python及深度学习笔记三

本文详细介绍使用Matplotlib绘制各种图表的方法,包括设置字体、坐标轴等,并通过实例展示如何用NumPy进行高效的数值计算与数据处理。适用于希望提高数据可视化和科学计算技能的学习者。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

matplotlib部分
1.windows下设置字体:my_font=font_manager.FontProperties(fname=‘C:\Windows\Fonts\simsun.ttc’)
2.plt.xlabel()设置x轴意义 plt.ylabel()设置y轴意义
3.plt.xticks()设置x轴坐标 plt.yticks()设置y轴坐标Course exercises:
4.折线图:plt.plot()
5.散点图:plt.scatter()
6.绘制网格:plt.grid()
7.绘制条形图:plt.bar() plt.barh()
8.绘制直方图:plt.hist()
总结:
在这里插入图片描述
7.常用统计图形介绍
在这里插入图片描述
Course exercises:

import matplotlib
age=range(11,31)
a=[1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]

#设置字体
my_font=font_manager.FontProperties(fname='C:\Windows\Fonts\simsun.ttc')
plt.plot(age,a)

#设置x轴
x_tick=['{}岁'.format(i) for i in range(11,31)]
plt.xticks(age,x_tick,fontproperties=my_font)

plt.xlabel('年纪',fontproperties=my_font)
plt.ylabel('个数',fontproperties=my_font)
plt.title("11到30岁交友图",fontproperties=my_font)

plt.show()

在这里插入图片描述

numpy部分
1介绍.一个在python中做科学计算的基础库,重在数值计算,也是大部分python科学计算库的基础库,多用于大型、多维数组上执行数值运算。
2.numpy数据类型:
整数:t1=np.arange(0,10,2) ///// t2=np.array(range(1,10,2))
浮点数:(通过指定dype类型实现数组的数据类型及转换)t2=np.array(range(1,10,2),dtype=float)
t7=np.array([random.random() for i in range(10)])
print(“t7=”,t7)
t8=np.round(t7,2) // 保留两位小数点
print(‘t8=’,t8)
3.t8.shape() 输出(z,x,y)z表示块数, x表示行数,y表示列数
4.t1.flatten()与t1.reshape(x,)效果一样,将多维数组进行一维展开
5.在numpy中,当数组维数相同时,则对应位置进行计算,当数组维数不相同时:二维数组时,列数维度或者行数维度一样则可以进行计算;三维时,某一方向相同则可以进行计算。
6.数组轴的问题:
在这里插入图片描述
在这里插入图片描述
7.转置的三个方法
t1.transpose()
t1.T
t1.swapaxes(1,0)
8.numpy 的索引和切片
取多行多列:t2[2:5;1:4]
取多个不相邻的点:t2[[0,2,2],[0,4,5]]表示取 [0,0],[2,4],[2,5]这三个点
9.numpy的替换操作:t2=np.where(t1<10,2,10)将t1中小于10的替换为2,大于10的替换为10
10.numpy的裁剪操作:t1.clip(10,18)将大于(大于等于10)的裁剪为10,小于(小于等于)的裁剪为18
11.nan和inf:
在这里插入图片描述
13.数组拼接:
在这里插入图片描述

深度学习部分
1.多参数梯度下降法步骤:对每个参数进行求偏导,通过n学习率调整w和b直到loss的值最小。(这种情况下容易陷入局部最小而不是全局最小的情况,线性回归的情况除外),详细步骤如下图所示
在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值