Numpy
numpy支持大量的维度数组和矩阵运算，对数组运算提供了大量的数学函数库！
numpy比Python列表更具优势，其中一个优势便是速度。在对大型数组执行操作时，numpy的速度比Python列表的速度快了好几百。因为numpy数组本身能节省内存，并且numpy在执行算术、统计和线性代数运算时采用了优化算法。
numpy的另一个强大功能是具有可以表示向量和矩阵的多维数组数据结构。numpy对矩阵运算进行了优化，使我们能够高效地执行线性代数运算，使其非常适合解决机器学习问题。
与Python列表相比，numpy具有的另一个强大优势是具有大量优化的内置数学函数。这些函数使你能够非常快速地进行各种复杂的数学计算，并且用到很少代码（无需使用复杂的循环），使程序更容易读懂和理解。
1、简单创建数组
a = [1, 2, 3] b = np.array(a) c = np.array([[0, 1, 2, 10], [12, 13, 100, 101], [102, 110, 112, 113]], int) print(c) print(b)
2、创建随机数组
array_rand = np.random.rand(10, 10, 4) print(array_rand) print(array_rand.ndim)
3、数组的复制
after_array = array_normal[:3, 2:4].copy()
copy_array = np.copy(array_normal[:, 2:4])
4、数组运算
# 循环数组行和列，每一个数值都加5 score[:, :] = score[:, :]+5 print(score) # 循环数组行和列，每一个数值都减5 score[:, :] = score[:, :]-5 print(score) # 循环数组行和列，每一个数值都乘以5 score[:, :] = score[:, :]*5 print(score) # 循环数组行和列，每一个数值都除以5 score[:, :] = score[:, :]/5 print(score) # 循环数组行和列，每一个数值除以5取整 score[:, :] = score[:, :] // 5 print(score) # 循环数组行和列，每一个数值除以5取模 score[:, :] = score[:, :] % 5 print(score)
二、Matplotlib
Matplotlib 是Python中类似 MATLAB 的绘图工具，熟悉 MATLAB 也可以很快的上手 Matplotlib。
1、matplotlib图标正常显示中文
import matplotlib.pyplot as plt plt.rcParams['font.sas-serig']=['SimHei'] #用来正常显示中文标签 plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
2、为项目设置matplotlib参数
配置文件包括以下配置项
axex: 设置坐标轴边界和表面的颜色、坐标刻度值大小和网格的显示
backend: 设置目标暑促TkAgg和GTKAgg
figure: 控制dpi、边界颜色、图形大小、和子区( subplot)设置
font: 字体集（font family）、字体大小和样式设置
grid: 设置网格颜色和线性
legend: 设置图例和其中的文本的显示
line: 设置线条（颜色、线型、宽度等）和标记
patch: 是填充2D空间的图形对象，如多边形和圆。控制线宽、颜色和抗锯齿设置等。
savefig: 可以对保存的图形进行单独设置。例如，设置渲染的文件的背景为白色。
verbose: 设置matplotlib在执行期间信息输出，如silent、helpful、debug和debug-annoying。
xticks和yticks: 为x,y轴的主刻度和次刻度设置颜色、大小、方向，以及标签大小。
3、颜色
可以通过调用matplotlib.pyplot.colors()得到matplotlib支持的所有颜色。
|
别名 |
颜色 |
别名 |
颜色 |
|
b |
蓝色 |
g |
绿色 |
|
r |
红色 |
y |
黄色 |
|
c |
青色 |
k |
黑色 |
|
m |
洋红色 |
w |
白色 |
三、雷达图
import numpy as np import matplotlib.pyplot as plt import matplotlib matplotlib.rcParams['font.family']='SimHei'#方便中文能够显示出来 matplotlib.rcParams['font.sans-serif']=['SimHei'] labels=np.array(['第一次作业','第二次作业','第三次作业','第四次作业','第五次作业','第六次作业'])#标签名 nAttr=6#雷达图中六边形边数 data = np.array([5,10,9,10,10,7])#雷达图中标签的数据值 angles = np.linspace(0,2*np.pi,nAttr,endpoint=False)#一哥标签点到另一个标签点画笔所需旋转的角度值，取决于nAttr的大小 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)#画出雷达图中不规则的六边形 plt.fill(angles,data,facecolor='g',alpha=0.25)#填充半透明颜色，即不规则的六边形颜色 plt.thetagrids(angles*180/np.pi,labels)#为雷达图设置标签，就是labels里的文字 plt.figtext(0.52,0.95,'em对的——成绩表',ha='center')#命名雷达图的名字 plt.grid(True) plt.savefig('作业成绩雷达图.JPG')#保存雷达图的图片 plt.show()
效果如下图所示
四、手绘图效果
from PIL import Image import numpy as np vec_el = np.pi/3.3# 光源的俯视角度，弧度值 vec_az = np.pi/9#光源的方位角度，弧度值 depth = 5#（0-100）值越大，整体画面灰度值较深，有近似浮雕的效果；值越小，背景区域接近白色 im = Image.open('Wade.png').convert('L') a = np.asarray(im).astype('float') grad = np.gradient(a)#取图像灰度的梯度值 grad_x,grad_y = grad#分别取横纵图像梯度值 grad_x = grad_x+depth/100. gred_y = grad_y+depth/100. dx = np.cos(vec_el)*np.cos(vec_az)#光源对x轴的影响 dy = np.cos(vec_el)*np.cos(vec_az)#光源对y轴的影响 dz = np.sin(vec_el) #光源对z轴的影响 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)#光源归一化 a2 = a2.clip(0,255)#预防溢出0~255这个区间 im2 = Image.fromarray(a2.astype('uint8'))#重构图像 im2.save('Wade6.png')
效果图：
