---恢复内容开始---

一、Numpy

NumPy(Numeric Python)系统是 Python 的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比 Python 自身的嵌套列表(nested list structure)结构要高效的多(该结构也可以用来表示矩阵(matrix))。据说 NumPy 将 Python 相当于变成一种免费的更强大的 MatLab 系统。

numpy 特性:开源，数据计算扩展，ndarray, 具有多维操作, 数矩阵数据类型、矢量处理，以及精密的运算库。专为进行严格的数字处理而产生。

特点：运算速度快、消耗资源少。

默认使用 Anaconda 集成包环境开发。

1、numpy 属性

几种 numpy 的属性：

ndim：维度

shape：行数和列数

size：元素个数

使用 numpy 首先要导入模块

1 import numpy as np #为了方便使用numpy 采用np简写

列表转化为矩阵：

1 array = np.array([[1,2,3],[2,3,4]]) #列表转化为矩阵

2 print(array)3 """

4 array([[1, 2, 3],5 [2, 3, 4]])6 """

numpy 的几种属性:

1 print('number of dim:',array.ndim) #维度

2 #number of dim: 2

3

4 print('shape :',array.shape) #行数和列数

5 #shape : (2, 3)

6

7 print('size:',array.size) #元素个数

8 #size: 6

2、Numpy 的创建 array

关键字

array：创建数组

dtype：指定数据类型

zeros：创建数据全为0

ones：创建数据全为1

empty：创建数据接近0

arrange：按指定范围创建数据

linspace：创建线段

二、Matplotlib

Matplotlib 是 Python 的绘图库。 它可与 NumPy 一起使用，提供了一种有效的 MatLab 开源替代方案。 它也可以和图形工具包一起使用，如 PyQt 和 wxPython。

matplotlib.pyplot 模块可以画折线图，分为两个步骤，分别是 pyplot.plot() 和 pyplot.show() ，前者负责画图，后者将画好的图展示出来。

基本使用：

1 importnumpy as np2 importmatplotlib.pyplot as plt3 x=np.linspace(0,6,100)4 y=np.cos(2*np.pi*x)*np.exp(-x)+0.8

5 plt.plot(x,y,'k',color='r',linewidth=3,linestyle="-")6 plt.show()

效果如图：

三、雷达图绘制

代码如下：

1 importnumpy as np2 importmatplotlib.pyplot as plt3 importmatplotlib4 matplotlib.rcParams['font.family']='YouYuan'

5 matplotlib.rcParams['font.sans-serif']=['YouYuan']6 labels=np.array(['第一周','第二周','第三周','第四周','第五周','第六周'])7 nAttr=6

8 data=np.array([100,100,96.7,100,110,70])9 angles=np.linspace(0,2*np.pi,nAttr,endpoint=False)10 data=np.concatenate((data,[data[0]]))11 angles=np.concatenate((angles,[angles[0]]))12 fig=plt.figure(facecolor="white")13 plt.subplot(111,polar=True)14 plt.plot(angles,data,'bo-',color='red',linewidth=2)15 plt.fill(angles,data,facecolor='orange',alpha=0.25)16 plt.thetagrids(angles*180/np.pi,labels)17 plt.figtext(0.5,0.95,'12号Regan_White_Lin的成绩表',ha='center')18 plt.grid(True)19 plt.savefig('pic.JPG')20 plt.show()

效果图如下：

四、图像手绘风格

代码如下：

1 from PIL importImage2 importnumpy as np3 vec_el=np.pi/3.2

4 vec_az=np.pi/3.5 depth=20.6 im=Image.open('111.jpg').convert('L')7 a=np.asarray(im).astype('float')8 grad=np.gradient(a)9 grad_x,grad_y=grad10 grad_x=grad_x*depth/100.11 grad_y=grad_y*depth/100.12 dx=np.cos(vec_el)*np.cos(vec_az)13 dy=np.cos(vec_el)*np.sin(vec_az)14 dz=np.sin(vec_el)15 A=np.sqrt(grad_x**2+grad_y**2+1.)16 uni_x=grad_x/A17 uni_y=grad_y/A18 uni_z=1./A19 a2=255*(dx*uni_x+dy*uni_y+dz*uni_z)20 a2=a2.clip(0,255)21 im2=Image.fromarray(a2.astype('uint8'))22 im2.save('new.jpg')

效果图前后对比：

五、绘制数学模型

代码如下：

1 importnumpy as np2 importmatplotlib.pyplot as plt3 theta=np.arange(0,2*np.pi,0.02)4 plt.subplot(121,polar=True)5 plt.plot(theta,2*np.ones_like(theta),lw=2)6 plt.plot(theta,theta/6,'--',lw=2)7 plt.subplot(122,polar=True)8 plt.plot(theta,np.cos(5*theta),'--',lw=2)9 plt.plot(theta,2*np.cos(4*theta),lw=2)10 plt.rgrids(np.arange(0.5,2,0.5),angle=45)11 plt.thetagrids([0,45,90])12 plt.show()

效果如下：

---恢复内容结束---