matplotlib中常用函数

动态图 89. from matplotlib import animation#动态图所需要的包 90. fig,ax = plt.subplots()#子图像 91. x = np.arange(0,2*np.pi,0.01) 92. line, = ax.plot(x,np.sin(x)) 93.

94. def animate(i):

95. line.set_ydata(np.sin(x+i/10))#用来改变的y对应的值 96. return line, 97. def init():

98. line.set_ydata(np.sin(x))#动态图初始图像 99. return line, 100. 101. ani =

animation.FuncAnimation(fig=fig,func=animate,init_func=init,interv

al=20)#动态作图的方法，func动态图函数，init_func初始化函数，interval

指图像改变的时间间隔

102. plt.show()

注：若想看动态效果请在ipython中使用

使用颜色映射

颜色映射（colormap）是一系列颜色，它们从起始颜色渐变到结束颜色。在可视化中，颜色映射用于突出数据的规律，例如，你可能用较浅的颜色来显示较小的值，并使用较深的颜色来显示较大的值。

1. import matplotlib.pyplot as plt 2.

3. x_values = list(range(1001)) 4. y_values = [x**2 for x in x_values] 5.

6. plt.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues,

edgecolor='none', s=40)

数据分析 matlab

Numpy + scipy + pandas +matplotlib

数据计算 +科学应用＋数据清洗＋数据可视化 １ Numpy概述

基于c语言的python接口的数值算法库 开源免费

弥补了python语言在数值计算方面的短板 作为常用科学计算工具的底层支撑 Numpy的性能

简化代码编写，提高开发效率 通过优化底层实现，提高运行速度 基础： 数组

Numpy中的数组是ndarray类实例化的对象： 实例数据：数组的内容 元数据：对数组的描述

大部分对数组的操作仅仅是对元数据的操作，以此提高执行性能 Numpy中的数组必须是同质的，即所有元素的数据类型必须完全相同 dtype和shape属性分别表示元素类型和维度 实例化

np.arange(起始值，终止值，步长) 默认起始值0 默认步长：1

np.array(任何可被解释为数组的序列) 类型转换astype(目标类型)->转换后的新数组

'

数组的维度表示为一个元组:(高维度数->低维度数) 一维数组，6个元素:（6，） 二维数组，2行3列：（2，3） 三维数组，2页3行4列：（2，3，4） 通过下标运算符访问数组中的元素 数组[页标][行标][列标] 数据类型

存储形式，处理方式 内置类型

布尔型

bool_ : True/False 整型

有符号 ：int8/int16/int32/int64 无符号 : uint8/uint16/uint32/uin64 浮点型： float16/float32/float64 复数型 ：complex64/complex128

复合类型

有多个相同或不同类型的字段组合而成的类型 np.array(..,dytpe=复合类型) 类型字符码

bool_:?

有符号整型：i1/2/4/8 无符号整型：u1/2/4/8 浮点型： f2/4/8 复数型：c8/16 字符串:U<字符数> 日期时间：M

字节序(针对多字节整型)：/=表示小端/大端/硬件 切片

数组[起始：终止：步长]

默认起始：首（正步长）/尾(负步长) 默认终止：尾后(正步长)/首前 默认步长:1 变维

视图变维：元数据独立，实际数据共享 数组.reshape(新维度) ->新数组

元素数和维度数必须匹配 数组.ravel() -> 得到的是一维数组

复制变维：元数据和实际数据都是独立的

数组.flatten() -->一维数组 （数组运算不会改变） 就地变维：修改元数据的值（维度信息，不会产生新的数组对象） 数组.shape = 新维度 数组.resize(新维度) 组合拆分

垂直组合：沿着垂直方向组合两个小的同维数组为一个大数组 np.vstack((上，下))

np.concatenate((上，下),axis=0)

axis : 轴向，用维度的下标表示 0为行，，1为列 水平组合：沿着水平方向组合两个小的同维数组为一个大数组 np.hstack((左，右))

np.concatenate((左，右),axis=1) 深度组合:沿着纵深方向组合两个小的同维数组为一个大数组 np.dstack((前，后)) 会升维 行组合：以两个一维数组按照行的方式组合成一个二维数组 np.row_stack((上，下))

列组合：以两个一维数组按照列的方式组合成一个二维数组 np.column_stack((左,右))

垂直拆分：将一个大的数组沿着垂直方向拆分成若干个小的同维数组 np.vsplit(被拆分数组，拆分份数)