matplotlib.pyplot繪製不同圖型&Numpy

不同的圖形的應用場景

• 折線圖

  • 顯示數據的變化，趨勢
  • 如，溫度隨時間的變化
  • plt.plot(a,b)

• 條形圖（柱狀圖）

  • 顯示數據之間的大小比較
  • 如,電影院每天排片的所有電影的票房比較
  • plt.bar(a,b)

• 直方圖

  • 反應數據在不同的範圍內的分佈
  • 如，一個班級裏的身高在(1.6-1.65;1.65-1.7;1.7-1.75;1.75-1.8)這幾個範圍內的分佈
  • plt.hist(a,10)

• 散點圖

  • 表現數據的分佈狀態，可從狀態中尋找分佈模式
  • 如，一個城市某兩個月每天的氣溫數據，想要知道這兩個月的氣溫與時間有什麼關係
  • plt.sccatter(a,b)

• 餅狀圖

  • 各個部分佔整體的百分比
  • 如，電影院當天電影票房中，每個電影貢獻的百分比
  • plt.pie(data, labels)

matplotlib使用流程總結

• 明確問題
• 選擇圖形的呈現方式
• 準備
• 繪圖和圖形完善

matplotlib使用總結

• 應該選擇哪種圖形來呈現數據
• 折線圖：plt.plot(x,y)
• 柱狀圖：plt.bar(x,y)
• 直方圖：plt.hist(data, bins, normed)
• 餅狀圖：Plt.pie(x，labels, autopct, colors)
• 散點圖：Plt.scatter(x,y)
• 數軸的設置：xticks,yticks
• 數據及表格的描述內容：xlabel，ylabel,title
• 設置圖標大小，保存圖片：figure,savefig

Numpy

• 什麼是Numpy
• 爲什麼是Numpy
• Numpy的核心
• 基本操作
• 分析案例

什麼是Numpy

• 是一種負責數據運算的基礎庫
• 是一種強大的N維數組對象
• 是衆多機器學習框架的基礎庫

爲什麼選擇Numpy

• 其實python也可以進行數值運算，爲什麼要用Numpy
• 因爲快
  
  • 1.python有GIL,Numpy是真正意義的多任務
  • 2.python讀寫的數據是在持久化存儲上的不連續數據，Numpy是在內存上的連續存儲

Numpy的核心

• ndarray(N-dimensional array),N維數組

• ndarray的核心是

  • 數據類型，形狀，軸（維數）

• 二維數組（矩陣）
  

• 三維數組

基本操作

• 創建

  
  # 導入numpy模塊
  
  import numpy as np
  
  
  # 一維數組
  
  a1 = np.array([1,2,3,4])
  
  
  # 二維數組
  
  a2 = np.array([[11,22],[33,44]])
  
  
  # 三維數組
  
  a3 = np.array([[[11,22],[33,44]],[[55,66],[77,88]]])
  
  

• 查看數組的形狀和類型

  • 查看形狀：a.shape
  • 查看類型：a.dtype

• 創建等差，等比數列

  • 創建等差數列：np.linespace(0,10,11)
  • 創建等比數列：np.logspace(0,2,2)

示例

• 生成500個股票兩年的交易漲幅數據

stock = np.random.normal(0,1(500,252*2))