day18
numpy模块numpy是Python的一种开源的数据计算扩展库,用来存储和处理大型矩阵
矩阵即numpy的ndarray对象,创建矩阵就是把一个列表传入np.array()方法 import numpy as np #约定俗成 np代表numpy#一维arr = np.array([1,2,3,4])print(arr)[1,4]#二维arr = np.array([[1,4],[5,6,7,8]])[[1,4] [5,8]]#三维[[[1,[1,4]],[[2,4,5],[3,5,6],6]],[[5,8],8]]]arr = [[1,3] [4,6]]#获取矩阵的行和列print(arr.shape)(2,3)#获取矩阵的行print(arr.shape[0])2# 获取矩阵的列print(arr.shape[1])3 切割矩阵# 取所有元素print(arr[:,:])# 取第一行所有元素print(arr[:1,:])print(arr[0,[0,1,....(n个数则n-1)]])# 取第一列所有元素print(arr[:,:1])print(arr[[0,..],0])# 取第一行第一列的元素print(arr[0,0])#取大于5的元素,返回一个数组print(arr[arr > 5])#生成布尔矩阵print(arr > 5)[[False False False] [True False True ]] 矩阵元素替换类似于列表的替换 # 取第一行所有元素变为0arr1 = arr.copy()arr1[:1,:] = 0print(arr1)# 去所有大于5的元素变为0arr2 = arr.copy()arr2[arr >5] = 0print(arr2)#对矩阵清零arr3 = arr.copy()arr3[:,:] = 0print(arr3) 矩阵的合并arr1 = [[1,2] [3,4]]arr2 = [[5,6] [7,8]]# 合并矩阵的行,用hstack的合并的话 会具有相同的行#方法1np.hstack((arr1,arr2))[[1,6] [3,8]]#方法2print(np.concatenate((arr1,arr2),axis=1))[[1,8]]# 合并矩阵的列,用vstack#方法1np.vstack((arr1,2] [3,6] [7,8]]# 方法2print(np.contatenate((arr1,axis=0)) 通过函数创建矩阵arangeprint(np.arange(10))#0-9数组[0 1 2 3 4 5 6 7 8 9]print(np.arange(1,5))#1-4数组[1 2 3 4]print(np.arange(1,20,2))#1-19,步长为2的数组[1 3 5 7 9 11 13 15 17 19]linspace/logspace#构造一个等差数列,取头也取尾np.linspace(0,5)[0.5.10.15.20]#构造一个等比数列,从10**0取到10**20,取5个数np.logspace(0,5)[ 1.00000e+00 1.00000e+05 1.00000e+10 1.00000e+15 1.00000e+20]zero/ones/eye/empty#构造全0矩阵np.zeros((3,4))[[0. 0. 0. 0.] [0. 0. 0. 0.] [0. 0. 0. 0.]]#构造全1矩阵np.ones((X,Y))#构造N个主元的单位矩阵np.eye(n)#例[[1. 0. 0.] [0. 1. 0.] [0. 0. 1.]]#构造一个随机矩阵,里面元素为随机生成np.empty((x,y))# fromstring通过对字符串的字符编码所对应ASCII编码的位置,生成一个ndarray对象s = 'abcdef'# np.int8表示一个字符的字节数为8print(np.fromstring(s,dtype=np.int8))[ 97 98 99 100 101 102]def func(i,j): """其中i为矩阵的行,j为矩阵的列""" return i*j# 使用函数对矩阵元素的行和列的索引做处理,得到当前元素的值,索引从0开始,并构造一个3*4的矩阵print(np.fromfunction(func,(3,4)))[[ 0. 0. 0. 0.] [ 0. 1. 2. 3.] [ 0. 2. 4. 6.]] 矩阵的运算+ - * / % **n矩阵的点乘必须满足第一个矩阵的列 = 第二个矩阵的行arr1 = np.array([[1,3],[4,6]])print(arr1.shape)(2,3)arr2 = np.array([[7,[9,10],[11,12]])print(arr2.shape)(3,2)assert arr1.shape[0] == arr2.shape[1]# 2*3·3*2 = 2*2print(arr1.dot(arr2))[[ 58 64] [139 154]] 矩阵的转置相当于矩阵的行和列呼唤arr = np.array([[1,6]])print(arr)[[1 2 3] [4 5 6]]print(arr.transpose())[[1 4] [2 5] [3 6]]print(arr.T)[[1 4] [2 5] [3 6]] 矩阵的逆矩阵行和列相同时候才可逆arr = np.array([[1,[7,8,9]])print(arr)[[1 2 3] [4 5 6] [7 8 9]]print(np.linalg.inv(arr))[[ 3.15251974e+15 -6.30503948e+15 3.15251974e+15] [ -6.30503948e+15 1.26100790e+16 -6.30503948e+15] [ 3.15251974e+15 -6.30503948e+15 3.15251974e+15]]# 单位矩阵的逆是单位矩阵本身arr = np.eye(3)print(arr)[[ 1. 0. 0.] [ 0. 1. 0.] [ 0. 0. 1.]]print(np.linalg.inv(arr))[[ 1. 0. 0.] [ 0. 1. 0.] [ 0. 0. 1.]] collections模块
1. CounterCounter作为字典dicit()的一个子类用来进行hashtable计数,将元素进行数量统计,计数后返回一个字典,键值为元素,值为元素个数 常用方法:
2. dequedeque属于高性能的数据结构之一,常用方法如下:
3. defaultdict
4. OrderedDict有序字典也是字典的一个子类 5. namedtuplenamedtuple由自己的类工厂namedtuple()进行创建,而不是由表中的元组进行初始化,通过namedtuple创建类的参数包括类名称和一个包含元素名称的字符串 Matplotlib模块:绘图和可视化一、简单介绍Matplotlib 1、Matplotlib是一个强大的Python绘图和数据可视化的工具包 2、安装方法:pip install matplotlib 3、引用方法:import matplotlib.pyplot as plt 4、绘图函数:plt.plot() 5、显示图像:plt.show() 二、Matplotlib:plot函数 1、plot函数:绘制折线图
2、plot函数绘制多条曲线 三、Matplotlib-图像标注
四、Matplotlib实例——绘制数学函数图像 使用Matplotlib模块在一个窗口中绘制数学函数y=x,y=x2,y=3x3+5x2+2x+1的图像,使用不同颜色的线加以区别,并使用图例说明各个线代表什么函数。 五、Matplotlib:画布与子图 画布:figure
图:subplot
调节子图间距:
六、Matplotlib-支持的图类型 七、Matplotlib——绘制K线图 matplotlib.finanace子包中有许多绘制金融相关图的函数接口。 八、示例代码 使用之前首先下载:pip install Matplotlib 接着引入:import matplotlib.pylot as plt 绘图函数:plt.plot() 显示函数:plt.show() 使用plt.plot?可以查看它的参数 我们通过加参数,可以更改这个图线的形状 (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |