python相关工具

1.matlab与python之间的数据传递

 import scipy.io as sio
 import numpy as np

 ###下面是讲解python怎么读取.mat文件以及怎么处理得到的结果###
 load_fn = 'xxx.mat'
 load_data = sio.loadmat(load_fn)
 load_matrix = load_data['matrix'] #假设文件中存有字符变量是matrix，例如matlab中save(load_fn, 'matrix');当然可以保存多个save(load_fn, 'matrix_x', 'matrix_y', ...);
 load_matrix_row = load_matrix[0] #取了当时matlab中matrix的第一行，python中数组行排列

 ###下面是讲解python怎么保存.mat文件供matlab程序使用###
 save_fn = 'xxx.mat'
 save_array = np.array([1,2,3,4])
 sio.savemat(save_fn, {'array': save_array}) #和上面的一样，存在了array变量的第一行

 save_array_x = np.array([1,2,3,4])
 save_array_y = np.array([5,6,7,8])
 sio.savemat(save_fn, {'array_x': save_array_x, 'array_x': save_array_x}) #同理，只是

2.python的绘图

 import matpylib.pyplot as plt

 a=np.arange(0,4,0.01).reshape(400,1)

 figure1=plt.figure()
 plt.plot(np.linspace(0，400，400)，a,'b-',label='ckc')
 plt.title("ckc")
 plt.xlabel("c")
 plt.ylabel("x")
 plt.legend()
 plt.show()

3.python中数组的创建操作

  1 #数组的初始化
  2 >>> import numpy as np
  3 >>> a = np.arange(15).reshape(3, 5)
  4 >>> a
  5 array([[ 0,  1,  2,  3,  4],
  6        [ 5,  6,  7,  8,  9],
  7        [10, 11, 12, 13, 14]])
  8 >>> a.shape
  9 (3, 5)
 10 >>> a.ndim
 11 2
 12 >>> a.dtype.name
 13 'int64'
 14 >>> a.itemsize
 15 8
 16 >>> a.size
 17 15
 18 >>> type(a)
 19 <type 'numpy.ndarray'>
 20 >>> b = np.array([6, 7, 8])
 21 >>> b
 22 array([6, 7, 8])
 23 >>> type(b)
 24 <type 'numpy.ndarray'>
 25
 26
 27 ones：全1
 28 zeros：全0
 29 empty：随机数，取决于内存情况
 30
 31 >>> np.zeros( (3,4) )
 32 array([[ 0.,  0.,  0.,  0.],
 33        [ 0.,  0.,  0.,  0.],
 34        [ 0.,  0.,  0.,  0.]])
 35 >>> np.ones( (2,3,4), dtype=np.int16 )                # dtype can also be specified
 36 array([[[ 1, 1, 1, 1],
 37         [ 1, 1, 1, 1],
 38         [ 1, 1, 1, 1]],
 39        [[ 1, 1, 1, 1],
 40         [ 1, 1, 1, 1],
 41         [ 1, 1, 1, 1]]], dtype=int16)
 42 >>> np.empty( (2,3) )                                 # uninitialized, output may vary
 43 array([[  3.73603959e-262,   6.02658058e-154,   6.55490914e-260],
 44        [  5.30498948e-313,   3.14673309e-307,   1.00000000e+000]])
 45
 46 #np.arange()的用法
 47 >>> np.arange( 10, 30, 5 )
 48 array([10, 15, 20, 25])
 49 >>> np.arange( 0, 2, 0.3 )                 # it accepts float arguments
 50 array([ 0. ,  0.3,  0.6,  0.9,  1.2,  1.5,  1.8])
 51
 52 >>> np.linspace( 0, 2, 9 )                 # 9 numbers from 0 to 2
 53 array([ 0.  ,  0.25,  0.5 ,  0.75,  1.  ,  1.25,  1.5 ,  1.75,  2.  ])
 54 >>> x = np.linspace( 0, 2*pi, 100 )

4.python从malab中获取.mat

 import scipy.io as sio#io相关模块，进行操作。
 curcwd=os.getcwd()

 mat_theory='noise_784.mat'
 data_theory=sio.loadmat(mat_theory)
 load_matrix=data_theory['noise_784']

 signal=load_matrix[0]#取第一行
 signal=np.reshape(signal,(784,1))

 5.python生成随机数

 #rand函数，产生0到1的随机数，参数是shape
 np.random.rand(3,4)
 >>生成0到1的随机数，shape为3行四列

 #randn函数，产生生标准正态分布，均值为0，方差为1，参数也是shape
 np.random.randn
 #randint函数，产生指定范围的随机整数，前两个参数表示范围，最后一个参数是size=（shape）
 np.random.randint(0,3,size=(3,4))

 #numpy.random能产生特定分布的随机数，如normal分布、uniform分布、poisson分布等
 这些函数中前面几个参数是分布函数的参数，最后一个参数是shape
 如正态分布normal就是均值和方差，uniform就是上下界，泊松分布就是

 np.random.normal(均值，方差，size=(3,4))

 np.random.uniform(2,3,size=(3,4))#前两个参数为范围均匀分布

 np.random.pession(2,size=())#泊松分布

 6.python文件读取注意事项

 file=open('abc.tex','w')>>注意'w'写一次，会擦除之前的
 >>要持续写入'a'
 file=open("abc.txt".'a')
 注意文件打开后必须
 file.close()>>否则写入操作会遇到问题

 ####获取每一行的元素放在数组中
 file = open('text_c.txt')

 lines = file.readlines()
 aa=[]
 for line in lines:
     temp=line.replace('\n','')  #将每一行的换行符去掉。
     aa.append(temp)