Numpy知识点总结-函数速查（四）

Numpy知识点总结-函数速查（四）

索引

【1.副本和视图】	【2.numpy.matlib.empty】	【3.numpy.matlib.zeros】	【4.numpy.matlib.ones】
【5.numpy.matlib.eye】	【6.numpy.matlib.identity】	【7.numpy.matlib.rand】	【8.线性代数算法】
【9.numpy绘直线】	【10.numpy绘正余弦等】	【11.numpy绘条形统计图】	【12.绘图简单参数说明】

1.副本和视图

参数说明：
------副本是一个数据的完整的拷贝，如果我们对副本进行修改，它不会影响到原始数据，物理内存不在同一位置。
------视图是数据的一个别称或引用，通过该别称或引用亦便可访问、操作原有数据，但原有数据不会产生拷贝。如果我们对视图进行修改，它会影响到原始数据，物理内存在同一位置。
------视图一般发生在：
1、numpy 的切片操作返回原数据的视图。
2、调用 ndarray 的 view() 函数产生一个视图。
------副本一般发生在：
Python 序列的切片操作，调用deepCopy()函数。
调用 ndarray 的 copy() 函数产生一个副本。

2.numpy.matlib.emptynumpy.matlib.empty(shape, dtype, order)

参数说明：
matlib.empty() 函数返回一个新的矩阵，
shape: 定义新矩阵形状的整数或整数元组
Dtype: 可选，数据类型
order: C（行序优先） 或者 F（列序优先）

print (np.matlib.empty((2,2)))

# 输出
[[-1.49166815e-154 -1.49166815e-154]
 [ 2.17371491e-313  2.52720790e-212]]

3.numpy.matlib.zeros

参数说明：
numpy.matlib.zeros() 函数创建一个以 0 填充的矩阵。

print (np.matlib.zeros((2,2)))

# 输出
[[0. 0.]
 [0. 0.]]

4.numpy.matlib.ones

参数说明：
numpy.matlib.ones()函数创建一个以 1 填充的矩阵。

print (np.matlib.ones((2,2)))

# 输出
[[1. 1.]
 [1. 1.]]

5.numpy.matlib.eyenumpy.matlib.eye(n, M,k, dtype)

参数说明：
numpy.matlib.eye() 函数返回一个矩阵，对角线元素为 1，其他位置为零。
n: 返回矩阵的行数
M: 返回矩阵的列数，默认为 n
k: 对角线的索引
dtype: 数据类型

print (np.matlib.eye(n =  3, M =  4, k =  0, dtype =  float))

# 输出
[[1. 0. 0. 0.]
 [0. 1. 0. 0.]
 [0. 0. 1. 0.]]

6.numpy.matlib.identity

参数说明：
numpy.matlib.identity() 函数返回给定大小的单位矩阵。
单位矩阵是个方阵，从左上角到右下角的对角线（称为主对角线）上的元素均为 1，除此以外全都为 0。

# 大小为 5，类型位浮点型
print (np.matlib.identity(5, dtype =  float))

#输出
[[ 1.  0.  0.  0.  0.] 
 [ 0.  1.  0.  0.  0.] 
 [ 0.  0.  1.  0.  0.] 
 [ 0.  0.  0.  1.  0.] 
 [ 0.  0.  0.  0.  1.]]

7.numpy.matlib.rand

参数说明：
numpy.matlib.rand() 函数创建一个给定大小的矩阵，数据是随机填充的。

print (np.matlib.rand(3,3))

# 输出
[[0.23966718 0.16147628 0.14162   ]
 [0.28379085 0.59934741 0.62985825]
 [0.99527238 0.11137883 0.41105367]]

8.线性代数算法

参数说明：
函数 - 说明
dot 两个数组的点积，即元素对应相乘。
vdot 两个向量的点积
inner 两个数组的内积
matmul 两个数组的矩阵积
determinant 数组的行列式
solve 求解线性矩阵方程
inv 计算矩阵的乘法逆矩阵

9.numpy绘直线

import numpy as np 
from matplotlib import pyplot as plt 
 
x = np.arange(1,11) 
y =  2  * x +  5 
plt.title("Matplotlib demo") 
plt.xlabel("x axis caption") 
plt.ylabel("y axis caption") 
plt.plot(x,y) plt.show()

10.numpy绘正余弦

import numpy as np 
import matplotlib.pyplot as plt 
# 计算正弦曲线上点的 x 和 y 坐标
x = np.arange(0,  3  * np.pi,  0.1) 
y = np.sin(x)
plt.title("sine wave form")  
# 使用 matplotlib 来绘制点
plt.plot(x, y) 
plt.show()

11.numpy绘条形统计图

from matplotlib import pyplot as plt 
x =  [5,8,10] 
y =  [12,16,6] 
x2 =  [6,9,11] 
y2 =  [6,15,7] 
plt.bar(x, y, align =  'center') 
plt.bar(x2, y2, color =  'g', align =  'center') 
plt.title('Bar graph') 
plt.ylabel('Y axis') 
plt.xlabel('X axis') 
plt.show()

12.numpy绘图参数

线段样式参数：
‘-’ 实线样式
‘–’ 短横线样式
‘-.’ 点划线样式
‘:’ 虚线样式
‘.’ 点标记
‘,’ 像素标记
‘o’ 圆标记
‘v’ 倒三角标记
‘^’ 正三角标记
‘<’ 左三角标记
‘>’ 右三角标记
‘1’ 下箭头标记
‘2’ 上箭头标记
‘3’ 左箭头标记
‘4’ 右箭头标记
‘s’ 正方形标记
‘p’ 五边形标记
‘*’ 星形标记
‘h’ 六边形标记 1
‘H’ 六边形标记 2
‘+’ 加号标记
‘x’ X 标记
‘D’ 菱形标记
‘d’ 窄菱形标记
‘|’ 竖直线标记
‘_’ 水平线标记
颜色样式参数：
‘b’ 蓝色
‘g’ 绿色
‘r’ 红色
‘c’ 青色
‘m’ 品红色
‘y’ 黄色
‘k’ 黑色
‘w’ 白色