.Numpyライブラリとmatplotlibのを学ぶのライブラリー
（1）numpyのライブラリはじめに：N次元アレイの動作をサポートする科学技術計算パッケージ、大行列、成熟した放送ライブラリ、ベクトル演算、線形代数、フーリエ変換、乱数生成処理、及び無C ++ / Fortranの言語とをシームバインディング
np.array（[1,2,3]）リストされた配列に、np.array（（1,2,3））アレイにタプル; np.array（範囲（5））対象範囲の配列に変換します;ビルトイン範囲（）関数に似てnp.arange（8）
np.linspace（0,10,11は、エンドポイント=偽）は、エンドポイント演算アレイを含んでいません
（2）matplotlibのライブラリ概要：Pythonプログラミング言語を拡張し、数値数学パッケージさ numpyのビジュアルインターフェース。そのようなTkinterの、wxPythonを、QtのGTK +などの一般的なツールパッケージを使用して、グラフィカル・ユーザ・インターフェースである、またはアプリケーションは、組み込みグラフィックス・アプリケーション・プログラム・インターフェース（API）を提供します。加えて、それはまた、MATLABと非常に類似して設計されpylabインターフェースの（例えばオープングラフィックライブラリOpenGLのような）画像処理ライブラリをベースmatplotlibの-どのように使用しないけれども。scipyのダウンロードは、グラフィカルにmatplotlibのに描かれています。
2を結合。2つのライブラリの使用例を
＃- * -コーディング：UTF-8 - * - "" " スパイダーエディタ 。この一時的なスクリプトファイルである " "" 印刷（" スタート" ） のインポートnumpyのNP AS インポートはPLT AS matplotlib.pyplot インポートmatplotlibの matplotlib.rcParams [ " font.family ' ] = ' SimHei ' ＃は、デフォルトのフォント設定 [matplotlib.rcParamsを' font.sans serif- ' ] = [ ' SimHei ' ] ＃は、デフォルトのフォント設定 ラベルは=（[np.array '最初の週"、「第二週」、「第3週」、「4週」、「5週」、「6週間」、「第七週」 ]） ＃ 7 nAttr = ＃の数エッジ データ= np.array （[95,85,90,95,80,85,100]） ＃のデータ値 角度np.linspace =（0,2 * np.pi、nAttr、エンドポイント=偽）＃の角度設定、0-2PI、隔壁7 データnp.concatenateは=（（データ、[データが[0]）） ＃とプロット機能を描画促進する配列データの角度と端に閉鎖端部、 角= np.concatenate（（角度、[角度[0]）） 図 = plt.figure（FaceColorと=" ピンク"） ＃1 外側カラーグラフィックの周囲 plt.subplot（111、極性= TRUE） ＃サブパーティションは、システム極座標作成 plt.plot（角度、データ、' BO- '、カラー= ' Gを'線幅= 2として、 ）＃描か角度データおよび不規則な多角形に従って plt.fill（角度、データ、のFaceColor = ' G '、アルファ= 0.25） ＃の塗りつぶし色 plt.thetagrids（180角* / np.pi、ラベル） ＃1 、例えば設定タブ週Xの plt.figtext（0.52,0.95、' 14-カインド図の結果'、HA = ' センター'）＃設定されたタイトルの plt.grid（真） plt.savefig（' dota_radar.JPG ' ） plt.show（）
結果写真：
III。カスタム手描き風
コードは以下の通りであります：
＃- * -コーディング：UTF-8 - * - インポートNP AS numpyの から PIL インポートイメージ・ クラスの画像： DEF __init__ （自己位置）： self.position = 位置 DEF Hand_drawn_style（セルフ）： vec_el = np.pi / 2 ＃光源の頂角、ラジアン値 vec_az = np.pi / 3 ＃ラジアンにおけるソース方位角、 深さ。6 = ＃の深さ量、値が小さいほど白い背景領域に近い、背景領域の大きな値により近い黒に IM =イメージ.Open（self.position）.convert（' L '） ＃が開かれ、グレースケール画像に変換されます。 np.asarray = A（IM）.astype（' フロート' ） グラ = np.gradient（A） ＃は、画像のグレー値勾配をフェッチ grad_x、grad_y =グラ ＃それぞれ水平および垂直勾配画像は、値を取る grad_x = grad_x *深さ/ 100 。 grad_y = grad_y深さ* / 100 。 DX = np.cos（vec_el）* np.cos（vec_az）＃1 、x軸のソース影響 のDy = np.cos（vec_el）* np.sin（vec_az） ＃のソースy軸上の効果 DZ = np.sin（vec_el） ＃1 、z軸効果の源 A = np.sqrt（grad_x grad_y ** 2 + 2 + 1 ） uni_xGrad_x = / A uni_y = grad_y / A uni_z = 1 / A A2 = 255 *（DX + Dyをuni_x * * * uni_z uni_y + DZ）＃のソース正規 A2のa2.clip =（0、255） ＃オーバーフロー防止 = Image.fromarray IM2（a2.astype（' UINT8 '）） ＃再構成画像 im2.save（' 4d0424dd81_.jpg '）＃保存画像 im2.show（） ＃の表示画像 IF __name__ == ' __main__ '： 位置 = ' 4d0424dd81.jpg ' ピクチャ（位置）.Hand_drawn_style（）
レンダリング：
IV。分布プロット
コード
import numpy as np import matplotlib import scipy.stats matplotlib.use('TkAgg') import matplotlib.pyplot as plt import matplotlib.mlab as mlab if __name__ == "__main__": # 期望0，标准差1，条数50 mu, sigma, num_bins = 0, 1, 500 # 1M个随机数 x = mu + sigma * np.random.randn(10000) # 正态分布的数据, 颜色的透明度0.5 n, bins, patches = plt.hist(x, num_bins, density=True, facecolor='blue', alpha=0.5） ＃のヒストグラム関数は、X 1は、確率密度として表さ=ノルム、x軸の値である ＃すなわち、緑色の正方形として、カラー深さパラメータ0.5。Nリターン確率、左側のブロックのX直線の値、及び各対象ブロック ＃適合曲線 Y = scipy.stats.norm.pdf（ビン、MU、シグマ） plt.plot（ビン、Y、' r--の' ） plt.xlabel（' 期待' ） plt.ylabel（' 確率' ） plt.title（' 正規分布のヒストグラム：。$ \ MU = $ 0、$ \ Sigma社1 = $ " ） plt.subplots_adjust（左 = 0.15） ＃マージン左 plt.grid（真） ＃オープングリッド線の PLTを.SHOW（）
結果の写真
