访问博客查看 本文 最新内容，排版更美观ヾ(•ω•`)o 如有错误欢迎指出~
Python 系列学习笔记：
学习 Machine Learning 的时候发现需要用许多矩阵运算和画图的库，本文将以实用主义的方式记录每次遇到的新用法。
2021 年贵系的暑培新增了「科学计算」内容，本文部分内容参考了清华 LZJ 同学的教程。本文将持续更新。
Matplotlib 基础
绘图时最常用的模块是 Matplotlib 中的 pyplot 模块。绘图时先调用相关绘图函数，设置图像各种细节，最后调用 plt.show() 显示图片。
这时会出现一个基于 Qt 实现的交互窗口，程序执行到 plt.show() 时阻塞。在交互窗口中可以进一步调整图片格式细节或保存图片，关闭窗口后程序继续运行。下面以一个例子说明：
import numpy as np
from matplotlib import pyplot as plt
x = np.linspace(-4, 4, 30) # [-4, 4] 中长度为 30 的等差数列
y = np.sin(x) # 获得 sin 值
plt.plot(x, y) # 以 x 为自变量，y 为因变量，绘制折线图
plt.show() # 显示图像，程序阻塞
格式字符串
与 Matlab 相似，Matplotlib 使用事先约定好的字符串代表绘图格式，将其写入 plt.plot() 即可，如 plt.plot(x, y, 'bo') 即蓝色圆圈标记。
-
color：绘制点的颜色，支持以下缩写，还可以用c='#000'指定。
| 字符 | 颜色 | 字符 | 颜色 | 字符 | 颜色 | 字符 | 颜色 |
|---|---|---|---|---|---|---|---|
b |
蓝色 | r |
红色 | m |
洋红色 | k |
黑色 |
g |
绿色 | c |
青色 | y |
黄色 | w |
白色 |
-
marker：绘制点的形状。
| 字符 | 标记 | 字符 | 标记 | 字符 | 标记 | 字符 | 标记 |
|---|---|---|---|---|---|---|---|
. |
点标记 | > |
右三角标记 | p |
五边形标记 | D |
菱形标记 |
, |
像素标记 | 1 |
三叉戟标记 | * |
星形标记 | d |
菱形标记 |
o |
圆圈标记 | 2 |
三叉戟标记 | h |
六角形标记 | 丨 |
竖线标记 |
v |
倒三角标记 | 3 |
三叉戟标记 | H |
六角形标记 | _ |
横线标记 |
^ |
正三角标记 | 4 |
三叉戟标记 | + |
+标记 | ||
< |
左三角标记 | s |
正方形标记 | x |
x标记 |
-
line：绘制线的形状。
| 字符 | 格式 | 字符 | 格式 | 字符 | 格式 | 字符 | 格式 |
|---|---|---|---|---|---|---|---|
- |
实线 | -- |
虚线 | -. |
点划线 | : |
点线 |
特定类型图
下面是一些常用的绘图函数。更多官网案例：https://matplotlib.org/stable/gallery/index.html。
折线图 plot()
plt.plot() 用于绘制折线图，需要一系列点作为因变量和自变量，函数接口如下：
matplotlib.pyplot.plot(*args, scalex=True, scaley=True, data=None, **kwargs)
观察接口，可以发现有以下的用法：
- 传入两个等长数组或列表，前者是自变量，后者是因变量。
- 只传入一个数组或列表，自变量默认从 0 开始整数递增。
- 传入两个列表，各包含两个值，可以绘制一条直线。
散点图 scatter()
plt.scatter() 用于绘制散点图，需要两个等长数组或列表，函数接口如下：
matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, **kwargs)
其中只有 x 和 y 为必填项，s 代表每个点的大小，可以是常数也可以是列表。
子图 subplot()
plt.subplot() 用于在一张图里绘制多个子图，函数接口如下：
matplotlib.pyplot.subplot(nrows, ncols, index, **kwargs)
其中只有 nrow 和 ncols 表示总共有多少子图，index 代表其中第几个。如：plt.subplot(2,2,1)，也可以缩写为 plt.subplot(221)。
紧跟在 plt.subplot() 语句后面的语句绘制的就是 index 所指向的图，绘制完再次使用 plt.subplot() 语句切换到下一张子图。
其他辅助库
除了上述的数据分析第三方库，还有一些辅助工具库也许有用。因为不知道记在哪里，就先放在本节。
Time
time 是 Python 中处理时间的标准库，提供系统级精确计时功能（可以用于程序性能分析）。其主要功能分为三块：时间获取、时间格式化、程序计时，这里介绍计时相关内容。
-
sleep(s)：s为休眠时间，单位秒，可以是浮点数。 -
perf_counter()：返回一个 CPU 级别的精确时间计数值，单位为秒。
后者的使用由于计数器起点不确定，连续调用求差值才有意义：
import time
import numpy as np
arr = np.arange(100000000)
start = time.perf_counter() # 计数器起点
arr = arr * 2
end = time.perf_counter() # 计数器终点
print('numpy time cost: %.3f s' % (end - start))
pipreqs
当我们写好一个 Python 项目之后，如果要开源代码，为了让别人能快速运行项目，一般可以提供一个 requirements.txt 的，用以配置环境。
pipreqs 是用于自动生成上述文件的一个第三方库，使用 pip install pipreqs 安装，进入项目根目录，执行 pipreqs ./ 即可。如果出现编码错误，可以指定编码方式解决：
pipreqs ./ --encoding utf-8
其他人则可以使用以下命令配置环境：
pip install -r requirements.txt
