Matplotlib常见图形绘制

1、散点图--分布规律

plt.scatter(x,y)

2、柱状图--统计对比

plt.bar(x,y,color=['r','g','b','g','y','c','m'],width=0.5)

3、直方图--统计、分布

plt.hist()

4、饼图--占比

plt.pie()

numpy

优势

用于快速处理任意维度的数组。numpy中，存储对象时ndarray. 1、内存块风格 -- 一体式存储 2、支持并行化运算 3、效率远高于纯Python代码 4、底层运用c语言内部释放了GIL

创建

ndarray --N维数组

1、ndarray的属性

属性名字	属性解释
ndarray.shape	数组维度的元组（几行几列）
ndarray.ndim	数组维数（几维数组）
ndarray.size	数组中元素数量
ndarray.itemsize	一个数组元素的长度（字节）
ndarray.dtype	数组元素的类型（创建时可以通过dtype进行指定）

2、基础操作

2.1、生成0和1数组数组

2.2、从现有数组生成

2.3、生成固定范围数组

np.linspace(start,stop,num,endpoint) 生成等间隔的序列 start:序列的起始值 stop:序列的终止值 num:要生成的等间隔样例数量,默认为50 endpoint:序列中是否包含stop值，默认为True

2.4、生成随机数组

1、均匀分布

np.random.rand(d0,d1,...) 返回[0.0,1.0)内的一组均匀分布的数。

np.random.uniform(low=0.0,high=1.0,size=none) 从一个均匀分布[low,high)中随机取样。 low:采样下界，float类型，默认为0 high:采样上界，float类型，默认为1 size:输出样本数，为int或元组类型，例如，size=(m,n,k),则输出mnk个样本，缺省时输出一个值返回值：ndarray类型，其形状和参数size中描述一致

np.random.randint(low,high=none,size=none,dtype='I' 从一个均匀分布中随机采样，生成一个数组或N维整数数组，取数范围：若high不为none时，取[low,high)之间随机整数，否则取值[0,low)之间随机整数。

画直方图查看结果

2、正态分布

均值，方差 均值--图形左右位置方差--图形瘦还是胖，值越小，图形乐越瘦高，数据越集中；值越大，图形越矮胖，数据越分散

创建 np.random.randn(d0,d1,...) 从标准正态分布中返回一个或多个样本

np.random.normal(loc=0.0,scale=1.0,size=none) loc:float,此概率分布的平均值（对应着整个分布的中心center) scale:float,此概率分布的标准差（对应与分布的宽度，scale越大越矮胖，scale越小越瘦高） size:int or tuple of ints,输出的shape，默认为none，只输出一个值

np.random.standard_normal(size=none) 返回指定形状的标准正态分布的数组