python数据库-NumPy与Matplotlib库

简介: python数据库-NumPy与Matplotlib库

NumPy

1.导入numpy库

import numpy as np

python中用import导入库,这里的意思是将怒骂朋友作为np导入。通过这样的形式,之后使用numpy相关方法用np使用

2.生成numpy数组

import numpy as np
x = np.array([1.0, 2.0, 3.0])
print(x)
print(type(x))

将列表变成numpy

输出结果:

1. [1. 2. 3.]
2. <class 'numpy.ndarray'>

使用np.array()方法接受python列表进行参数,生成numpy数组

NumPy的算数运算

import numpy as np
x = np.array([1.0, 2.0, 3.0])
y = np.array([2.0, 4.0, 6.0])
print(x+y)
print(x-y)
print(x*y)
print(x/y)
print(x/2.0)


NumPy的算数运算

import numpy as np
x = np.array([1.0, 2.0, 3.0])
y = np.array([2.0, 4.0, 6.0])
print(x+y)
print(x-y)
print(x*y)
print(x/y)
print(x/2.0)


结果是

[3. 6. 9.]
[-1. -2. -3.]
[ 2.  8. 18.]
[0.5 0.5 0.5]
[0.5 1.  1.5]

说明运算是对应元素作为相应的基本运算

NumPy的N维数组(前两范围)

.代表包含


shape


zeros,ones,full


arrange()左闭右开,一个数0到   两个数左闭右开,三个数左闭右闭递进数字


indices()坐标


eye() 几行几列,对角线, 第一个数是列


reshape()改变维数


dtype()每一项的数据类型


a.dot(b)  代表线性代数相乘.t  转置

import numpy as np
A = np.array([[1, 2], [3, 4]])
print(A)
print(A.shape)
print(A.dtype)
B = np.array([[3, 0], [0, 6]])
print(A+B)
print(A*B)
print(A*10)

输出结果

[[1 2]
 [3 4]]
(2, 2)
int32
[[ 4  2]
 [ 3 10]]
[[ 3  0]
 [ 0 24]]
[[10 20]
 [30 40]]


这里生成两个 2 × 2 2 \times 2 2×2的矩阵A、B。矩阵的形状可以通过shape查看,矩阵元素的数据类型可以通过dtype查看。和数组的算术运算一样,矩阵的算术运算可以在相同形状的矩阵之间以对应元素的方式运算,也可以通过标量运算。


广播

在NumPy中,形状不同的数组之间也可以进行运算。在上一个例子中,print(A*10)是将10扩展成 2 × 2 2 \times 2 2×2的矩阵[[10, 10], [10, 10]],然后运算,这个巧妙的功能被称为广播。注意不是任何数组都可以进行运算。

import numpy as np
A = np.array([1, 2, 3])
B = np.array([[3, 0], [0, 6]])
print(A+B)

报错:形状不一样

访问元素

1.索引访问

import numpy as np
x = np.array([[51, 55], [14, 19], [0, 4]])
print(x)
print(x[0])
print(x[0][1])
for row in x:
    print(row)

结果

[[51 55]
 [14 19]
 [ 0  4]]
[51 55]
55
[51 55]
[14 19]
[0 4]

2.数组访问

import numpy as np
x = np.array([[51, 55], [14, 19], [0, 4]])
x = x.flatten()
print(x)
print(x[np.array([0, 2, 4])])//获取索引0,2,4 的元素


结果

[51 55 14 19  0  4]
[51 14  0]

3.标记法

import numpy as np
x = np.array([[51, 55], [14, 19], [0, 4]])
print(x > 15)
print(x[x > 15])

结果

[[ True  True]
 [False  True]
 [False False]]
[51 55 19]

Matplotlib

1.导入库

import matplotlib.pyplot as plt

2.绘制简单图形

import numpy as np
import matplotlib.pyplot as plt
x = np.arange(0, 6, 0.1)
y = np.sin(x)
plt.plot(x, y)
plt.show()

结果

使用arange方法生成了的x,y的值如下

[0.  0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.  1.1 1.2 1.3 1.4 1.5 1.6 1.7
 1.8 1.9 2.  2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 3.  3.1 3.2 3.3 3.4 3.5
 3.6 3.7 3.8 3.9 4.  4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9 5.  5.1 5.2 5.3
 5.4 5.5 5.6 5.7 5.8 5.9]
[ 0.          0.09983342  0.19866933  0.29552021  0.38941834  0.47942554
  0.56464247  0.64421769  0.71735609  0.78332691  0.84147098  0.89120736
  0.93203909  0.96355819  0.98544973  0.99749499  0.9995736   0.99166481
  0.97384763  0.94630009  0.90929743  0.86320937  0.8084964   0.74570521
  0.67546318  0.59847214  0.51550137  0.42737988  0.33498815  0.23924933
  0.14112001  0.04158066 -0.05837414 -0.15774569 -0.2555411  -0.35078323
 -0.44252044 -0.52983614 -0.61185789 -0.68776616 -0.7568025  -0.81827711
 -0.87157577 -0.91616594 -0.95160207 -0.97753012 -0.993691   -0.99992326
 -0.99616461 -0.98245261 -0.95892427 -0.92581468 -0.88345466 -0.83226744
 -0.77276449 -0.70554033 -0.63126664 -0.55068554 -0.46460218 -0.37387666]

将x,y的数据传给plt.plot,然后绘制图形,最后通过plt.show()显示图像。

相关文章
|
2天前
|
XML JSON 数据库
Python的标准库
Python的标准库
110 77
|
1月前
|
调度 开发者 Python
Python中的异步编程:理解asyncio库
在Python的世界里,异步编程是一种高效处理I/O密集型任务的方法。本文将深入探讨Python的asyncio库,它是实现异步编程的核心。我们将从asyncio的基本概念出发,逐步解析事件循环、协程、任务和期货的概念,并通过实例展示如何使用asyncio来编写异步代码。不同于传统的同步编程,异步编程能够让程序在等待I/O操作完成时释放资源去处理其他任务,从而提高程序的整体效率和响应速度。
|
16天前
|
机器学习/深度学习 算法 数据挖掘
数据分析的 10 个最佳 Python 库
数据分析的 10 个最佳 Python 库
51 4
数据分析的 10 个最佳 Python 库
|
3天前
|
XML JSON 数据库
Python的标准库
Python的标准库
26 11
|
16天前
|
人工智能 API 开发工具
aisuite:吴恩达发布开源Python库,一个接口调用多个大模型
吴恩达发布的开源Python库aisuite,提供了一个统一的接口来调用多个大型语言模型(LLM)服务。支持包括OpenAI、Anthropic、Azure等在内的11个模型平台,简化了多模型管理和测试的工作,促进了人工智能技术的应用和发展。
69 1
aisuite:吴恩达发布开源Python库,一个接口调用多个大模型
|
3天前
|
数据可视化 Python
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
通过这些思维导图和分析说明表,您可以更直观地理解和选择适合的数据可视化图表类型,帮助更有效地展示和分析数据。
30 8
|
24天前
|
XML 存储 数据库
Python中的xmltodict库
xmltodict是Python中用于处理XML数据的强大库,可将XML数据与Python字典相互转换,适用于Web服务、配置文件读取及数据转换等场景。通过`parse`和`unparse`函数,轻松实现XML与字典间的转换,支持复杂结构和属性处理,并能有效管理错误。此外,还提供了实战案例,展示如何从XML配置文件中读取数据库连接信息并使用。
Python中的xmltodict库
|
23天前
|
存储 人工智能 搜索推荐
Memoripy:支持 AI 应用上下文感知的记忆管理 Python 库
Memoripy 是一个 Python 库,用于管理 AI 应用中的上下文感知记忆,支持短期和长期存储,兼容 OpenAI 和 Ollama API。
79 6
Memoripy:支持 AI 应用上下文感知的记忆管理 Python 库
|
11天前
|
安全 API 文件存储
Yagmail邮件发送库:如何用Python实现自动化邮件营销?
本文详细介绍了如何使用Yagmail库实现自动化邮件营销。Yagmail是一个简洁强大的Python库,能简化邮件发送流程,支持文本、HTML邮件及附件发送,适用于数字营销场景。文章涵盖了Yagmail的基本使用、高级功能、案例分析及最佳实践,帮助读者轻松上手。
22 4
|
24天前
|
数据采集 数据可视化 数据处理
Python数据科学:Pandas库入门与实践
Python数据科学:Pandas库入门与实践