- 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....
