首页 / PYTHON / python科学计算与可视化
python科学计算与可视化
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了python科学计算与可视化,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含2437字,纯文字阅读大概需要4分钟。
内容图文
![python科学计算与可视化](/upload/InfoBanner/zyjiaocheng/801/08051f6409c54673996571690bd2c83b.jpg)
一、Numpy 库
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。
引用:
import numpy as np
Numpy查看数组属性:
数组元素个数:
b.size
数组形状:
b.shape
数组维度:
b.ndim
数组元素类型:
b.dtype
快速创建N维数组的api函数:
(1)创建10行10列的数值为浮点1的矩阵:
array_one = np.ones([10, 10]
(2)创建10行10列的数值为浮点0的矩阵:
array_zero = np.zeros([10, 10])
Numpy创建随机数组np.random
均匀分布
np.random.rand(10, 10)创建指定形状(示例为10行10列)的数组(范围在0至1之间)
np.random.uniform(0, 100)创建指定范围内的一个数
np.random.randint(0, 100)创建指定范围内的一个整数
正态分布
给定均值/标准差/维度的正态分布np.random.normal(1.75, 0.1, (2, 3)
NumPy 创建数组
ndarray 数组除了可以使用底层 ndarray 构造器来创建外,也可以通过以下几种方式来创建。
numpy.empty
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')
参数说明:
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')
参数说明:
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 从已有的数组创建数组
numpy.asarray
numpy.asarray 类似 numpy.array,但 numpy.asarray 只有三个,比 numpy.array 少两个。
numpy.asarray(a,dtype=None,order=None)
参数说明:
numpy.frombuffer
numpy.frombuffer 用于实现动态数组。
numpy.frombuffer 接受 buffer 输入参数,以流的形式读入转化成 ndarray 对象。
numpy.frombuffer(buffer,dtype=float,count=-1,offset=0)
注意:buffer 是字符串的时候,Python3 默认 str 是 Unicode 类型,所以要转成 bytestring 在原 str 前加上 b。
参数说明:参数描述buffer可以是任意对象,会以流的形式读入。dtype返回数组的数据类型,可选count读取的数据数量,默认为-1,读取所有数据。offset读取的起始位置,默认为0。
numpy.fromiter
numpy.fromiter 方法从可迭代对象中建立 ndarray 对象,返回一维数组。
numpy.fromiter(iterable,dtype,count=-1
参数描述iterable可迭代对象dtype返回数组的数据类型count读取的数据数量,默认为-1,读取所有数据
二、matplotlib库
matplotlib是python上的一个2D绘图库,它可以在夸平台上边出很多高质量的图像。综旨就是让简单的事变得更简单,让复杂的事变得可能。我们可以用matplotlib生成 绘图、直方图、功率谱、柱状图、误差图、散点图等 。
引用:
importmatplotlib.pyplot as plt
散点图
plt.scatter(X, Y, s=75, c=T, alpha=.5)
其中X,Y分别为横纵坐标;s为点的大小(optional);c为颜色设置(optional);alpha为透明度设置(optional),是一个小于等于1的值
柱状图
等高图:
matplotlib绘制3D图:
内容总结
以上是互联网集市为您收集整理的python科学计算与可视化全部内容,希望文章能够帮你解决python科学计算与可视化所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。