Python科学计算和可视化

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

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

列表转化为矩阵：

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

numpy 的几种属性:

 print('number of dim:',array.ndim)  # 维度
 # number of dim: 2

 print('shape :',array.shape)    # 行数和列数
 # shape : (2, 3)

 print('size:',array.size)   # 元素个数
 # 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：

 import numpy as np
 import matplotlib.pyplot as plt
 x=np.linspace(0,6,100)
 y=np.cos(2*np.pi*x)*np.exp(-x)+0.8
 plt.plot(x,y,'k',color='r',linewidth=3,linestyle="-")
 plt.show()

效果如图：

三、雷达图绘制

代码如下：

 import numpy as np
 import matplotlib.pyplot as plt
 import matplotlib
 matplotlib.rcParams['font.family']='YouYuan'
 matplotlib.rcParams['font.sans-serif']=['YouYuan']
 labels=np.array(['第一周','第二周','第三周','第四周','第五周','第六周'])
 nAttr=6
 data=np.array([100,100,96.7,100,110,70])
 angles=np.linspace(0,2*np.pi,nAttr,endpoint=False)
 data=np.concatenate((data,[data[0]]))
 angles=np.concatenate((angles,[angles[0]]))
 fig=plt.figure(facecolor="white")
 plt.subplot(111,polar=True)
 plt.plot(angles,data,'bo-',color='red',linewidth=2)
 plt.fill(angles,data,facecolor='orange',alpha=0.25)
 plt.thetagrids(angles*180/np.pi,labels)
 plt.figtext(0.5,0.95,'12号Regan_White_Lin的成绩表',ha='center')
 plt.grid(True)
 plt.savefig('pic.JPG')
 plt.show()

效果图如下：

四、图像手绘风格

代码如下：

 from PIL import Image
 import numpy as np
 vec_el=np.pi/3.2
 vec_az=np.pi/3.
 depth=20.
 im=Image.open('111.jpg').convert('L')
 a=np.asarray(im).astype('float')
 grad=np.gradient(a)
 grad_x,grad_y=grad
 grad_x=grad_x*depth/100.
 grad_y=grad_y*depth/100.
 dx=np.cos(vec_el)*np.cos(vec_az)
 dy=np.cos(vec_el)*np.sin(vec_az)
 dz=np.sin(vec_el)
 A=np.sqrt(grad_x**2+grad_y**2+1.)
 uni_x=grad_x/A
 uni_y=grad_y/A
 uni_z=1./A
 a2=255*(dx*uni_x+dy*uni_y+dz*uni_z)
 a2=a2.clip(0,255)
 im2=Image.fromarray(a2.astype('uint8'))
 im2.save('new.jpg')

效果图前后对比：

五、绘制数学模型

代码如下：

 import numpy as np
 import matplotlib.pyplot as plt
 theta=np.arange(0,2*np.pi,0.02)
 plt.subplot(121,polar=True)
 plt.plot(theta,2*np.ones_like(theta),lw=2)
 plt.plot(theta,theta/6,'--',lw=2)
 plt.subplot(122,polar=True)
 plt.plot(theta,np.cos(5*theta),'--',lw=2)
 plt.plot(theta,2*np.cos(4*theta),lw=2)
 plt.rgrids(np.arange(0.5,2,0.5),angle=45)
 plt.thetagrids([0,45,90])
 plt.show()

效果如下：