科学计算和可视化

Posted 2020-11-29 007abc

Numpy
定义：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。它主要用于数组计算，包括：

一个强大的N维数组对象 ndarray
广播功能函数
整合 C/C++/Fortran 代码的工具
线性代数、傅里叶变换、随机数生成等功能
1、ndarray : ndarray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。创建一个 ndarray 只需调用 NumPy 的 array 函数即可。

2、参数说明：

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型一致的数组
ndmin	指定生成数组的最小维度

 

 

 

 

 

 

 

 

实例:

 

 

3、数据类型

名称	描述
bool_	布尔型数据类型（True 或者 False）
int_	默认的整数类型（类似于 C 语言中的 long，int32 或 int64）
intc	与 C 的 int 类型一样，一般是 int32 或 int 64
int32	整数（-2147483648 to 2147483647）
uint8	无符号整数（0 to 255）
float_	float64 类型的简写
complex_	complex128 类型的简写，即 128 位复数

numpy.dtype(object, align, copy) :  object - 要转换为的数据类型对象; align - 如果为 true，填充字段使其类似 C 的结构体; copy - 复制 dtype 对象 ，如果为 false，则是对内置数据类型对象的引用。

实例：

          

 

4、数组属性

（1）numpy 数组的维数称为秩（rank），秩就是轴的数量，即数组的维度，一维数组的秩为 1，二维数组的秩为 2，以此类推。每一个线性的数组称为是一个轴（axis），也就是维度（dimensions）。比如说，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。

属性	说明
ndarray.ndim	秩，即轴的数量或维度的数量
ndarray.shape	数组的维度，对于矩阵，n 行 m 列
ndarray.size	数组元素的总个数，相当于 .shape 中 n*m 的值
ndarray.dtype	ndarray 对象的元素类型
ndarray.real（imag）	ndarray元素的实(虚)部
ndarray.itemsize	ndarray 对象中每个元素的大小，以字节为单位

实例：

        

 

 

5、创建数组

• numpy.empty 方法用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组       numpy.empty(shape, dtype = float, order = ‘C‘)

• numpy.zeros  创建指定大小的数组，数组元素以 0 来填充      numpy.zeros(shape, dtype = float, order = ‘C‘)

• numpy.ones  创建指定形状的数组，数组元素以 1 来填充       numpy.ones(shape, dtype = None, order = ‘C‘)

       

 

 numpy.asarray 类似 numpy.array，但 numpy.asarray 参数只有三个，比 numpy.array 少两个

       

 

 numpy.arange  函数创建数值范围并返回 ndarray 对象  numpy.arange(start, stop, step, dtype)    (start:起始值，默认为0 ;stop:终止值（不包含） step:步长，默认为1; dtype:返回ndarray的数据类型，如果没有提供，则会使用输入数据的类型。)

        

 

 6、切片和索引： slice 函数

       

 

 7、广播：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。

       

 

 Matplotlib：

         

 实例：

import numpy as np
from matplotlib import pyplot as plt
x = np.arange(1,11)
y = 2 * x - 1
plt.title("demo")
plt.xlabel("x axis caption") 
plt.ylabel("y axis caption") 
plt.plot(x,y)
plt.show()

效果：

        

 

雷达图:

           

import numpy as np
import matplotlib.pyplot as plt
import matplotlib
matplotlib.rcParams[‘font.family‘]=‘SimHei‘
matplotlib.rcParams[‘font.sans-serif‘] = [‘SimHei‘]
labels = np.array([‘第一次‘, ‘第二次‘, ‘第三次‘, ‘第四次‘, ‘第五次‘,‘第六次‘])
nAttr = 6
data = np.array([50,91,80,100,70,40]) 
angles = np.linspace(0, 2*np.pi, nAttr, endpoint=False)
data = np.concatenate((data, [data[0]]))
angles = np.concatenate((angles, [angles[0]]))
fig = plt.figure(facecolor="white")
plt.subplot(111, polar=True)
plt.plot(angles,data,‘bo-‘,color =‘g‘,linewidth=2)
plt.fill(angles,data,facecolor=‘g‘,alpha=0.25)
plt.thetagrids(angles*180/np.pi, labels)
plt.figtext(0.52, 0.95, ‘ljt的成绩表‘, ha=‘center‘)
plt.grid(True)
plt.show()

结果显示: