numpy模块
numpy是Python的一种开源的数据计算扩展库,用来存储和处理大型矩阵
- 区别于list列表,提供数组操作,数组运算,以及统计分布和简单的数学模型
- 计算速度快
矩阵即numpy的ndarray对象,创建矩阵就是把一个列表传入np.array()方法
import numpy as np #约定俗成 np代表numpy#一维arr = np.array([1,2,3,4])print(arr)[1,2,3,4]#二维arr = np.array([[1,2,3,4],[5,6,7,8]])[[1,2,3,4] [5,6,7,8]]#三维[[[1,2,3,4], [1,2,3,4], [1,2,3,4]], [[2,3,4,5], [3,4,5,6], [3,4,5,6]], [[5,6,7,8], [5,6,7,8], [5,6,7,8]]]arr = [[1,2,3] [4,5,6]]#获取矩阵的行和列print(arr.shape)(2,3)#获取矩阵的行print(arr.shape[0])2# 获取矩阵的列print(arr.shape[1])3
切割矩阵
# 取所有元素print(arr[:,:])# 取第一行所有元素print(arr[:1,:])print(arr[0,[0,1,2,3,....(n个数则n-1)]])# 取第一列所有元素print(arr[:,:1])print(arr[[0,1,2,3,..],0])# 取第一行第一列的元素print(arr[0,0])#取大于5的元素,返回一个数组print(arr[arr > 5])#生成布尔矩阵print(arr > 5)[[False False False] [True False True ]]
矩阵元素替换
类似于列表的替换
# 取第一行所有元素变为0arr1 = arr.copy()arr1[:1,:] = 0print(arr1)# 去所有大于5的元素变为0arr2 = arr.copy()arr2[arr >5] = 0print(arr2)#对矩阵清零arr3 = arr.copy()arr3[:,:] = 0print(arr3)
矩阵的合并
arr1 = [[1,2] [3,4]]arr2 = [[5,6] [7,8]]# 合并矩阵的行,用hstack的合并的话 会具有相同的行#方法1np.hstack((arr1,arr2))[[1,2,5,6] [3,4,7,8]]#方法2print(np.concatenate((arr1,arr2),axis=1))[[1,2,5,6] [3,4,7,8]]# 合并矩阵的列,用vstack#方法1np.vstack((arr1,arr2))[[1,2] [3,4] [5,6] [7,8]]# 方法2print(np.contatenate((arr1,arr2),axis=0))
通过函数创建矩阵
arangeprint(np.arange(10))#0-9数组[0 1 2 3 4 5 6 7 8 9]print(np.arange(1,5))#1-4数组[1 2 3 4]print(np.arange(1,20,2))#1-19,步长为2的数组[1 3 5 7 9 11 13 15 17 19]linspace/logspace#构造一个等差数列,取头也取尾np.linspace(0,20,5)[0.5.10.15.20]#构造一个等比数列,从10**0取到10**20,取5个数np.logspace(0,20,5)[ 1.00000e+00 1.00000e+05 1.00000e+10 1.00000e+15 1.00000e+20]zero/ones/eye/empty#构造全0矩阵np.zeros((3,4))[[0. 0. 0. 0.] [0. 0. 0. 0.] [0. 0. 0. 0.]]#构造全1矩阵np.ones((X,Y))#构造N个主元的单位矩阵np.eye(n)#例[[1. 0. 0.] [0. 1. 0.] [0. 0. 1.]]#构造一个随机矩阵,里面元素为随机生成np.empty((x,y))# fromstring通过对字符串的字符编码所对应ASCII编码的位置,生成一个ndarray对象s = 'abcdef'# np.int8表示一个字符的字节数为8print(np.fromstring(s, dtype=np.int8))[ 97 98 99 100 101 102]def func(i, j): """其中i为矩阵的行,j为矩阵的列""" return i*j# 使用函数对矩阵元素的行和列的索引做处理,得到当前元素的值,索引从0开始,并构造一个3*4的矩阵print(np.fromfunction(func, (3, 4)))[[ 0. 0. 0. 0.] [ 0. 1. 2. 3.] [ 0. 2. 4. 6.]]
矩阵的运算
+ - * / % **n
矩阵的点乘
必须满足第一个矩阵的列 = 第二个矩阵的行
arr1 = np.array([[1, 2, 3], [4, 5, 6]])print(arr1.shape)(2, 3)arr2 = np.array([[7, 8], [9, 10], [11, 12]])print(arr2.shape)(3, 2)assert arr1.shape[0] == arr2.shape[1]# 2*3·3*2 = 2*2print(arr1.dot(arr2))[[ 58 64] [139 154]]
矩阵的转置
相当于矩阵的行和列呼唤
arr = np.array([[1, 2, 3], [4, 5, 6]])print(arr)[[1 2 3] [4 5 6]]print(arr.transpose())[[1 4] [2 5] [3 6]]print(arr.T)[[1 4] [2 5] [3 6]]
矩阵的逆
矩阵行和列相同时候才可逆
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])print(arr)[[1 2 3] [4 5 6] [7 8 9]]print(np.linalg.inv(arr))[[ 3.15251974e+15 -6.30503948e+15 3.15251974e+15] [ -6.30503948e+15 1.26100790e+16 -6.30503948e+15] [ 3.15251974e+15 -6.30503948e+15 3.15251974e+15]]# 单位矩阵的逆是单位矩阵本身arr = np.eye(3)print(arr)[[ 1. 0. 0.] [ 0. 1. 0.] [ 0. 0. 1.]]print(np.linalg.inv(arr))[[ 1. 0. 0.] [ 0. 1. 0.] [ 0. 0. 1.]]
collections模块
- 计数器(Counter)
- 双向队列(deque)
- 默认字典(defaultdict)
- 有序字典(OrderedDict)
- 可命名元组(namedtuple)
1. Counter
Counter作为字典dicit()的一个子类用来进行hashtable计数,将元素进行数量统计,计数后返回一个字典,键值为元素,值为元素个数
常用方法:
2. deque
deque属于高性能的数据结构之一,常用方法如下:
3. defaultdict
- 默认字典,字典的一个子类,继承所有字典的方法,默认字典在进行定义初始化的时候得指定字典值有默认类型
- 注:字典dic在定义的时候就定义好了值为字典类型,虽然现在字典中还没有键值 k1,但仍然可以执行字典的update方法. 这种操作方式在传统的字典类型中是无法实现的,必须赋值以后才能进行值得更新操作,否则会报错。
4. OrderedDict
有序字典也是字典的一个子类
5. namedtuple
namedtuple由自己的类工厂namedtuple()进行创建,而不是由表中的元组进行初始化,通过namedtuple创建类的参数包括类名称和一个包含元素名称的字符串
Matplotlib模块:绘图和可视化
一、简单介绍Matplotlib
1、Matplotlib是一个强大的Python绘图和数据可视化的工具包
2、安装方法:pip install matplotlib
3、引用方法:import matplotlib.pyplot as plt
4、绘图函数:plt.plot()
5、显示图像:plt.show()
二、Matplotlib:plot函数
1、plot函数:绘制折线图
- 线型linestyle(-,-.,--,..)
- 点型marker(v,^,s,*,H,+,x,D,o,…)
- 颜色color(b,g,r,y,k,w,…)
2、plot函数绘制多条曲线
3、pandas包对plot的支持
三、Matplotlib-图像标注
- 设置图像标题:plt.title()
- 设置x轴名称:plt.xlabel()
- 设置y轴名称:plt.ylabel()
- 设置x轴范围:plt.xlim()
- 设置y轴范围:plt.ylim()
- 设置x轴刻度:plt.xticks()
- 设置y轴刻度:plt.yticks()
- 设置曲线图例:plt.legend()
四、Matplotlib实例——绘制数学函数图像
使用Matplotlib模块在一个窗口中绘制数学函数y=x, y=x2, y=3x3+5x2+2x+1的图像,使用不同颜色的线加以区别,并使用图例说明各个线代表什么函数。
五、Matplotlib:画布与子图
画布:figure
- fig = plt.figure()
图:subplot
- ax1 = fig.add_subplot(2,2,1)
调节子图间距:
- subplots_adjust(left, bottom, right, top, wspace, hspace)
六、Matplotlib-支持的图类型
七、Matplotlib——绘制K线图
matplotlib.finanace子包中有许多绘制金融相关图的函数接口。
绘制K线图:matplotlib.finance.candlestick_ochl函数
八、示例代码
使用之前首先下载:pip install Matplotlib
接着引入:import matplotlib.pylot as plt
绘图函数:plt.plot()
显示函数:plt.show()
使用plt.plot?可以查看它的参数
我们通过加参数,可以更改这个图线的形状