numpy和matplotlib的简单应用

一、库函数介绍

1. numpy库

  NumPy(Numeric Python)提供了一个N维的数组类型ndarray,Numpy底层使用C语言编写,内部解除了GIL(全局解释器锁),其对数组的操作速度不受Python解释器的限制,效率远高于纯Python代码。

  ndarray到底跟原生python列表的区别:

  ndarray中的所有元素的类型都是相同的,而Python列表中的元素类型是任意的,所以ndarray在存储元素时内存可以连续,而python原生list就只能通过寻址方式找到下一个元素,这虽然也导致了在通用性能方面Numpy的ndarray不及Python原生list,但在科学计算中,Numpy的ndarray就可以省掉很多循环语句,代码使用方面比Python原生list简单的多。

2. matplotlib库

  matplotlib 是一个 Python 的 2D绘图库,也是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、用雷达图表示python123中的成绩数据

 1 import numpy as np
 2 import matplotlib.pyplot as plt
 3 import matplotlib
 4 matplotlib.rcParams[‘font.family‘]=‘LiSu‘#定义字体
 5 matplotlib.rcParams[‘font.sans-serif‘] = [‘LiSu‘]
 6 labels=np.array([‘第一周‘,‘第二周‘,‘第三周‘,‘第四周‘,‘第五周‘,‘第六周‘])#定义标签
 7 data=np.array([8,10,9,10,11,7])
 8 angles=np.linspace(0,2*np.pi,6,endpoint=False)
 9 data=np.concatenate((data,[data[0]]))
10 angles=np.concatenate((angles,[angles[0]]))
11 fig=plt.figure(facecolor="yellow")#颜色设置
12 plt.subplot(111,polar=True)
13 plt.plot(angles,data,‘bo-‘,color=‘g‘,linewidth=2)
14 plt.fill(angles,data,facecolor=‘g‘,alpha=0.25)
15 plt.thetagrids(angles*180/np.pi,labels)
16 plt.figtext(0.52,0.95,‘xiayiLL的python123成绩雷达图‘,ha=‘center‘)#图像命名
17 plt.grid(True)
18 plt.show()

原文地址:https://www.cnblogs.com/hch123/p/hch-chengjileidatu.html

时间: 2024-10-09 18:11:01

numpy和matplotlib的简单应用的相关文章

windows下python配置numpy、matplotlib、scipy

这两天对Python进行了研究,并且配置了numpy.matplotlib以及scipy.现对基本概念以及配置步骤介绍: 基本概念: Python (英语发音:/?pa?θ?n/), 是一种面向对象.解释型计算机程序设计语言.专用的科学计算扩展库很多,例如如下3个十分经典的科学计算扩展库:NumPy.SciPy和matplotlib,它们分别为Python提供了快速数组处理.数值运算以及绘图功能. <python科学计算>这本书中对Python介绍得很是详细,推荐下.电子版下载链接http:/

Python配置第三方库Numpy和matplotlib的曲折之路

本人是64位系统,Python新手,花了将近一个晚上才将numpy和matplotlib勉强配置成功,现将这个曲折经历记录如下: 第一步:安装Python 从Python官网下载32位的Python.Python下载地址: 这里之所以下载32位的Python,是因为笔者之前安装过64位Python,在加载第三方模块时各种不成功,百度了一下大家都说直接pip install就OK了,但一直都失败,因此才出此下策,不过好在64位windows系统时支持32位Python的.,其实这里选装32位Pyt

动手实践:在Windows上安装NumPy、Matplotlib、SciPy和IPython

<Python数据分析基础教程: NumPy学习指南(第2版)>第1章NumPy快速入门,本章首先,将介绍如何在不同的操作系统中安装NumPy和相关软件,并给出使用NumPy的简单示例代码.然后,我们将简单介绍IPython(一种交互式shell工具).如前言所述,SciPy和NumPy有着密切的联系,因此你将多次看到SciPy的身影.在本章的末尾,我们将告诉你如何利用在线资源,以便你在受困于某个问题或不确定最佳的解题方法时,可以在线获取帮助.本节为大家介绍动手实践:在Windows上安装Nu

安装Numpy和matplotlib

(1)测试程序     这是我从网上(http://www.open-open.com/lib/view/open1393488232380.html)找到的一个使用Numpy和matplotlib的示例程序,我用这段代码来测试Numpy和matplotlib安装是否成功. import numpy as np import matplotlib.pyplot as plt N = 5 menMeans = (20, 35, 30, 35, 27) menStd = (2, 3, 4, 1, 2

机器学习(三) Jupyter Notebook, numpy和matplotlib的详细使用 (上)

工欲善其事,必先利其器.在本章,我们将学习和机器学习相关的基础工具的使用:Jupyter Notebook, numpy和matplotlib.大多数教程在讲解机器学习的时候,大量使用这些工具,却不对这些工具进行系统讲解.我特意添加了这个章节,让同学们在后续编写机器学习算法的过程中,更加得心应手! 一.Jupyter Notebook基础 a--b:在Jupyter Notebook  选中的内容上面添加单元格------ 下面添加单元格 y: change cell to code m: ch

numpy 与 matplotlib 的应用

一.库函数介绍 1. numpy库 NumPy(Numeric Python)提供了一个N维的数组类型ndarray,Numpy底层使用C语言编写,内部解除了GIL(全局解释器锁),其对数组的操作速度不受Python解释器的限制,效率远高于纯Python代码. ndarray到底跟原生python列表的区别: ndarray中的所有元素的类型都是相同的,而Python列表中的元素类型是任意的,所以ndarray在存储元素时内存可以连续,而python原生list就只能通过寻址方式找到下一个元素,

[Python]在win32上安装Numpy和Matplotlib

平台: win7-32   python3.4.3 安装过程实在是太恶心了,整理了一下方便大家,没准搜索引擎能收录到了: 遇到的问题主要有: 1.各种找不到版本兼容的下载地址 2.下载到了 .whl & .egg文件不会安装 3.安装好了文件又缺各种  module    ImportError:No module named 'six'  No module named 'dateutil'  ImportError:No module named 'pyparsing' 好了~整理了一下,具

【Python地理数据处理】一、环境的搭建和准备(numpy,scipy,matplotlib)

本文主要总结<Python地理数据处理>一书中使用到的库及安装方法.在http://www.lfd.uci.edu/~gohlke/pythonlibs/可以下载到对应于python版本的各种库文件. 一.python 使用的为目前的最新版本3.6.2. 二.安装numpy,scipy,matplotlib,基于python3.6 (1)在上述网址中分别找到numpy,scipy,matplotlib进行下载.注意:win版本(32/64),python版本一定要匹配 例如:scipy?0.1

在Ubuntu 14.04 64bit上安装numpy和matplotlib库

原文:http://blog.csdn.net/tao_627/article/details/44004541 按照这个成功安装! 机器学习是数据挖掘的一种实现形式,在学习<机器学习实战>过程中,需要python环境中安装好numpy和matplotlib库,特此将我在Ubuntu 14.04 64bit上的摸索过程总结如下: 书上的建议是: 在Debian/Ubuntu系统下安装Python, Numpy和Matplotlib的最佳方式是使用apt-get等软件包管理器. 避免源码包形式的