Python科学计算与可视化

np.array([x,y,z],dtyp=int) #从Python列表和元组创造数组
np.arange(x,y,i) #创建一个由x到y，以i为步长的数组
np.linspace(x,y,n) #创建一个由x到y，等分成n个元素的数组
np.indices((m,n)) #创建一个m行n列的矩阵
np.random.rand(m,n) #创建一个m行n列的随机数组
np.ones((m,n),dtype) #创建一个m行n列全1的数组，dtype是数据类型
np.empty((m,n),dtype) #创建一个m行n列全0的数组，dtype是数据类型

ndarray.nidm #数组轴的个数，也被称作秩
ndarray.shape #数组在每个维度上大小的证书元组
ndarray.size #数组元素的总个数
ndarray.dtype #数组元素的数据类型，dtype类型可以用于创建数组中
ndarray.itemsize #数组中每个元素的字节大小
ndarray.data #包含实际数组元素的缓冲区地址
ndarray.flat #数组元素的迭代器

ndarray.reshape(n,m) #不改变数组ndarray，返回一个维度为(n,m)的数组
ndarray.resize(new_shape) #与reshape()作用相同，直接修改数组ndarray
ndarray.swapaxes(ax1,ax2) #将数组n个维度中任意两个维度进行调换
ndarray.flatten() #对数组进行降维，返回一个折叠后的一维数组
ndarray.ravel() #作用同np.flatten()，但是返回数组的一个视图

x[i] #索引第i个元素
x[-i] #从后向前索引第i个元素
x[n:m] #默认步长为1，从前往后索引，不包含m
x[-m:-n] #默认步长为1，从后往前索引，结束位置为n
x[n,m,i] #制定i步长的由n到m的索引

np.add(x1,x2[,y]) #y = x1 + x2
np.subtract(x1,x2[,y]) #y = x1 - x2
np.multiply(x1,x2[,y]) #y = x1 * x2
np.divide(x1,x2[,y]) #y = x1 / x2
np.floor_divide(x1,x2,[,y]) #y = x1 // x2,返回值取整
np.negative(x,[,y]) #y = -x
np.power(x1,x2[,y]) #y = x1**x2
np.remainder(x1,x2[,y]) #y = x1 % x2

np.equal(x1,x2[,y]) #y = x1 == x2
np.not_equal(x1,x2[,y]) #y = x1 != x2
np.less(x1,x2[,y]) #y = x1 
np.less_equal(x1,x2[,y]) #y = x1 
np.greater(x1,x2[,y]) #y = x1 > x2
np.greater_equal(x1,x2[,y]) #y=x1 >= x2
np.where(condition[x,y]) #根据给出的条件判断输出x还是y

np.abs(x) #计算基于元素的整形，浮点或复数的绝对值
np.sqrt(x) #计算每个元素的平方根
np.squre(x) #计算每个元素的平方
np.sign(x) #计算每个元素的符号：1(+),0, -1(-)
np.ceil(x) #计算大于或等于每个元素的最小值
np.floor(x) #计算小于或等于每个元素的最大值
np.rint(x,[,out]) #圆整，取每个元素为最近的整数，保留数据类型
np.exp(x[,out]) #计算每个元素指数值
np.log(x),np.log10(x),np.log2(x) #计算自然对数(e)，基于10,2的对数，log(1+x)

plt.figure(figsize=None,facecolor=None) #创建一个全局绘图区域
plt.axes(rect.axisbg=‘w‘) #创建一个坐标系风格的子绘图区域
plt.sublpot(nrows,ncols,plot_number) #在全局绘图区域中创建一个子绘图区域
plt.subplot_adjust() #调整子图区域的布局

plt.legend() #在绘图区域中方式绘图标签
plt.show() #显示创建的绘图对象
plt.matshow() #在窗口显示数组矩阵
plt.imshow() #在axes上显示图像
plt.imsave() #保存数组为图像文件
plt.imread() #从图像文件中读取数组

plt.polt(x,y,label,color,width) #根据x，y数组绘制直/曲线
plt.boxplot(data,notch,position) #绘制箱型图
plt.bar(left,height,width,bottom) #绘制条形图
plt.barh(bottom.width,height,left) #绘制横向条形图
plt.polar(theta,r) #绘制极坐标图
plt.pie(data,explode) #绘制饼图
plt.psd(x,NFFT=256，pad_to,Fs) #绘制功率谱密度图
plt.specgram(x,NFFT=256,pad_to,Fs) #绘制谱图
plt.cohere(x,y,NFFT=256,Fs) #绘制X-Y的相关性函数
plt.scatter() #绘制散点图
plt.step(x,y,where) #绘制步阶图
plt.hist(x,bins,normed) #绘制直方图
plt.contour(X,Y,Z,N) #绘制等值线
plt.vlines() #绘制垂直线
plt.stem(x,y,linefmt,markerfmt,basefmt) #绘制曲线每个店到水平轴线的垂线
plt.plot_date() #绘制数据日期
plt.plotfile() #绘制数据后写入文件

plt.axis(‘v‘,‘off‘,‘equal‘,‘scaled‘,‘tight‘,‘image‘) #获取设置轴属性的快捷方法
plt.xlim(xmin,xmax) #设置当前x轴取值范围
plt.ylim(ymin,ymax) #设置当前y轴取值范围
plt.xscale() #设置x轴缩放
plt.yscale() #设置y轴缩放
plt.autoscale() #自动缩放轴视图的数据
plt.thetagrids(angles,labels,fmt,frac) #设置极坐标网格theta的位置
plt.grid(on/off) #打开或者关闭坐标网格

plt.figlegend(handles,label,loc) #为全局绘图区域放置图注
plt.legend() #为当前坐标图放置图注
plt.xlabel(s) #设置当前x轴的标签
plt.ylabel(s) #设置当前y轴的标签
plt.xticks(array,‘a‘,‘b‘,‘c‘) #设置当前x轴刻度位置的标签和值
plt.yticks(array,‘a‘,‘b‘,‘c‘) #设置当前y轴刻度位置的标签和值
plt.clabel(cs,v) #为等值线图设置标签
plt.get_figlabels #返回当前绘图区域的标签列表
plt.figtext(x,y,s,fontdic) #为全局绘图区域添加文字
plt.titile() #设置标题
plt.suptitle() #为当前绘图区域添加中心标题
plt.text(x,y,s,fontdic,withdash) #为坐标图轴添加注释
plt.annotate(note,xy,xytext,xycoords,textdcoords,
                   arrowprops) #用箭头在制定数据点创建一个注释或一段文本

fill(x,y,c,color) #填充多边形
fill_between(x,y1,y2,where,color) #填充两条曲线围城的多边形
fill_between(y,x1,x2,where,hold) #填充两条水平线之间的区域