Python的科学计算包matplotlib setup

• 回想起大学四年

　　　　专业一直使用matlab，然而我却没在PC上装成功过，以前懒于思考这种数学工具的作用，直到最近，大学同学研究生要毕业了，几经交流，和自己阅读了一些机器学习的教材之后，发觉科学计算包和画图工具对于某些岗位来说非常的必要，因为使用数学建模而设计各种工业设计图的时候，需要对参数的调制画图观察效果。虽然我没有接触过实际场景，但在概率论的角度看，某些离散集合的数字特征（期望，方差）等，在图像上的表现，也可以借助此科学计算包辅助分析。

• set up

　　　　第一步

　　　　　　到python官网下载一个3.6的包，不知道从3.多版本开始，python开始支持pip，使用pip安装依赖很方便。最好使用windows系统，因为这种科学计算包做数学分析的多，而不是做功能，不需要一定在linux上运行。python官网

　　　　第二步

　　　　　　安装、并设置环境变量。主要在path后加上python安装路径就行。图解请百度。

　　　　第三步

　　　　　　在确定cmd可以输入python之后，使用命令安装matplotlib

python -m pip install matplotlib

　　　　　　安装完成之后，写一个Demo，画两条三角函数线。

#!/usr/bin/python

#导入画图包

from pylab import *

#创建一个新的8 * 6点的图 设置分辨率为80

figure(figsize=(8,6),dpi=80)

#创建一个新的 1 * 1的子图

subplot(1,1,1)

X=np.linspace(-np.pi,np.pi,256,endpoint=True)

C=np.cos(X)

S=np.sin(X)

#绘制余弦 用蓝色 连续 宽度1

plot(X,C,color='blue',linewidth=1.0,linestyle='-')

#绘制正弦 用绿色 连续 宽度1

plot(X,S,color='green',linewidth=1.0,linestyle='-')

#设置横轴上下限

xlim(-4.0,4.0)

#设置横轴记号

xticks(np.linspace(-4,4,9,endpoint=True))

#设置竖轴上下限

ylim(-1.0,1.0)

#设置横轴记号

yticks(np.linspace(-1,1,5,endpoint=True))

#显示

show()

• 绘制简单直线

#!/usr/bin/python

#常用数据类型练习 科学计算包

from pylab import *

x=(-3,-2,-1,0,1,2,3)

xlim(-4.0,4.0)

ylim(-8.0,8.0)

plot(x,[x*2+1 for x in x])

title("draw")

xlabel("x")

ylabel("y")

show()

　　    加上一段抄来的代码，主要是美化界面的

#!/usr/bin/python

#常用数据类型练习 科学计算包

from pylab import *

x=(-3,-2,-1,0,1,2,3)

ax = plt.subplot(111)

ax.spines['right'].set_color('none')

ax.spines['top'].set_color('none')

ax.xaxis.set_ticks_position('bottom')

ax.spines['bottom'].set_position(('data',0))

ax.yaxis.set_ticks_position('left')

ax.spines['left'].set_position(('data',0))

xlim(-4.0,4.0)

ylim(-8.0,8.0)

plot(x,[x*2+1 for x in x])

title("draw")

xlabel("x")

ylabel("y")

show()

• 矩阵运算

　　　创建一个基本的数组

np.array()

　　    使用数组运算是对应位置操作，不属于线性代数的矩阵运算。

　　　 矩阵matrix，使用如下创建。

np.mat()

　　　　两个矩阵相加，则对应位置相加。

　　　列向量(1;2)乘以行向量(1,2)得到2*2的矩阵。

矩阵转置使用.T

• 线性空间，离散空间

np.linspace()

　　　　上述新建一个线性空间

np.arange()

　　　　上述新建一个离散空间

　　　　利用线性空间绘制函数图

#coding:utf-8

#画连续空间

from pylab import *

x=np.linspace(-10,10,256,endpoint=True)

s=np.sin(x)

plot(x,s)

show()

　　　　利用离散空间绘制柱状图

#coding:utf-8

#画离散空间散点图

from pylab import *

from scipy.stats import binom as B

rv=B(10,0.3)#伯努利试验 X~B(n,p)

x=np.arange(0,20,1)

y=rv.pmf(x)

#plt.scatter(x,y,color='red')#绘制散点图

plt.bar(x,y,width=0.6,color='blue')

plt.show()
        

　　　　

• 常用函数 

　　　　

#encoding:utf-8

#常用函数

from pylab import *

x1=np.linspace(-2,2)

y1=x1**2#二次函数 抛物线

y2=np.exp(x1)#e为底指数函数

y3=np.log(x1)#自然对数函数

y4=np.sqrt(x1)#根号函数

#plt.plot(x1,y1,color='red',linewidth=2)

#plt.plot(x1,y2,color='blue',linewidth=2)

#plt.plot(x1,y3,color='green',linewidth=2)

#plt.plot(x1,y4,color='yellow',linewidth=2)

#show()

• 频率调制波

from pylab import *

time = np.arange(0,10,.01)

x = np.sin(2 * np.pi * 1 * time)

x2 = np.sin(2 * np.pi * 100 * time)

x3 = np.sin(2 * np.pi * 20 * time)

x += x2 + x3

plot(time,x)

show()

　　　　后续学习持续更新....