序！！

explode　接收array。表示指定项离饼图圆心为n个半径
pctdistance　接收float。指定每一项的比例　和距离饼图圆心n个半径
labeldistance　接收float。指定每一项的名称　和距离饼图圆心多少个半径
radius　接收float。表示饼图的半径
color

'''tips
a. %d%%：整数百分比；
b. %0.1f：一位小数；
c. %0.1f%%：一位小数百分比；
d. %0.2f%%：两位小数百分比；
'''

4.保存和显示

plt.savefig(fname)  #保存绘制的图片,路径
plt.show()

3.其他

由于默认的pyplot字体并不支持中文字符的显示，因此需要通过设置font.sans-serif参数改变绘图时的字体，使得图形可以正常显示中文。同时，由于更改字体后，会导致坐标轴中的部分字符无法显示，因此需要同时更改axes.unicode_minus参数。

找到SimHei.ttf文件点击安装。
查看缓存文件在哪里：import matplotlib as mpl
                 mpl,get_cachedir()
清除缓存 rm -r *


plt.rcParams['font.sans-serif'] = 'SimHei' ## 设置中文显示
plt.rcParams['axes.unicode_minus'] = False ## 正常显示负号