Python 科学工具笔记

numpy

• a = numpy.array([1,2,3,4]);// 创建一个numpy的数组对象
  此时a.shape显示的值为(4,);
  由此得出结论在一维的数组中, 数组的是列优先的
• numpy.random.uniform(low, high):
  产生在low和high之间的随机数
• numpy.vdot(arrA, arrB):
  计算arrA与arrB的数量积
• numpy.max(), .min(), .sum(), .average()
• numpy.random.randn():

Scipy

• scipy.integrate.quad(funcname, low, high): funcname函数的仅仅返回一个需要求解积分的式子
  low: 积分下线
  high: 积分上限

matplotlib.pyplot

 import matplotlib.pyplot as plt
 plt.hist()
 plt.plot()
 plt.pie()
 plt.bar()
 plt.show()
 plt.scatter()
 
 

numpy库使用

• genfromtxt(filename, delimiter, dtype, skip_header=1/2)

filename: 文件名

delimiter: 分隔符, 用于分隔文件中每行的内容放入到矩阵中

dtype: 矩阵中的类型, ATTENTION: numpy矩阵中的所有元素是同一个类型

skip_header: 是否跳过首行

• numpy.array(list): 根据list返回一个numpy的矩阵
• obj.shape: 返回维度信息
• obj.dtype: 返回numpy的dtype类型对象, 显示矩阵中的元素类型
• [2], [2:3]: 对以为矩阵, 获取指定的元素

对于二维矩阵元素的获取:

[2:3, 3:4]: 逗号左侧表示对行的切片, 逗号右边表示对列的切片

• 对numpy中的矩阵进行操作符的操作(<. ==, >)等指的是对矩阵中每一个元素进行该操作, bool类型的操作返回的是bool序列
• 矩阵中的切片可是一个bool类型的序列, [bool_list], 返回对应的为True的元素组成的序列
• obj.astype(dtype): 改变元素的类型
• obj.min(),.max(), sum(),其中可以添加默认参数, axis=1|0, 如果为0表示按照列为单位计算min, max等, 返回每一行的min, max等, 如果为axis=1则是以行为单位

• numpy.isnan(array): 返回bool序列, 判断元素的空项

• obj.arange(0, 100, 2)
• obj.linspace(0, 100, 100)
• obj.ndim: 返回矩阵的维度
• obj.size: 元素个数
• obj.zeros(tuple)
• obj.ones(tuple)
• numpy.random.random((2, 3)): 生成2行3列的元素为随机数的矩阵
• obj0.dot(obj1)或者numpy.dot(obj0, obj1): 矩阵乘法, obj0的列向量与obj1的行向量的数量积
• numpy.exp(array), numpy.sin(array), numpy.sqrt(array), numpy.floor(array)
• obj.ravel(): 解开矩阵, 将矩阵拉成以为向量
• numpy.vstack(obj0, obj1): 将obj0与obj1垂直拼接
• numpy.hstack(obj0, obj1): 将obj0与obj1水平拼接
• numpy.vsplit(obj, 3): 将obj垂直切两刀平均分为3个矩阵
• numpy.hsplit(obj, 3): 同理
• numpy.vsplit(obj, (2, 3)): 以2行3列的元素所在的列为分隔线分隔为3份
• numpy.hsplit(obj, (2, 3)): 同理
• numpy.reshape(2, 3): 调整矩阵的行和列
• obj.view(): 浅拷贝, 不建议使用
• obj.copy(): 深拷贝
• obj.tile(2, 3): 也为拷贝, 但是拷贝出来的矩阵的行是原来的2倍, 列是原来的3倍

• obj.sort(axis=1|0): 按照行或者列进行判断

pandas库使用(pandas是对numpy的封装, 随意可以混合使用)

• pandas.read_csv(filename): 读取文件返回DataFrame对象(df), 只要数据是以逗号分隔的都可使用read_csv读取
• df.dtypes返回类型
• df.head(3): 查看前3行
• df.tail(3): 查看后3行
• df.columns: 列名
• df.shape: 维度信息, 表格的行和列信息
• df.loc[index]: 返回指定行的信息
• df['string']: 返回指定的名称的列信息, 返回Series, DataFrame就是有很多个Series中组成的
• 在pandas中的python内置的str类型为object类型(dtype中显示的)
• obj.dropna(): 去掉有空项的行
• Series对象

series.index返回index序列

series.sortindex排序index

series.sortvalues排序values

series[0]|series['str']: 返回索引对应的value

matplotlib.pyplot库使用

• 画出折线图

import matplotlib.pyplot as plt

x_values = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun']

y_values = [100, 200, 300, 120, 12, 213, 123]

x_label = 'Days'

y_label = 'Rain flow'

line_color = 'red'

legend_string = 'Trend'

plt.plot(x_label, y_label, c=line_color, label=legend_string) # plot函数作用: 画出图或者线(指的仅仅是折线, 柱形图的, 并不包含坐标的绘画)

plot函数参数介绍:

1: x轴数据序列

2: y轴数据序列

3: c: 折线的颜色

4: label: 折线对应的名称

plt.xlabel(x_label)

plt.ylabel(y_label)

plt.title('Demo')

plt.ledend(loc='best') # 显示折线对应的label, 就是图例

plt.xticks(rotation=45) # 设置x轴显示的数据的倾斜度为45, 便于显示标签

plt.show() # 显示图形