Nautilus for sailing

一类MATLAB API 二matplotlib 面向对象 API 图表尺寸长宽比 与 DPI 保存图表 图例轴标 与 标题 格式化文本LaTeX字体大小字体类型 设置颜色线宽 与 线型 控制坐标轴的样式 自定义标号位置与符号 科学计数法 轴上数与标签的间距 调整坐标轴的位置 坐标轴网格 轴 双坐标轴 设置坐标原点在00点 其他 2D 图表风格 直方图 文本注释 带有多子图与插图的图 颜色映射图与轮

整型 Integers在Python 2.7中，整型的运算结果只能返回整型，除法的结果也不例外。例如12 / 5返回的结果并不是2.4，而是2。#// 整数除法，返回的是比结果小的最大整数值 12.3 // 5.2 => 2.0#使用type()函数来查看变量类型： type(a)#整型数字的最大最小值： import sys sys.maxint长整型 Long Integers当整型超出范围时，

字符串字符串索引与list相同。#字符串的加法： s = "hello" + " world" => 'hello world'#查看字符串的长度： len(s)#字符串的分割： s = "hello world" s.split() => ['hello', 'world']列表 List#生成列表 a = [1, 2.0, 'hello', 5 + 1.0]#列表加法： a + a => [1,

Life is short. Use Python.import this s = """Gur Mra bs Clguba, ol Gvz CrgrefOrnhgvshy vf orggre guna htyl. Rkcyvpvg vf orggre guna vzcyvpvg. Fvzcyr vf orggre guna pbzcyrk. Pbzcyrk vf orggre guna pbzcy

一文件输入输出 二数据类型 三颜色空间 四图像坐标 五几何变换 六图像处理 局部过滤 非局部过滤 七图像分割 八特征提取 scikit-image 是用于图像处理的 Python 包，使用原生的 NumPy 数组作为图像对象。我们这节实验主要介绍一下 scikit-image 库的用法。一、文件输入输出模块：skimage.io二、数据类型三、颜色空间四、图像坐标五、几何变换六、图像处理局部过滤非局

一线性代数 线性方程组 特征值 与 特征向量 矩阵运算 稀疏矩阵 最优化 找到一个最小值 找到方程的解 插值 统计学 统计检验一、线性代数线性代数模块包含了大量矩阵相关的函数，包括线性方程求解，特征值求解，矩阵函数，分解函数（SVD, LU, cholesky）等等。1. 线性方程组 A是矩阵，x、b是向量：from scipy.linalg import * from numpy.random

一 特定函数 二 积分 数值积分 求积 常微分方程 ODEs 傅立叶变换SciPy 库建立在 Numpy 库之上，提供了大量科学算法，主要包括这些主题： 特殊函数 (scipy.special) 积分 (scipy.integrate) 最优化 (scipy.optimize) 插值 (scipy.interpolate) 傅立叶变换 (scipy.fftpack) 信号处理 (scipy.sign

Numpy - 多维数组 一创建numpy数组 列表生成numpy数组 使用函数来生成数组 文件 IO 创建数组 操作数组Numpy - 多维数组加载包: from numpy import * 一、创建numpy数组:有多种方式：使用 Python 列表或元祖，使用 arange, linspace 等函数，从文件中读取数据。1. 列表生成numpy数组 v=array([1,2,3,4])

一操作 numpy 数组的常用函数 二线性代数 标量运算 Element-wise逐项乘 数组-数组 运算 矩阵代数 数组矩阵 变换 矩阵计算 数据处理例子用 numpy 来处理斯德哥尔摩天气的数据 对子数组的操作 对高维数组的操作 改变形状与大小 增加一个新维度 newaxis 叠加与重复数组 浅拷贝与深拷贝一、操作 numpy 数组的常用函数 where 使用 where 函数能将索引掩码转

一机器学习问题 二加载示例数据集 鸢尾花卉数据集 手写数字数据集 三学习与预测 四回归 五分类 六聚类 图像压缩 七降维一、机器学习问题scikit-learn 是一个比较流行的开源机器学习库。它支持许多分类，回归，聚类算法，包括支持向量机，逻辑回归，朴素贝叶斯，随机森林，梯度boosting，k-means 和 DBSCAN，并且可以与 Numpy 与 SciPy 库进行交互。二、加载示例数据集鸢

一数值运算 统计 函数应用 直方图 字符处理 二合并 Concat Join 追加 三分组 数据透视表 四时间序列 五分类 六作图 七数据 IO CSV Excel一、数值运算统计运算通常会排除缺省项df => A B C D F 2013-01-01 0.000000 0.000000 1.1

一Series 二DataFrame 三数据观察 四选择切片 通过标签选择 通过位置进行选择 布尔索引 五赋值 六缺省项载入需要的包：import pandas as pd import numpy as np import matplotlib.pyplot as plt一、SeriesSeries 是一个一维类数组对象，包含一列数据与与其关联的一列数据标签，数据标签即为数据的序列。创建一个 Se

一、3D 图在matploylib中创建3d图，首先要做的是创建 Axes3D 类from mpl_toolkits.mplot3d.axes3d import Axes3D1. 绘制曲面import matplotlib.pyplot as plt from matplotlib import * from numpy import * from math import pi from mpl_t

字符串方法#分割 #s.split()将s按照空格（包括多个空格，制表符\t，换行符\n等）分割，并返回所有分割得到的字符串。 line = "1 2 3 4 5" numbers = line.split() print numbers => ['1', '2', '3', '4', '5']#s.split(sep)以给定的sep为分隔符对s进行分割 line = "1,2,3,4,5" nu