略去基础的python语法，第一章主要介绍了numpy和matplotlib这两个常用库的基本用法
生成numpy数组
import numpy as np
x = np.array([1, 2, 3])
print(x)
[1 2 3]
numpy算术运算
y = np.array([0.2, 1.6, 7.9])
print(x + y)
print(x - y)
print(x * y)
print(x / y)
print(y / 2)
[ 1.2 3.6 10.9]
[ 0.8 0.4 -4.9]
[ 0.2 3.2 23.7]
[5. 1.25 0.37974684]
[0.1 0.8 3.95]
numpy生成N维数组
A=np.array([[1,2],[3,4]])
print(A)
print(A.shape)
[[1 2]
[3 4]]
(2, 2)
矩阵的运算
B = np.array([[2, 2], [5, 5]])
print(A + B)
print(A * B)
print(B * 10)
[[3 4]
[8 9]]
[[ 2 4]
[15 20]]
[[20 20]
[50 50]]
NumPy 中，形状不同的数组之间也可以进行运算。我们称之为广播
C = np.array([10, 20])
print(A + C) #A的第一列与C的第一列相加，A的第二列与C的第二列相加
[[11 22]
[13 24]]
访问numpy元素
print(A[0]) #访问A的第一行
print(A[1][0]) #访问A的第二行第一列的元素
[1 2]
3
除了索引操作，NumPy 还可以使用数组访问各个元素。
X = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
X = X.flatten() #将X转为一维数组
print(X)
print(X[np.array([0, 2, 4])]) #array的索引依旧可以是array
print(X > 5)
print(X[X > 5])
[1 2 3 4 5 6 7 8 9]
[1 3 5]
[False False False False False True True True True]
[6 7 8 9]
使用Matplotlib绘制正弦曲线
import matplotlib.pyplot as plt
#生成数据
x = np.arange(0, 6, 0.1)
y = np.sin(x)
#绘制图形
plt.plot(x, y)
plt.show()
Figure_1.png
将正余弦曲线绘在同一张图中
y2 = np.cos(x)
plt.plot(x, y, label='sin')
plt.plot(x, y2, linestyle='--', label='cos')
plt.xlabel('x')
plt.ylabel('y')
plt.title('sin & cos')
plt.legend()
plt.show()
Figure_2.png
pyplot中还提供了用于显示图像的方法imshow()。另外，可以使用matplotlib.image模块的imread()方法读入图像。
from matplotlib.image import imread
img=imread('E:\code\Python\Pi\Oenothera.jpg')
plt.imshow(img)
plt.show()
Figure_3.png
