插值模块 scipy.interpolate是SciPy中负责插值操作的子模块： from scipy import interpolate import numpy as np 插值（Interpolation）是通过已知的离散数据点求未知数据的过程或方法。例如，考虑这样一组离散数据点： x = np.linspace(0, 2*np.pi, 10) y = np.sin(x) from mat…

SciPy模块简介 SciPy是一个以NumPy模块为基础的第三方Python模块。 Anaconda中已经集成了SciPy模块。可以在命令行使用pip命令更新模块： pip install scipy -U SciPy模块由很多不同的科学计算子模块组成，常用的主要有： scipy.cluster：聚类算法。 scipy.integrate：积分和常微分方程求解。 scipy.interpolat…

图像中的文本处理 在数据可视化时，通常需要加上一些描述文字对生成的图形进行描述和解释。Matplotlib模块提供了一些基于函数和基于对象的文本处理方法。 函数 方法 作用 plt.text() axes.text() 在指定位置添加文本 plt.xlabel() axes.set_xlabel() 添加x轴标题 plt.ylabel() axes.set_ylabel() 添加y轴标题 plt.…

基于对象的可视化操作 相对于基于函数的可视化操作，Matplotlib提供了更灵活的方式进行可视化操作——基于对象的方法进行操作。 事实上，对Matplotlib来说，每张图都是一个Figure对象，可以通过plt.figure()函数产生。Figure对象可以通过.add_axes()方法向图中添加Axes对象。Axes对象可以进行绘图操作，调用它的.plot()方法相当于调用plt.plot(…

基于函数的可视化操作 函数plt.plot() 最常用的绘图函数为plt.plot()函数。例如，可以用plt.plot()函数绘制一条直线，并使用plt.ylabel()函数给图像加上一个y轴的标题 from matplotlib import pyplot as plt plt.plot([1,2,3,4]) plt.ylabel('some numbers') plt.s…

Matplotlib模块简介 Matplotlib模块是Python中一个常用的第三方数据可视化模块，支持很多不同类型的数据可视化操作。Matplotlib模块有丰富的代码示例，支持精准的图像控制和高质量的图像输出，还可以使用Tex语法显示公式。Matplotlib模块官方文档地址为： http://matplotlib.org Matplotlib模块可以在脚本模式、Python或IPython…

随机数组 NumPy中的随机数组是通过子模块numpy.random实现的： import numpy as np 函数np.random.rand()可以用来生成0到1之间指定大小的的随机数组： np.random.rand(2, 3) array([[0.89610076, 0.20257692, 0.05524905], [0.31842817, 0.37202256, 0.06250122…

Python中的索引机制可以表示为：x[obj]。当对象obj是一个元组时，元组的括号可以省略，因此x[(exp1, exp2, ..., expN)]的索引写法与x[exp1, exp2, ..., expN]是等价的。在NumPy中，根据对象obj的不同，数组索引可以分成基础索引和高级索引两大类。 数组的基础索引 数组的基础索引满足以下条件： 索引对象是整数 索引对象是slice对象 索引对象…

数组的读写 数组支持方便的读写操作。 数组的读取 import numpy as np 可以用函数np.loadtxt()从文本文件中读取数据。假设有这样的一个文件myfile.txt，内容为： %%writefile myfile.txt 2.1 2.3 3.2 1.3 3.1 6.1 3.1 4.2 2.3 1.8 Writing myfile.txt np.loadtxt('myf…

数组操作 数值相关的操作 可以使用.sum()方法进行求和： import numpy as np a = np.array([[1, 2, 3], [4, 5, 6]]) a array([[1, 2, 3], [4, 5, 6]]) a.sum() 21 默认对所有元素求和，可以通过axis参数指定求和维度： a.sum(axis=0) array([5, 7, 9]) a.sum(axis=…