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
import numpy 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/標准差/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' 用於 C 的行數組，或者 'F' 用於 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 用於實現動態數組。
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，它可以在誇平台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），是一個小於等於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 + 10 plt.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：
def f(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)) def animate(i): line.set_ydata(np.sin(x+i/10))#用來改變的y對應的值 return line, def init(): line.set_ydata(np.sin(x))#動態圖初始圖像 return line, 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：
import numpy as np import matplotlib.pyplot as plt import matplotlib 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 = 5 data = 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：
import matplotlib.pyplot as plt import numpy as np def sigmoid(x): # 直接返回sigmoid函數 return 1. / (1. + np.exp(-x)) def plot_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：
