numpy和matplotlib使用

Numpy库

一、概述。

　　numpy 库处理的最基础数据类型是由同种元素构成的多维数组（ndarray），简称“数组”。 数组中所有元素的类型必须相同，数组中元素可以用整数索引，序号从0开始。ndarray 类型的维度(dimensions)叫做轴(axes)，轴的个数叫做秩(rank)。一维数组的秩为1，二维数组的秩为2，二维数组相当于由两个一维数组构成。

　　为了使代码简洁，用以下方法引用：

import numpy as np 

二、常用创建数组函数。

 

 

 

 部分实例代码如下：

import numpy as np 
print('(1)\n',np.array([1,2,3],dtype=int)) #创建数组，dtype是数据的类型
print('(2)\n',np.arange(1,10,2))          #x到y，i为步长
print('(3)\n',np.linspace(1,10,10))        #x到y，等分成n个元素
print('(4)\n',np.random.rand(3,3))  #随机生成m行n列的数组
print('(5)\n',np.ones((2,2),int))  #全为一  
c = np.indices((3,3))         #创建m行n列的数组
print('(6)\n',c)

 

 

 

三、nadarray类（数组）。

（1）常用属性。

 

 

 

（2）形态操作方法。

 

 

 

  部分实例代码如下：

c1 = np.array([[1,2,3],[4,5,6],[7,8,9]])   #创建数组c1=[[1,2,3],[4,5,6],[7,8,9]]
print('(7)\n',c1)
print("数组的结构{}，总个数{}，类型{}，每个字节的大小{}".format(c1.shape,c1.size,c1.dtype,c1.itemsize))

 

 

 

 

 

四、算术运算函数。

　　在进行数组运算时，可以先将原始数组进行复制，再进行操作。这样在后续操作过程中就不会改变原始数组的值。(用上面的数组c1)

c2 = c1.copy()                           #复制，这样之后的计算就不会改变原数组

 

 

 其它运算函数：

 

 

 ps : numpy库还提供了

　　①一些比较运算函数；

　　②标准的三角函数：sin()、cos()、tan()。arcsin，arccos，和 arctan 函数返回给定角度的 sin，cos 和 tan 的反三角函数。这些函数的结果可以通过 numpy.degrees() 函数将弧度转换为角度。

　　③舍入函数：numpy.around() 函数返回指定数字的四舍五入值，等等。

部分代码实例：

print("(9)\n",np.ceil(c2))           #numpy.ceil()：返回大于或者等于指定表达式的最小整数，即向上取整
print("(10)\n",np.floor(c2))          #np.floor()返回不大于输入参数的最大整数。（向下取整）

 

 

 

Matplotlib库

一、概述。

　　matplotlib 是提供数据绘图功能的第三方库，其pyplot 子库主要用于实现各种数据展示图形的绘制。可与numpy库搭配使用，是数据可视化的重要方法。

为了使代码简洁，用以下方法引用：

import matplotlib.pyplot as plt

二、应用。

matplotlib.pyplot 库默认情况不支持中文，若用中文标识图表，可在代码中用以下方法：

import matplotlib
matplotlib.rcParams['font.family'] = 'KaiTi'
matplotlib.rcParams['font.sans-serif'] = ['KaiTi']   #KaiTi为楷体

实例：

import matplotlib.pyplot as plt
import numpy as np
import matplotlib
matplotlib.rcParams['font.family'] = 'KaiTi'
matplotlib.rcParams['font.sans-serif'] = ['KaiTi']
x = np.arange(1,11) 
y =  2  * x +  5  
plt.title("测试")
plt.xlabel('x轴')
plt.ylabel('y轴')
plt.plot(x,y,'oc')
plt.show()

代码解析：
plt.title('')设置标题； 
plt.xlabel('')设置x轴名称；
plt.ylabel('')设置y轴名称；
plt.plot(x,y,'oc')   根据x，y绘制直/曲线条；其中'oc'为设置的标记和标记颜色的简略使用（o圆标记，c青色）。（详见如下）
plt.show() 展现图。

上面代码,图呈现如下：

 

 样式与颜色设置：

'-'      实线样式 

'--'     短横线样式 

'-.'     点划线样式 

':'      虚线样式 

'.'      点标记 

','      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 

以下是颜色的缩写：

'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 

 

 

 

 

 

三、具体的图表函数。

（1）图标绘制。

 

ps : 还可以用plt 绘制极坐标图、饼图、功率谱密度图、谱图、散点图、直方图、数据日期，等等图表。

 （2）读取和显示函数。

 

 !   用plt.imsave()进行保存。

 

四、plt 库的绘图区域函数。

（1）使用figure()函数创建一个全局绘图区域：plt.figure(figsize=(8,4))（单位英寸）

（2）subplot()都用于在全局绘图区域内创建子绘图区域，其参数表示将全局绘图区域分成nrows 行和ncols 列，并根据先行后列的计数方式在plot_number 位置生成一个坐标系。【plt.subplot(r , c , d)  :  全局绘图区域被风割成 r × c 的网格，其中，在第d个位置绘制了一个坐标系】

——>若想在同一图中绘制不同的东西,就可以用plt.subplot()函数。实例如下：

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('Sin')  
# 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('Cos')  
# 展示图像
plt.show()

 

 

ps : 在设置x轴范围是有个参数“0.1”，这是为了让函数图像平滑，也就是绘制0.1步长的点。如果不设置，就会出现下列结果。

 

 

图像手绘效果实现

用下列代码将一张图输出为手绘效果：

from PIL import Image
import numpy as np
vec_el = np.pi/2.2           #光源的俯视角度,弧度值
vec_az = np.pi/4.          #光源的方位角度,弧度
depth =10.                    #（0-100)
im = Image.open("********").convert('L')
a = np.asarray(im).astype('float')
grad= np.gradient(a)       #取图像灰度的梯度值
grad_x,grad_y= grad          #分别取横纵图像梯度值

grad_x = grad_x*depth/100.
grad_y = grad_y*depth/100.
dx = np.cos(vec_el)*np.cos (vec_az) #光源对x轴的影响
dy =np.cos (vec_el)*np.sin(vec_az) #光源对y轴的影响
dz = np.sin(vec_el)
A =  np.sqrt(grad_x**2+grad_y**2 + 1.)
uni_x = grad_x/A
uni_y = grad_y/A
uni_z = 1./A
a2 = 255*(dx*uni_x+dy*uni_y+dz*uni_z)
a2 = a2.clip(0,255)
im2 = Image.fromarray(a2.astype('uint8'))
im2.save('*****')

原图：

 

 手绘效果展示：

 

 

 

 

 

绘制python123作业雷达图

此处小编用更加好用的pyecharts库进行绘制，代码如下：

from pyecharts import Radar
radar = Radar("2019310143110","python123作业成绩")
data = [[80,110,100,97,110,80]]                                                                    #成绩
week = [("第一周",80),("第二周",110),("第三周",100),("第四周",100),("第五周",110),("第六周",80)]      #80，110等数据为满分情况
radar.config(week)
radar.add("作业成绩",data,is_label_show = True)
radar.render("m.html")

 

 

 

自由落体位移，图实现

import matplotlib.pyplot as plt
import numpy as np
import matplotlib
matplotlib.rcParams['font.family'] = 'KaiTi'
matplotlib.rcParams['font.sans-serif'] = ['KaiTi']
x = np.arange(0, 60 , 0.1) 
y = 9.8*pow(x,2)/2000
plt.title("初速度为0，加速度为9.8m/s的加速运动的位移s（自由落体位移）")
plt.xlabel('时间t/秒')
plt.ylabel('位移s/千米')
plt.plot(x,y,'-.r')
plt.show()

 

 

 

 

 

知识来源

[1]Python语言程序设计 . 北京理工大学 嵩天 . 科学计算与可视化。

[2]菜鸟驿站 . numpy的学习。