Python之数据分析（Numpy的数据可视化、ndarray属性）

一、ndarray属性

1、常用属性

• 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

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()

本文地址：https://blog.csdn.net/Viewinfinitely/article/details/107192796