码迷,mamicode.com
首页 > 编程语言 > 详细

Python 之 Numpy库以及Matplotlib库的学习

时间:2020-05-07 09:13:14      阅读:140      评论:0      收藏:0      [点我收藏+]

标签:图表   plt   http   ade   copy   实例   坐标系   str   ams   

  Numpy(Numerical Python)是Python中一个非常常用的第三方科学计算库。Numpy提供了python对多维数组对象的支持:ndarray,具有矢量运算能力,快速、节省空间。numpy支持高级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。

  Matplotlib(数据可视化)是Python中一个能够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,包括线性图(折线图,函数图)、柱形图、饼图等基础而直观的图形,在平常的开发当中需要绘图时就非常有用了。

  

  引用方式:

 

1 import numpy as np
2 import matplotlib.pyplot as plt
3 #以下三行代码是为了正确显示中文字体,更改了默认设置,‘SimHei‘表示黑体字。
4 import matplotlib
5 matplotlib.rcParams[font.family] = SimHei
6 matplotlib.rcParams[font.sans-serif] = [SimHei]

   as 保留字与import 一起使用能够改变后续代码中库的命名空间,有助于提高代码可读性。简单说,在后续程序中,np 代替numpy,plt 将代替matplotlib.pyplot。 

 

 一、Numpy

  使用Numpy库,可以执行以下操作:    

  • 数组的算数和逻辑运算。
  • 傅立叶变换和用于图形操作的例程。
  • 与线性代数有关的操作。 NumPy 拥有线性代数和随机数生成的内置函数。

 

- Ndarray对象

  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。

 

  常用的创建数组函数如下:

技术图片

 

     创建了数组后,ndarray类型有一些基本属性:

 

技术图片

   

  代码示例:

>>> import numpy as np
>>> a = np.ones((3,3))
>>> print(a)
[[1. 1. 1.]
[1. 1. 1.]
[1. 1. 1.]]
>>> a.ndim
2
>>> a.shape
(3, 3)
>>> a.dtype
dtype(‘float64‘)

     

ndarray类的形态操作方法:

技术图片

 

 ndarray类的索引和切片:

  与列表的相同,不过需要注意的是数组切片得到的是原始数组的视图,所有修改都会直接反映到源数组。如果需要得到的ndarray 切片的一份副本,需要进行复制操作,比如   arange[5:8].copy()。

 

  - Numpy库的运算函数

    技术图片

 

   这些函数中,输出参数y可选,如果没有指定,将创建并返回一个新的数组保存计算结果;如果指定参数,则将结果保存到参数中。例如,两个数组相加可以简单地写为a+b,而np.add(a, b, a)则表示a+=b。

 技术图片

 

  • where()函数是三元表达式x if condition else y 的矢量版本。  
  • 这些函数将返回一个布尔数组,它包含两个数组中对应元素值的比较结果,如下: 
>>> np.less([1, 2],[2,2])
array([ True, False], dtype=bool)

   

  其他运算函数:

 技术图片

 

  二、Matplotlib

    - Matplotlib.pyplot 库(plt 子库提供了一批操作和绘图函数,每个函数代表对图像进行的一个操作,比如创建绘图区域、添加标注或者修改坐标轴等)

      plt库的绘图区域函数:

技术图片

  • 使用figure()函数创建一个全局绘图区域,并且使它成为当前的绘图对象,figsize参数可以指定绘图区域的宽度和高度,单位为英寸。鉴于figure()函数参数较多,这里采用指定参数名称的方式输入参数。
    >>> plt.figure(figsize = (8, 5))
  • axes()默认创建一个subplot(111)坐标系,参数rec = [left,bottom,width,height]中四个变量的范围都为[0,1],表示坐标系与全局绘图区域的关系;axisbg 指背景色,默认为white。
    >>> plt.axes([0.1, 0.1, 0.7, 0.3], axisbg = ‘y‘)

    >>> plt.show()

  • 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,实例代码如下,三个参数关系如下图所示。其中,全局绘图区域被风割成3x2 的网格,其中,在第4 个位置绘制了一个坐标系。
    >>> plt.subplot(324)
    >>> plt.show()

    技术图片

    
    plt库的读取和显示函数:

技术图片

    

    plt库的基础图表函数:

技术图片
技术图片

 

 

 技术图片

 

  •  plot()函数是用于绘制直线的最基础函数,调用方式很灵活,x 和y 可以是numpy计算出的数组,并用关键字参数指定各种属性。其中,label 表示设置标签并在图例(legend)中显示,color 表示曲线的颜色,linewidth 表示曲线的宽度。在字符串前后添加"$"符号,matplotlib 会使用其内置的latex 引擎绘制的数学公式。

 

    示例:

技术图片  技术图片

 

   plt库的坐标轴plt 库有两个坐标体系;图像坐标和数据坐标。图像坐标将图像所在区域左下角视为原点,将x 方向和y 方向长度设定为1。整体绘图区域有一个图像坐标,每个axes()和subplot()函数产生的子图也有属于自己的图像坐标。axes()函数参数rect 指当前产生的子区域相对于整个绘图区域的图像坐标。数据坐标以当前绘图区域的坐标轴为参考,显示每个数据点的相对位置)

 

      坐标轴设置函数:

技术图片

>>> plt.plot([1, 2, 4], [1, 2, 3])
>>> plt.axis()      #获得当前坐标轴范围
(1.0, 4.0, 1.0, 3.0)
>>> plt.axis([0, 5, 0, 8])       #4个变量分别是[xmin, xmax, ymin, ymax]

 

   标签设置函数:

技术图片

 

 

 技术图片

    示例:

技术图片  技术图片

       

   区域填充函数:

技术图片

 

   示例:

技术图片  技术图片

 

  三、雷达图绘制

技术图片
 1 import numpy as np
 2 import matplotlib.pyplot as plt
 3 import matplotlib
 4 matplotlib.rcParams[font.family] = SimHei
 5 matplotlib.rcParams[font.sans-serif] = [SimHei]
 6 labels = np.array([第一周,第二周,第三周,第四周,第五周,第六周])
 7 nAttr = 6
 8 data = np.array([100, 98, 98, 100, 96, 94])    #成绩值
 9 angles = np.linspace(0, 2*np.pi, nAttr, endpoint=False)
10 data = np.concatenate((data, [data[0]]))
11 angles = np.concatenate((angles, [angles[0]]))     #这两行代码作用是进行数组的拼接
12 fig = plt.figure(facecolor="white")
13 plt.subplot(111, polar=True)
14 plt.plot(angles, data, bo-, color = g, linewidth = 2)
15 plt.fill(angles, data, facecolor = g, alpha = 0.25)
16 plt.thetagrids(angles*180 / np.pi, labels)
17 plt.figtext(0.52, 0.95, 小明的成绩表, ha = center)
18 plt.grid(True)
19 plt.savefig(Grade.JPG)
20 plt.show()
View Code

    效果如下:

 

 技术图片

 

   四、自定义手绘风

技术图片
 1 from PIL import Image
 2 import numpy as np
 3 vec_el=np.pi/2.2                                           #光源的俯视角度,弧度值
 4 vec_az=np.pi/4.                                            #光源的方位角度,弧度值
 5 depth=10.                                                    #(0-100)
 6 im=Image.open("pic.jpg").convert(L)
 7 a=np.asarray(im).astype(float)
 8 grad=np.gradient(a)                                     #取图像灰度的梯度值   
 9 grad_x,grad_y=grad                                     #分别取横纵图像梯度值
10 grad_x=grad_x*depth/100.
11 grad_y=grad_y*depth/100.
12 dx=np.cos(vec_el)*np.cos(vec_az)                #光源对x轴的影响
13 dy=np.cos(vec_el)*np.sin(vec_az)                 #光源对y轴的影响
14 dz=np.sin(vec_el)                                        #光源对z轴的影响
15 A=np.sqrt(grad_x**2+grad_y**2+1.)
16 uni_x=grad_x/A
17 uni_y=grad_y/A
18 uni_z=1./A
19 a2=255*(dx*uni_x+dy*uni_y+dz*uni_z)       #光源归一化
20 a2=a2.clip(0,255)
21 im2=Image.fromarray(a2.astype(uint8))      #重构图像
22 im2.save(pic_handdraw.jpg)
View Code

技术图片      技术图片

 

      

Python 之 Numpy库以及Matplotlib库的学习

标签:图表   plt   http   ade   copy   实例   坐标系   str   ams   

原文地址:https://www.cnblogs.com/Lincoln-Wong/p/12838973.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!