一、Numpy 庫

NumPy(Numerical Python) 是 Python 語言的一個擴展程序庫，支持大量的維度數組與矩陣運算，此外也針對數組運算提供大量的數學函數庫。

引用：

import numpy as np

importnumpy as np#創建簡單的列表

a = [1, 2, 3, 4]#將列表轉換為數組

b =np.array

(a)

Numpy查看數組屬性:

數組元素個數:

b.size

數組形狀:

b.shape

數組維度:

b.ndim

數組元素類型:

b.dtype

快速創建N維數組的api函數:

(1)創建10行10列的數值為浮點1的矩陣:

array_one = np.ones([10, 10]

(2)創建10行10列的數值為浮點0的矩陣：

array_zero = np.zeros([10, 10])

Numpy創建隨機數組np.random

均勻分布

np.random.rand(10, 10)創建指定形狀(示例為10行10列)的數組(范圍在0至1之間)

np.random.uniform(0, 100)創建指定范圍內的一個數

np.random.randint(0, 100) 創建指定范圍內的一個整數

正態分布

給定均值/標準差/維度的正態分布np.random.normal(1.75, 0.1, (2, 3)

NumPy 創建數組

ndarray 數組除了可以使用底層 ndarray 構造器來創建外，也可以通過以下幾種方式來創建。

numpy.empty

numpy.empty 方法用來創建一個指定形狀（shape）、數據類型（dtype）且未初始化的數組：

numpy.empty(shape,dtype =float,order ='C')

參數說明：

參數描述

shape

數組形狀

dtype

數據類型，可選

order

有"C"和"F"兩個選項,分別代表，行優先和列優先，在計算機內存中的存儲元素的順序。

numpy.zeros

創建指定大小的數組，數組元素以 0 來填充：

numpy.zeros(shape,dtype =float,order ='C')

參數說明：

參數描述

shape

數組形狀

dtype

數據類型，可選

order

'C' 用于 C 的行數組，或者 'F' 用于 FORTRAN 的列數組

numpy.ones

創建指定形狀的數組，數組元素以 1 來填充：

numpy.ones(shape,dtype =None,order ='C')

NumPy 從已有的數組創建數組

numpy.asarray

numpy.asarray 類似 numpy.array，但 numpy.asarray 只有三個，比 numpy.array 少兩個。

numpy.asarray(a,dtype =None,order =None)

參數說明：

參數描述

a

任意形式的輸入參數，可以是，列表, 列表的元組, 元組, 元組的元組, 元組的列表，多維數組

dtype

數據類型，可選

order

可選，有"C"和"F"兩個選項,分別代表，行優先和列優先，在計算機內存中的存儲元素的順序

numpy.frombuffer

numpy.frombuffer 用于實現動態數組。

numpy.frombuffer 接受 buffer 輸入參數，以流的形式讀入轉化成 ndarray 對象。

numpy.frombuffer(buffer,dtype =float,count =-1,offset =0)

注意：buffer 是字符串的時候，Python3 默認 str 是 Unicode 類型，所以要轉成 bytestring 在原 str 前加上 b。

參數說明：參數描述buffer可以是任意對象，會以流的形式讀入。dtype返回數組的數據類型，可選count讀取的數據數量，默認為-1，讀取所有數據。offset讀取的起始位置，默認為0。

numpy.fromiter

numpy.fromiter 方法從可迭代對象中建立 ndarray 對象，返回一維數組。

numpy.fromiter(iterable,dtype,count=-1

參數描述iterable可迭代對象dtype返回數組的數據類型count讀取的數據數量，默認為-1，讀取所有數據

二、matplotlib庫

matplotlib是python上的一個2D繪圖庫，它可以在夸平臺上邊出很多高質量的圖像。綜旨就是讓簡單的事變得更簡單，讓復雜的事變得可能。我們可以用matplotlib生成 繪圖、直方圖、功率譜、柱狀圖、誤差圖、散點圖等 。

引用：

import matplotlib.pyplot as plt

散點圖

plt.scatter(X, Y, s=75, c=T, alpha=.5)

其中X,Y分別為橫縱坐標；s為點的大小（optional）；c為顏色設置（optional）；alpha為透明度設置（optional），是一個小于等于1的值

圖片附加信息：

plt.xlim((-1, 1)) #設置x軸范圍為（-1,1）

plt.ylim((-1, 1)) #設置y軸范圍為（-1,1）

plt.legend() #顯示圖例

plt.show() #顯示繪圖

柱狀圖

x = np.arange(10)

y= 2**x + 10plt.bar(x,y,facecolor='#9999ff',edgecolor='white')#柱顏色，柱邊框顏色

for x,y in zip(x,y):#zip指把x，y結合為一個整體，一次可以讀取一個x和一個y

plt.text(x,y,'%.2f' % y,ha='center',va='bottom')#指字體在中間和柱最頂的頂部

plt.show()

等高圖：

deff(x,y):#用來生成高度

return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)

x= np.linspace(-3,3,100)

y= np.linspace(-3,3,100)

X,Y= np.meshgrid(x,y)#將x，y指傳入網格中

plt.contourf(X,Y,f(X,Y),8,alpha=0.75,cmap=plt.cm.hot)#8指圖中的8+1根線，繪制等溫線，其中cmap指顏色

C= plt.contour(X,Y,f(X,Y),8,colors='black',linewidth=.5)#colors指等高線顏色

plt.clabel(C,inline=True,fontsize=10)#inline=True指字體在等高線中

plt.xticks(())

plt.yticks(())

plt.show()

matplotlib繪制3D圖：

from mpl_toolkits.mplot3d import Axes3D#動態圖所需要的包

fig=plt.figure()

ax=Axes3D(fig)

x= np.arange(-4,4,0.25)#0.25指-4至4間隔為0.25

y= np.arange(-4,4,0.25)

X,Y= np.meshgrid(x,y)#x，y放入網格

R= np.sqrt(X**2 + Y**2)

Z=np.sin(R)

ax.plot_surface(X,Y,Z,rstride=1,cstride=1,cmap=plt.get_cmap('rainbow'))#rstride=1指x方向和y方向的色塊大小

ax.contourf(X,Y,Z,zdir='z',offset=-2,cmap='rainbow')#zdir指映射到z方向，-2代表映射到了z=-2

ax.set_zlim(-2,-2)

plt.show()

子圖像：

plt.figure()

plt.subplot(2,2,1)#建立一個兩行兩列的畫布，第一個

plt.plot([0,1],[0,1])

plt.subplot(2,2,2)#第二個

plt.plot([0,1],[0,1])

plt.subplot(2,2,3)#第三個

plt.plot([0,1],[0,1])

plt.subplot(2,2,4)#第四個

plt.plot([0,1],[0,1])

plt.show()

動態圖:

from matplotlib import animation#動態圖所需要的包

fig,ax= plt.subplots()#子圖像

x= np.arange(0,2*np.pi,0.01)

line,=ax.plot(x,np.sin(x))defanimate(i):

line.set_ydata(np.sin(x+i/10))#用來改變的y對應的值

returnline,definit():

line.set_ydata(np.sin(x))#動態圖初始圖像

returnline,

ani= animation.FuncAnimation(fig=fig,func=animate,init_func=init,interval=20)#動態作圖的方法，func動態圖函數，init_func初始化函數，interval指圖像改變的時間間隔

plt.show()

三、雷達圖

python123 的成績雷達圖：

importnumpy as npimportmatplotlib.pyplot as pltimportmatplotlib

matplotlib.rcParams['font.family']='SimHei'matplotlib.rcParams['font.sans-serif'] = ['SimHei']

labels= np.array(['第二周', '第三周', '第四周', '第五周', '第六周'])

nAttr= 5data= np.array([90, 90, 100, 100, 90]) #數據值

angles = np.linspace(0, 2*np.pi, nAttr, endpoint=False)

data=np.concatenate((data, [data[0]]))

angles=np.concatenate((angles, [angles[0]]))

fig= plt.figure(facecolor="white")

plt.subplot(111, polar=True)

plt.plot(angles,data,'bo-',color ='g',linewidth=2)

plt.fill(angles,data,facecolor='g',alpha=0.25)

plt.thetagrids(angles*180/np.pi, labels)

plt.figtext(0.52, 0.95, '廣師小帥強的成績雷達圖', ha='center')

plt.grid(True)

plt.show()

運行程序結果如圖：

四、手繪效果

#e17.1HandDrawPic.py

from PIL import Image

import numpy as np

vec_el = np.pi/2.2 # 光源的俯視角度，弧度值

vec_az = np.pi/4. # 光源的方位角度，弧度值

depth = 10. # (0-100)

im = Image.open('C:\\Users\\Administrator\\Desktop\\timg.jpg').convert('L')

a = np.asarray(im).astype('float')

grad = np.gradient(a) #取圖像灰度的梯度值

grad_x, grad_y = grad #分別取橫縱圖像梯度值

grad_x = grad_x*depth/100.

grad_y = grad_y*depth/100.

dx = np.cos(vec_el)*np.cos(vec_az) #光源對x 軸的影響

dy = np.cos(vec_el)*np.sin(vec_az) #光源對y 軸的影響

dz = np.sin(vec_el) #光源對z 軸的影響

A = np.sqrt(grad_x**2 + grad_y**2 + 1.)

uni_x = grad_x/A

uni_y = grad_y/A

uni_z = 1./A

a2 = 255*(dx*uni_x + dy*uni_y + dz*uni_z) #光源歸一化

a2 = a2.clip(0,255)

im2 = Image.fromarray(a2.astype('uint8')) #重構圖像

im2.save('fcityHandDraw.jpg')

原圖：

五、數學規律圖

繪制sigmoid函數：

importmatplotlib.pyplot as pltimportnumpy as npdefsigmoid(x):#直接返回sigmoid函數

return 1. / (1. + np.exp(-x))defplot_sigmoid():#param:起點，終點，間距

x= np.arange(-8, 8, 0.2)

y=sigmoid(x)

plt.plot(x, y)

plt.show()if __name__ == '__main__':

plot_sigmoid()

結果如圖：

總結

以上是生活随笔為你收集整理的python科学计算和可视化编程软件_python科学计算与可视化的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。