当前位置:   article > 正文

python--Scipy&Matplotlib_睡觉专业户408

睡觉专业户408

1.SciPy

1.1概述

是Python科学计算程序的核心包,用于有效的计算NumPy矩阵

1.1.1安装
pip install scipy
  • 1

检验是否安装成功

import sscipy
  • 1
1.1.2功能实现
1.1.2.1基本功能

通过savemat()函数和loadmat()函数实现保存和读取矩阵文件

from scipy import io
import numpy as np
arr = np.array([1,2,3,4,5,6])
io.savemat('test.mat',{'arr1':arr})
loadArr = io.loadmat('test.mat')
print(loadArr['arr1'])
[[1 2 3 4 5 6]]#输出
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
1.1.2.2统计功能

SciPy中的scipy.stats中提供了产生连续性分布的函数,使用它们可以生成服从某些类型分布的随机数
1.均匀分布
生成了10个[0,1]均匀分布的随机数
2.正态分布
生成了10个正态分布随机数
3.贝塔分布
生成了10个服从a=2.3,b=4.2的贝塔分布
4.泊松分布
生成了10个服从泊松分布的随机数

1.1.2.3均值与标准差计算

使用stats.norm.fit()函数利用正态分布去拟合生成的数据,得到其均值和标准差
在这里插入图片描述

1.1.2.4偏度计算

偏度描述的是概率分布的偏离(非对称)程度。有两个返回值,第二个为p-value,即数据集服从正态分布的概率(0~1),可以利用stats.skewtest()计算偏度。
在这里插入图片描述

1.1.2.5峰度计算

峰度描述的是概率分布曲线的陡峭程度,可以利用stats.kurtosis()计算峰度
在这里插入图片描述

1.1.2.6正态分布程度检验

正态分布检验同样返回两个值,第2个返回p-values。stats。normaltest()进行检验。

x = np.array([0.49505388,0.38089622,0.53224837,0.60111699,0.16436832,0.42284313,0.2474509,0.0972824,0.43080192,0.60522265])
stats.normaltest(x)
  • 1
  • 2

输出:NormaltestResult(statistic=1.0598792180094825, pvalue=0.5886405171916524)

1.1.2.7计算某一百分比处的数值

使用scoreatoercentile(数据集,百分比)计算在某一百分比位置的数值。
在这里插入图片描述

1.2实例分析

已知某次考试分数与各个分数出现次数如下表所示,求出此次考试的均值、中位数、众数、极差、方差、标准差、变异系数(均值/方差)、偏度、峰度。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

2.Matplotlib

2.1Matplotlib概述

Matplotlib是一个Python2D绘图库

2.1.1安装
pip install matplotlib
  • 1

Matplotlib的API函数(如plot和close)都位于matplotlib.pyplot模块中,其通常的引入约定是:

import matplotlib.pyplot as plt
  • 1
'
运行
2.1.2Figure和Subplot

Matplotlib的图像都位于Figure对象中,可以理解成我们需要一张画板才能开始绘画,通常使用plt.figure创建一个新的Figure

fig = plt.figure()
  • 1

在拥有Figure对象之后,在作画之前还需轴,这里可以将它理解为子图,没有轴的话就没有绘图基准,所以需要添加Axes。使用add_subplot(i,j,k)添加Axes(在画板的第i行第j列的第k个位置生成一个Axes对象来准备作画),并且通过set()函数设置这个Axes的X轴以及Y轴。

import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot(111)
ax.set(xlim=[0.5,4.5],ylim=[-2,8],title='An Example Axes',ylabel='Y-Axis',xlabel='X-Axis')
plt.show()
  • 1
  • 2
  • 3
  • 4
  • 5
'
运行

在这里插入图片描述

2.2实例分析

用Matplotlib绘制cosh(0.5x)、sin(x)、cos(2x),并设置曲线与坐标轴的属性。
在这里插入图片描述

import matplotlib.pyplot as plt
import numpy as np
x = np.arange(-2*np.pi,2*np.pi,0.01)#定义横轴范围(-2pi 2pi)
#分别绘制三条曲线
y1 = np.cosh(0.5*x)
y2 = np.sin(x)
y3 = np.cos(2*x)
#绘制曲线,Matplotlib默认展示不同颜色
plt.plot(x,y1)
plt.plot(x,y2,'--')
plt.plot(x,y3)
#设置x轴标签
plt.xticks([-2*np.pi,-np.pi,0,np.pi,2*np.pi],[r'$-2\pi$',r'$\pi$','$0$','$\pi$','$2\pi$'])
#设置y轴标签
plt.yticks([-1,0,1,2,3],[r'$-1$','$0$','$+1$','$+2$','$+3$'])
#设置图标
plt.legend(['y1','y2','y3'])
plt.show()
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
'
运行

3.小技巧

1.csdn如何生成目录
手动输入@[TOC]即可
在这里插入图片描述
2.代码建议自己上手敲敲哦,maybe you will have a different feel.
3.尽量不要手抄代码
4.不会就百度或者问GhatGPT

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/知新_RL/article/detail/987475
推荐阅读
相关标签
  

闽ICP备14008679号