科学与可视化

一.numpy库和matplotlib库的学习

　　（1）numpy库介绍：科学计算包，支持N维数组运算、处理大型矩阵、成熟的广播函数库、矢量运算、线性代数、傅里叶变换、随机数生成，并可与C++/Fortran语言无缝结合

　　　　　　np.array([1,2,3])列表转换为数组；np.array((1,2,3))元组转换为数组; np.array(range(5))把range对象转换为数组；np.arange(8)类似于内置的range()函数

　　　　　　np.linspace(0,10,11,endpoint = False)等差数组不包含终点

　　（2）matplotlib库介绍：是Python编程语言及其数值数学扩展包 NumPy的可视化操作界面。它为利用通用的图形用户界面工具包，如Tkinter, wxPython, Qt或GTK+向应用程序嵌入式绘图提供了应用程序接口（API）。此外，matplotlib还有一个基于图像处理库（如开放图形库OpenGL）的pylab接口，其设计与MATLAB非常类似--尽管并不怎么好用。SciPy就是用matplotlib进行图形绘制。

二.两个库的结合使用实例

一.numpy库和matplotlib库的学习

　　（1）numpy库介绍：科学计算包，支持N维数组运算、处理大型矩阵、成熟的广播函数库、矢量运算、线性代数、傅里叶变换、随机数生成，并可与C++/Fortran语言无缝结合

　　　　　　np.array([1,2,3])列表转换为数组；np.array((1,2,3))元组转换为数组; np.array(range(5))把range对象转换为数组；np.arange(8)类似于内置的range()函数

　　　　　　np.linspace(0,10,11,endpoint = False)等差数组不包含终点

　　（2）matplotlib库介绍：是Python编程语言及其数值数学扩展包 NumPy的可视化操作界面。它为利用通用的图形用户界面工具包，如Tkinter, wxPython, Qt或GTK+向应用程序嵌入式绘图提供了应用程序接口（API）。此外，matplotlib还有一个基于图像处理库（如开放图形库OpenGL）的pylab接口，其设计与MATLAB非常类似--尽管并不怎么好用。SciPy就是用matplotlib进行图形绘制。

二.两个库的结合使用实例

matplotlib.rcParams['font.family']='SimHei' #设置默认字体
matplotlib.rcParams['font.sans-serif']=['SimHei'] #设置默认字体
labels = np.array(['第一周','第二周','第三周','第四周','第五周','第六周','第七周']) #
nAttr = 7 #边数
data = np.array([0,100,90,90,100,80,80]) #数据值
angles = np.linspace(0,2*np.pi,nAttr,endpoint=False) #角度设置，0-2PI，分隔7次
data = np.concatenate((data,[data[0]]))  #将数据和角度的数组首尾闭合，便于用plot函数绘制
angles = np.concatenate((angles,[angles[0]]))
fig = plt.figure(facecolor="pink")   #图形外的周边颜色
plt.subplot(111,polar=True)    #建立极坐标系的子分区
plt.plot(angles,data,'bo-',color='g',linewidth=2) #按照角度和数据画出不规则多边形
plt.fill(angles,data,facecolor='g',alpha=0.25)  #填充颜色
plt.thetagrids(angles*180/np.pi,labels)  #设置标签例如第X周
plt.figtext(0.52,0.95,'罗润',ha='center') #设置标题
plt.grid(True)
plt.savefig('dota_radar.JPG')
plt.show()