文章目录
机器学习——数据科学包（四）一、环境搭建（一）背景知识（二）操作系统（三）Anaconda（四）pycharm
二、Numpy简介（一）Numpy什么（二）ndarray(三)常用函数（1）创建numpy的方法a、具体操作：将python的list对象转换为numpy的ndarray对象b、通过numpy的内置函数直接生成c、从文件读取数据
（2）矩阵加减乘法（3）索引和切片(4)常用函数
三、散点图（一）概念（二）实践（1）举例：身高和体重的散点图（2）、正相关（3）负相关（4）不相关（5）股票价格涨幅
（三）外观调整
四、折线图（一）概念（二）实践（1）举例（2）参数
五、条形图垂直条形图水平条形图：组合图层叠图
六、直方图用条形图的高低表示频率大小用颜色的深浅表示频率的大小（用来绘制双变量的直方图）
七、饼状图八、箱型图：主要用于显示数据的分散情况九、颜色和样式（一）颜色(二)点，线的样式（1）点（2）线（3）样式字符串
十、面向对象 VS Matlab Style（一）三种方式简介
十一、子图—subplot十二、多图—figure十三、网格（一）plt进行交互式绘图（二）面向对象的方式：没有交互式效果，不能进行改变
十四、图例_legend(一)plt交互式方式(二)面向对象方式
十五、坐标轴范围的调整十六、坐标轴刻度十七、添加新坐标轴（一）pylot方式（二）交互式（1)共用x轴（2）共用y轴
机器学习——数据科学包（四）
一、环境搭建
（一）背景知识
（二）操作系统
（三）Anaconda
（四）pycharm
是一个开发环境，相当于编译器的功能。 应用实例： 创建文件
二、Numpy简介
（一）Numpy什么
（二）ndarray
(三)常用函数
（1）创建numpy的方法
a、具体操作：将python的list对象转换为numpy的ndarray对象
b、通过numpy的内置函数直接生成
import numpy as np
x = np.arange(11)
x
Out[14]: array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
c、从文件读取数据
loadtxt(‘文件名’，数据空格方式，跳过第几行（从1开始），用哪几列（从0开始），unpack) 通过shape查看矩阵大小
把三列分开放在三个变量里
（2）矩阵加减乘法
（3）索引和切片
(4)常用函数
min max median mean variance sort 1、np.func(x)用此形式对数组排序，会生成一个新的数组，x本身不会发生变化 2、x.func() x本身会发生变化，且并不会产生一个新的序列 y未生成新的数据
三、散点图
（一）概念
（二）实践
（1）举例：身高和体重的散点图
（2）、正相关
（3）负相关
（4）不相关
（5）股票价格涨幅
取得每天的开盘价和收盘价，然后得出每天的价格变化幅度，画出前一天和后一天涨幅关系的散点图。
（三）外观调整
注：可以改变点的面积，颜色，透明度
四、折线图
（一）概念
（二）实践
（1）举例
（2）参数
用日期数据作为x的输入，导入开盘价和收盘价
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
# x=np.linspace(-10,10,100)
# y=x**2
# plt.plot(x,y)
# plt.show()
date, open, close= np.loadtxt('C:/Users/forever/Desktop/000001.csv', delimiter=',',
converters={0:mdates.bytespdate2num('%m/%d/%Y')}, skiprows=1, usecols=(0, 1, 4),unpack=True)
#plt.plot_date(date, open,'-') 常用线性
plt.plot_date(date, open,linestyle = '--', color = 'green', marker = '<')#设置颜色形状和点的形状
plt.plot_date(date, close,linestyle = '-', color = 'red', marker = '<')
五、条形图
垂直条形图
import numpy as np
import matplotlib.pyplot as plt
N=5
y=[20,10,30,25,15]
index = np.arange(N)
p1 = plt.bar(index,height=y,color='red',width=0.5)
plt.show()
水平条形图：
import numpy as np
import matplotlib.pyplot as plt
N=5
y=[20,10,30,25,15]
index = np.arange(N)
p1 = plt.bar(0,bottom=index+0.25,width=y,height=0.5,color='red',orientation='horizontal')
plt.show()
组合图
层叠图
六、直方图
直方图通常用来显示连续性的数值型数据，用连续的方式分组，并且是自定义的 条形图是用来展示不同类别的数据，且通常是不连续且不能自定义的。
用条形图的高低表示频率大小
import numpy as np
import matplotlib.pyplot as plt
mu = 100 # mean of distribution 均值
sigma = 20 # standard deviation of distribution 标准差
x = mu + sigma * np.random.randn(2000) #随机函数生成2000个数据的数组
#plt.hist(x, bins=10,color='red',normed=True) #normed表示是否要对数据进行标准化
plt.hist(x, bins=50,color='green',normed=False)
plt.show()
用颜色的深浅表示频率的大小（用来绘制双变量的直方图）
import numpy as np
import matplotlib.pyplot as plt
x = np.random.randn(1000)+2 #生成1000个随机变量，其中心在2
y = np.random.randn(1000)+3 #生成1000个随机变量，其中心在3
plt.hist2d(x, y, bins=40)
plt.show()
七、饼状图
import matplotlib.pyplot as plt
from matplotlib.gridspec import GridSpec
# Some data
labels = 'A', 'B', 'C', 'D'
fracs = [15, 30, 45, 10]
explode = (0, 0.05, 0, 0)# 表示每一部分离圆中心的距离，用来突出显示某一块
# Make square figures and axes
plt.axes(aspect=1) ##使得画出正圆
#explode = (0, 0.05, 0, 0)
#plt.pie(fracs, labels=labels, autopct='%1.1f%%', shadow=True)
plt.pie(fracs, explode=explode, labels=labels, autopct='%.0f%%', shadow=True) #autopct将每一部分占的比例用格式化字符串显示出来，
# shadow给每一块饼状图加上阴影，是图形更有立体感
plt.show()
八、箱型图：主要用于显示数据的分散情况
import numpy as np
import matplotlib.pyplot as plt
np.random.seed(100)
data = np.random.normal(size=1000, loc=0.0, scale=1.0) #生成大小为1000的数组
plt.boxplot(data,sym='o',whis=1.5)#whis代表虚线长度，默认值是1.5
plt.show()
在一张图上把数据的一些统计量（上边缘，上四分位数，中位数，下四分位数，下边缘，异常值）直观的表示出来。 同时画几组数据的箱型图：
import numpy as np
import matplotlib.pyplot as plt
np.random.seed(100)
data = np.random.normal(size=(1000,4), loc=0.0, scale=1.0)#创建4*1000的数组，即4组数据
labels = ['A','B','C','D']
plt.boxplot(data, labels=labels)
plt.show()
九、颜色和样式
（一）颜色
(二)点，线的样式
（1）点
显示指定marker时会默认画出线段
（2）线
（3）样式字符串
十、面向对象 VS Matlab Style
（一）三种方式简介
# #pyplot
# import matplotlib.pyplot as plt
# import numpy as np
# x=np.arange(0,10,1)
# y=np.random.randn(len(x))
# plt.plot(x,y)
# plt.title('pyplot')
# plt.show()
# #pylab
# from pylab import * #通过pylab直接导出所有的函数，后面可以不加np. plt.(不推荐)
# x=arange(0,10,1)
# y=randn(len(x))
# plot(x,y)
# title('random numbers')
# show()
#改成面向对象的方式
import matplotlib.pyplot as plt
import numpy as np
x=np.arange(0,10,1)
y=np.random.randn(len(x))
fig=plt.figure() #生成画布对象
ax=fig.add_subplot(111) #生成坐标轴对象
l,=plt.plot(x,y)
t=ax.set_title('object oriented')
plt.show()
十一、子图—subplot
在一张图上画多个子图。
import matplotlib.pyplot as plt
import numpy as np
x=np.arange(1,100)
plt.subplot(221)
plt.plot(x,x)
plt.subplot(222)
plt.plot(x,-x)
plt.subplot(223)
plt.plot(x,x*x)
plt.subplot(224)
plt.plot(x,np.log(x))
plt.show()
交互式画图
十二、多图—figure
运用多个figure生成子图
import matplotlib.pyplot as plt
fig1=plt.figure()
ax1=fig1.add_subplot(111)
ax1.plot([1,2,3],[3,2,1])
fig2=plt.figure()
ax2=fig2.add_subplot(111)
ax2.plot([1,2,3],[1,2,3])
plt.show()
十三、网格
（一）plt进行交互式绘图
（二）面向对象的方式：没有交互式效果，不能进行改变
十四、图例_legend
(一)plt交互式方式
(二)面向对象方式
十五、坐标轴范围的调整
十六、坐标轴刻度
坐标是日期的调整
十七、添加新坐标轴
（一）pylot方式
（二）交互式
（1)共用x轴
（2）共用y轴
