（1）numpy以及matplotlib的學習總結及應用

NumPy是Python語言的一個擴充程序庫。支持高級大量的維度數組與矩陣運算，此外也針對數組運算提供大量的數學函數庫。Numpy內部解除了CPython的GIL（全局解釋器鎖），運行效率極好，是大量機器學習框架的基礎庫！

NumPy的全名為Numeric Python，是一個開源的Python科學計算庫，它包括：

• 一個強大的N維數組對象ndrray；
• 比較成熟的（廣播）函數庫；
• 用於整合C/C++和Fortran代碼的工具包；
• 實用的線性代數、傅裏葉變換和隨機數生成函數

Numpy中定義的最重要的對象是成為ndarray的N維數組類型。它描述相同類型的元素集合。可以使用基於零的索引訪問集合中的項目。

ndarray屬性：ndim屬性，表示維度個數；shape屬性，表示各維度大小；dtype屬性，表示數據類型。

實例：

import numpy
print (‘使用列表生成一維數組‘)
data = [1,2,3,4,5]
x = numpy.array(data)
print(x)
print (x.dtype)
print(x.ndim)
print(x.shape)


print (‘使用列表生成二維數組‘)
data = [[1,0],[2,0],[3,3]]
x = numpy.array(data)
print (x) 
print (x.ndim) 
 
print (x.shape)

效果如下：

matplotlib:

概述：matplotlib是基於numpy的一套Python工具包。這個包提供了豐富的數據繪圖工具，主要用於繪制一些統計圖形。

在代碼執行過程中，有兩種方式更改參數：

• 使用參數字典(rcParams)
• 調用matplotlib.rc()命令 通過傳入關鍵字元祖，修改參數

如果不想每次使用matplotlib時都在代碼部分進行配置，可以修改matplotlib的文件參數。可以用matplot.get_config()命令來找到當前用戶的配置文件目錄。

配置文件包括以下配置項：

axex: 設置坐標軸邊界和表面的顏色、坐標刻度值大小和網格的顯示

backend: 設置目標暑促TkAgg和GTKAgg
figure: 控制dpi、邊界顏色、圖形大小、和子區( subplot)設置
font: 字體集（font family）、字體大小和樣式設置
grid: 設置網格顏色和線性
legend: 設置圖例和其中的文本的顯示
line: 設置線條（顏色、線型、寬度等）和標記
patch: 是填充2D空間的圖形對象，如多邊形和圓。控制線寬、顏色和抗鋸齒設置等。
savefig: 可以對保存的圖形進行單獨設置。例如，設置渲染的文件的背景為白色。
verbose: 設置matplotlib在執行期間信息輸出，如silent、helpful、debug和debug-annoying。
xticks和yticks: 為x,y軸的主刻度和次刻度設置顏色、大小、方向，以及標簽大小。

用來該表線條的屬性

線條標記

（2）成績雷達圖：

import matplotlib.pyplot as plt
import numpy as np
import matplotlib
plt.rcParams[‘font.family‘]=‘SimHei‘

labels=np.array([‘總成績‘,‘單選‘,‘程序題‘,‘剩余用時‘,‘復寫率‘])
nAttr=5
data=np.array([9.5，9，10,6,9])
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,‘b*-‘,color=‘y‘,linewidth=3)
plt.fill(angles,data,facecolor=‘g‘,alpha=0.25)
plt.thetagrids(angles*180/np.pi,labels)
plt.figtext(0.52,0.95,‘python的成績表‘,ha=‘center‘)
plt.grid(True)
plt.savefig(‘scorce_radar.JPG‘)
plt.show()

效果：

科學計算與可視化