Python（八） | SQX BLOG

发布日期: 2023-08-08

文章字数: 1k

阅读时长: 4 分

阅读次数:

NumPy

NumPy中，np.array()接收Python列表作为参数，生成NumPy数组（numpy.ndarray）

import numpy as np # 导入库
x = np.array([1.0, 2.0, 3.0]) # 生成numpy数组
print(x) # [1. 2. 3.]
type(x) # numpy.ndarray
y = np.array([2.0, 4.0, 6.0])
print(x + y) # [3. 6. 9.]
print(x - y) # [-1. -2. -3.]
print(x * y) # [ 2.  8. 18.]
print(x / y) # [0.5 0.5 0.5]

“对应元素的”的英文是element-wise，NumPy数组不仅可以进行element-wise运算，也可以和单一的数值（标量）组合起来进行运算。此时，需要在NumPy数组的各个元素和标量之间进行运算。这个功能也被称为广播。
```
x = np.array([1.0, 2.0, 3.0])
x / 2.0 # array([0.5, 1. , 1.5])
```

NumPy不仅可以生成一维数组（排成一列的数组），也可以生成多维数组。

# 生成二维数组
A = np.array([[1, 2], [3, 4]])
print(A)
# [[1 2]
# [3 4]]
A.shape # (2, 2) 生成一个2*2的矩阵A
A.dtype # dtype('int32') 矩阵元素的数据类型
B = np.array([[3, 0], [0, 6]])
A + B
A * B # 不是矩阵乘法，仍然是对应元素相乘
A * 10 # 基于广播，数乘

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

广播：NumPy中，形状不同的数组之间也可以进行运算。前例中，标量10被扩展成了2×2的形状，然后再与矩阵A进行乘法运算。这个巧妙的功能叫做广播（broadcast）。
```
A = np.array([[1, 2], [3, 4]])
B = np.array([10, 20])
C = A * B
C.shape # (2,2)
```

NumPy可以通过索引访问元素，也可以使用数组访问各个元素。

X = np.array([[51, 55], [14, 19], [0, 4]])
print(X)
print(X[0]) # [51 55] 第0行
print(X[0][1]) # 55
# 也可以使用for访问各个元素
for row in X:
    print(row)
# 使用数组访问各个元素
X = X.flatten() # 将X转化为一维数组
print(X)
X[np.array([0, 2, 4])] # 获取索引为0,2,4的元素 array([51, 14,  0])
X > 15 # array([ True,  True, False,  True, False, False])
X[X>15] # array([51, 55, 19])

运用这个标记法可以获取满足一定条件的元素。对NumPy数组使用不等号运算符等（上例中是X > 15）,结果会得到一个布尔型的数组。上例中就是使用这个布尔型数组取出了数组的各个元素（取出True对应的元素）。

Matplotlib

绘制图形
```
import numpy as np
import matplotlib.pyplot as plt
# 生成数据
x = np.arange(0, 6, 0.1) # 以0.1为单位，生成0-6的数据
y = np.sin(x)
# 绘制图形
plt.plot(x, y)
plt.show()
```
使用NumPy的arange方法生成了[0, 0.1, 0.2,…, 5.8, 5.9]的数据，将其设为x。对x的各个元素，应用NumPy的sin函数np.sin()，将x、y的数据传给plt.plot方法，然后绘制图形。最后，通过**plt.show()**显示图形。

pyplot的功能：添加标题标签等功能

import numpy as np 
import matplotlib.pyplot as plt

# 生成数据
x = np.arange(0, 6, 0.1)
y1 = np.sin(x)
y2 = np.cos(x)

plt.plot(x, y1, label="sin")
plt.plot(x, y2, linestyle = "--", label="cos") #用虚线绘制
plt.xlabel("x") #x轴标签
plt.ylabel("y") #y轴标签
plt.title('sin & cos') #标题
plt.legend()
plt.show()

pyplot提供显示图像的方法imshow()、matplotlib.image模块提供imread()方法读入图像

import matplotlib.pyplot as plt
from matplotlib.image import imread
img = imread('./tutu/0.png') #读入图像
plt.imshow(img)
plt.show()

补充

from...import *语句和import的区别

import 模块：导入一个模块；注：相当于导入的是一个文件夹，是个相对路径。
from…import：导入了一个模块中的一个函数；注：相当于导入的是一个文件夹中的文件，是个绝对路径。
所以使用上的的区别是当引用文件时是:
import 导入模块，每次使用模块中的函数都要是定是哪个模块。
from…import * 导入模块，每次使用模块中的函数，直接使用函数就可以了；注因为已经知道该函数是那个模块中的了。