快捷導航

python?numpy庫之如何使用matpotlib庫繪圖

更新時間：2022年10月13日 08:33:34 作者：迷途君

Numpy的主要對象是同構(gòu)多維數(shù)組，它是一個元素表，所有類型都相同，由非負整數(shù)元組索引，在Numpy維度中稱為軸，這篇文章主要介紹了python?numpy庫?使用matpotlib庫繪圖,需要的朋友可以參考下

一.Numpy庫

1.什么是numpy?

numpy是python進行科學計算的一個基礎(chǔ)軟件包，他是一個python庫，提供多維數(shù)組對象，各種派生對象（如掩碼數(shù)組和矩陣），以及用于數(shù)組快速操作的各種API，包括數(shù)學，邏輯，形狀操作，排序，選擇，輸入輸出，離散傅里葉變化，基本線性代數(shù)，基本統(tǒng)計運算和隨機模擬等。

2.Numpy數(shù)組和原生Python array數(shù)組之間的區(qū)別

1.Numpy數(shù)組在創(chuàng)建時具有固定的大小，與python的原生數(shù)組對象可以動態(tài)增長不同，更改其大小將會創(chuàng)建一個新的數(shù)組并刪除原來的數(shù)組。

2.Numpy數(shù)組中的元素都需要具有相同的數(shù)據(jù)類型，因此在內(nèi)存中的大小相同。

3.Numpy數(shù)組有助于對大量數(shù)據(jù)進行高級教學和其他類型的操作，執(zhí)行效率高

3.Numpy數(shù)組

假如我們現(xiàn)在有兩個數(shù)組，我們要將兩個數(shù)組對應位置的值相乘，在c語言中我們需要用到循環(huán)來解決，而使用numpy數(shù)組那我們可以直接將兩個數(shù)組進行乘法運算，只需要一行代碼即可。

軸：

Numpy的主要對象是同構(gòu)多維數(shù)組，它是一個元素表，所有類型都相同，由非負整數(shù)元組索引，在Numpy維度中稱為軸。

比如：

數(shù)組【1，2，1】：有一個軸，該軸有三個元素1，2，1，軸長為3，這里一軸表示一維數(shù)組

數(shù)組【【1，0，0】，【0，1，2】】：有兩個軸，一軸長度為2，二軸長度為3，這里表示二維數(shù)組。

ndarray對象屬性如下：

1.ndarray.ndim-數(shù)組的軸（維度）的個數(shù)

2.ndarray.shape--數(shù)組的維度，若有n行，m列則輸出為（n,m）

3.ndarray.size--數(shù)組元素的總數(shù)

4.ndarray.dtype--一個描述數(shù)組中元素類型的對象，可以使用標準的python類型創(chuàng)建或指定dtype.

5.ndarray.itemsize--數(shù)組中每個元素的字節(jié)大小

6.reshape

來看一段代碼了解把：

import numpy as np
 
# 同構(gòu)生成numpy的一維數(shù)組
a = np.arange(1, 10, 2)
print(a)
# shape打印numpy數(shù)組的形狀
print(a.shape)
# ndim打印numpy數(shù)組的軸數(shù)
print(a.ndim)
# numpy數(shù)組元素的訪問，數(shù)組名【下標】
print(a[0])

(1).array方法，將一個列表所有元素同構(gòu)成一個數(shù)組

list1 = [1, 2, 3, 4, 5, 6, 7, 8, 9]
a = np.array(list1)
print(a)
print(a.shape)

(2)array方法，將一個列表所有元素同構(gòu)成一個二維數(shù)組

list2 = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
b = np.array(list2)
print(b.shape)

(3) reshape():改變數(shù)組的維度等形狀

a = np.arange(1, 21, 1).reshape(4, 5)
print(a)
print(a.shape)

還有許多其他的屬性，接下來我貼一張圖來總結(jié)展示就不過多贅述了：

4.numpy數(shù)組的運算

numpy的運算我用下面一段代碼來進行總結(jié)，注意沒有除法運算

import numpy as np
 
a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])
 
# 乘法運算，將二維數(shù)組（矩陣）對應元素相乘
c = a * b
print(c)
# 加法運算，將二維數(shù)組（矩陣）對應元素相加
c = a + b
print(c)
# 減法運算
c = a - b
print(c)
 
print(a.sum())
print(a.max())
print(a.min())
print(a)
# sum(axis=1):將矩陣中各行的所有元素相加作為新元素
print(a.sum(axis=1))
# sum(axis=1):將矩陣中各列元素相加作為新元素
print(a.sum(axis=0))

5.numpy的索引，切片

numpy每個軸都會有自己的索引

1.元素訪問【第一軸索引，第二軸索引，......】

2.元素的切片【start: stop: step, start:stop:step,.....】

左閉右開 eg： b[1: 3, 2: 4]

import numpy as np
 
a = np.arange(10)
print(a.shape)
print(a)
print(a[0], a[-1], a[a.size-1]) # -1表示最后1位
print(a[1: 5]) # 1-5,步長為1 左閉右開
print(a[1:: 2]) # 1-末尾 ，步長為2，左閉右開

二維數(shù)組切片：

b = np.arange(20).reshape(4, 5)
print(b)
print(b.shape)
print(b[1][1], b[1][1: -1])
print(b[1, 1], b[1, 1: -1])
print(b[1: 3, 2: 4])

三維數(shù)組的切片：

c = np.arange(24).reshape(4, 3, 2)
print(c)
print(c[0: 2, 0: 2, 0: 1])

二.matplotlib

matplotlib是python2D繪圖領(lǐng)域使用最廣泛的套件，它能讓使用者很輕松將數(shù)據(jù)圖形化，并且提供多樣化的輸出格式，在繪圖結(jié)構(gòu)中，figure創(chuàng)建窗口，subplot創(chuàng)建子圖，所有的繪圖只能在子圖上進行，plt表示當前子圖，若沒有就創(chuàng)建一個子圖。

1.繪制直線

我們只需要將兩點的x,y坐標進行同構(gòu)成為兩個一維數(shù)組，通過plot方法就可以實現(xiàn)，也可以改變參數(shù)來修改直線的顏色

import numpy as np
import matplotlib.pyplot as plt
"""
    1.繪制直線，直線兩點為（2， 1） （8， 9）
"""
x = np.array([2, 8])  # 將兩點的x軸坐標，同構(gòu)成一個一維數(shù)組
y = np.array([1, 9])  # 將兩點的y軸坐標，同構(gòu)成一個一維數(shù)組
 
# 繪制直線
plt.plot(x, y)
# plt.plot(x, y, scalex=5, scaley=3)
# 顯示窗口
plt.show()

2.繪制曲線

使用arange方法生成0-4Π之間的x坐標，均勻分布步長為0.1，y左邊則按正弦函數(shù)進行分布

import numpy as np
import matplotlib.pyplot as plt
x = np.arange(0, 4 * np.pi, 0.1) # 0-4Π之間，均勻分配，步長0.1
y = np.sin(x) # 呈正弦變化
plt.plot(x, y)
plt.show()

3.散點圖繪制

散點圖繪制,主要在繪制坐標點的基礎(chǔ)上，通過控制坐標點的分布來控制散點圖的分布情況

import numpy as np
import matplotlib.pyplot as plt
"""
2.繪制坐標點
"""
x = np.array([6])
y = np.array([6])
# scatter:繪制點，第1，2參數(shù)為坐標，s表示面積，c表示顏色，marker表示形狀
plt.scatter(x, y, s=100, c='b', marker="*")
plt.show()
 
"""
3.繪制散點圖，呈現(xiàn)正態(tài)分布
"""
 # np.random:產(chǎn)生隨機數(shù)
 # normal(0, 3, 500):在0-3之間產(chǎn)生500個正態(tài)分布的隨機數(shù)
 x = np.random.normal(0, 3, 1000)
 y = np.random.normal(0, 3, 1000)
 # 將這1000個點中前500個畫成紅色圓形，后500個畫成藍色星型
 plt.scatter(x[0: 500], y[0: 500], c='r', marker="o")
 plt.scatter(x[500: 1000], y[500: 1000], c='b', marker="*")
 plt.show()

4.多界面繪制

import numpy as np
import matplotlib.pyplot as plt
"""
4.多界面繪制，其實就是在一figure窗口使用多個子圖
"""
x = np.array([1, 3, 6, 9])
y = np.array([2, 3, 8, 7])
# 指定繪制的子圖的位置
# 221表示二行2列, 共四個子圖的第1幅圖
# 222表示二行2列，共四個子圖的的第2幅圖
# 223表示二行2列，共四個子圖的的第3幅圖
# 224表示二行2列，共四個子圖的的第4幅圖
plt.subplot(221)
plt.plot(x, y, c='r')
 
plt.subplot(222)
plt.plot(x, y, c='b')
 
plt.subplot(223)
plt.plot(x, y, c='g')
 
plt.subplot(224)
plt.plot(x, y, c='y')
plt.show()

5.柱形圖繪制

6.3D圖形繪制

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
 
"""
繪制3d圖
"""
# 創(chuàng)建窗口
fig = plt.figure()
# 在該窗口中創(chuàng)建3d繪圖對象
ax = Axes3D(fig)
 
# 創(chuàng)建點的x和y坐標數(shù)組
x = np.arange(-3, 3, 0.2)
y = np.arange(-3, 3, 0.2)
# 網(wǎng)格化處理
x, y = np.meshgrid(x, y)
# 計算某個點到 原點的距離為半徑
r = np.sqrt(x**2 + y**2)
# 以半徑為基準，求它的正弦值為點的z軸坐標
z = np.sin(r)
# 繪制圖像
ax.plot_surface(x, y, z, rstride=3, cstride=1, cmap="hot")
plt.show()