Python之数据分析（Numpy通用属性、数据可视化与matplotlib库通用函数）

Myth丶恋晨 2023-02-23 15:26 46阅读 0赞

### 文章目录 ###

*   *   *  一、ndarray属性
         *  二、数据可视化

### 一、ndarray属性 ###

**1、通用属性**

*  dtype：数组类型
 *  shape：数组维度
 *  T：转置视图
 *  ndim：维数（一维是1，二维是2，三维是3……）
 *  size：元素数
 *  itemsize：每个元素的字节数
 *  nbytes：数组总字节数（size \* itemsieze）
 *  flat：扁平迭代器（若不想每行每列访问元素，可以扁平化成1行来访问），扁平化之后可以用下标来取值，用于批量修改值
 *  real：复数的实部数组
 *  imag：复数的虚部数组
 *  数组.tolist()：将数组变成列表对象

**2、ndarray练习**

import numpy as np
    
    a = np.array([
        [1+1j, 2+4j, 3+7j],
        [4+2j, 5+5j, 6+8j],
        [7+3j, 8+6j, 9+9j]
    ])
    # print(a.dtype, a.dtype.str, a.dtype.char)
    # print(a.shape)
    # print(a.ndim)
    # print(a.size, len(a))
    # print(a.itemsize)
    # print(a.nbytes)
    # print(a.real, a.imag, sep='\n')
    # for item in a.flat:
    # print(item)
    # print(a.flat[[1, 3, 5]])
    
    # a.flat[[2, 4, 6]] = 0
    # print(a)
    
    x = np.array([10, 20, 30])
    y = 40
    def fun(a, b):
        a.append(b)
        return a
    x = np.array(fun(x.tolist(), y))
    # print(x)
    x = np.append(x, 50)
    print(x)

### 二、数据可视化 ###

**1、可视化工具**  
matplotlib：数学绘图库

常用导入：matplotlib.pyplot

习惯：  
import numpy as np  
import matplotlib.pyplot as mp  
因此，以下代码中的np就是numpy，mp就是matplotlib.pyplot数据可视化

**2、基本绘图方法**

*  默认曲线：mp.plot(水平坐标数组，垂直坐标数组)
 *  定制化曲线：mp.plot(…,linestyle=线型, linewidth=线宽, colot=颜色)
 *  mp.xlim(左边界, 右边界)
 *  mp.ylim(低边界, 顶边界)
 *  mp.xticks(刻度位置数组，刻度文本数组)
 *  mp.yticks(刻度位置数组，刻度文本数组)

**3、设置坐标轴的位置（2步）**  
1）ax = mp.gca() \# 必须先获取当前坐标轴，赋值给ax  
2）

*  ax = spines\[‘left’\].set\_position((‘data’, 0)) \# 将左边的坐标轴设置到数据坐标的0点
 *  ax = spines\[‘right’\].set\_color(‘red’) \# 设置坐标轴的颜色为红色,none为无色

**4、设置图例（2步）**  
1）mp.plot(…, label=图例文本) \# 设置label属性就是添加图例  
2）mp.legend(loc=‘upper left’) \# 必须进行图例的位置设置，upper left表示左上角,lower right表示右下角

**5、参考效果**  
![11][]

**6、练习代码**

import numpy as np
    import matplotlib.pyplot as mp
    
    # 默认绘图
    # 取从-π到π的999个点，作为横坐标
    x = np.linspace(-np.pi, np.pi, 1000)
    # x是一个数组，cos方法会将数组中每个元素都求余弦函数
    cos_y = np.cos(x)/2
    sin_y = np.sin(x)
    
    # 默认绘图，绘制曲线
    # mp.plot(x, cos_y)
    # mp.plot(x, sin_y)
    
    # 将图像窗口显示出来
    # mp.show()
    
    
    
    # 自定制绘图
    mp.xlim(x.min() * 1.1, x.max() * 1.1)  # 左边界是数组的最小值，右边界是数组的最大值，则就没有白边了
    mp.yticks([-1, -0.5, 0.5, 1], ['A','B','C','D'])  # 设置y坐标刻度，文字是ABCD，刻度值是-1, -0.5, 0.5, 1
    mp.ylim(sin_y.min() * 1.1, sin_y.max() * 1.1)
    
    mp.xticks([-np.pi, -np.pi*1/2, 0, np.pi*3/4, np.pi],
              [r'$-\pi$', r'$-\frac{\pi}{2}$', '0', r'$\frac{3\pi}{4}$', r'$\pi$'])
    # r表示取消python自动转义，$ $包围起来的是格式化转义内容，
    # pi表示π，frac{}{}前括号是分子，后括号是分母
    
    # 对坐标轴的处理
    ax = mp.gca()
    ax.spines['left'].set_position(('data', 0))  # 获取左坐标轴，将左边的坐标轴设置到横坐标为0的位置处
    ax.spines['bottom'].set_position(('data', 0))  # 获取右坐标轴
    ax.spines['right'].set_color("none")
    ax.spines['top'].set_color("none")
    
    mp.plot(x, cos_y, linestyle='--', linewidth=6, color="chartreuse", label=r'$y=\frac{1}{2}cos(x)$')
    mp.plot(x, sin_y, linestyle=':', linewidth=2.5, color="steelblue", label=r'$y=sin(x)$')
    mp.legend(loc = "upper left")  # 设置图例显示位置为左上角
    
    # 窗口展示
    mp.show()

[11]: /images/20230209/dea19a6b4a7c4e7ab14a1bd149b307fb.png