python的学习笔记11
16、副本与视图
16.1简单赋值
它不会创建数组对象的副本，同时可以通过id()函数去访问，将一个数组的变化都反应在另一个数组上。如：
16.2视图或浅拷贝
ndarray.view() 方会创建一个新的数组对象，该方法创建的新数组的维数变化不会改变原始数据的维数。
但是使用切片创建视图，在对视图进行修改时会影响到原始数组
此时变量a、b都是arr的一部分视图，对视图的修改会直接反映到原数据中。但a,b 的id，是不同的，以此视图虽然指向原数据，但和赋值引用还是有区别的。
16.3副本或深拷贝
ndarray.copy() 函数创建一个副本。 对副本数据进行修改，不会影响到原始数据，它们物理内存不在同一位置。
16.4小结
对于赋值来说，它实际上是对象的引用，在进行赋值时，并没有拷贝这个对象，只是拷贝这个对象的引用，所以赋值的对象进行修改之后，原始数组也会改变。
视图是数据的一个别称或引用，通过该别称或引用亦便可访问、操作原有数据，但原有数据不会产生拷贝。如果我们对视图进行修改，它会影响到原始数据，物理内存在同一位置。
副本是一个数据的完整的拷贝，如果我们对副本进行修改，它不会影响到原始数据，物理内存不在同一位置。副本一般发生在：Python 序列的切片操作，调用deepCopy()函数。调用 ndarray 的 copy() 函数产生一个副本。
17、numpy IO
17.1小简介
NumPy IO 操作是以文件的形式从磁盘中加载 ndarray 对象。在这个过程中，NumPy 可以两种文件类型处理 ndarray 对象，一类是二进制文件（以.npy结尾），另一类是普通文本文件。
上述两种文件格式，分别对应着不同的 IO 方法，如下所示：
文件类型 处理方法
二进制文件 load() 和 save()
普通文本文件 loadtxt() 和 savetxt()
NumPy 给 ndarray 对象引入了一种.npy文件格式，通过它来件实现对 ndarray 对象的保存。npy 文件用于存储重建 ndarray 所需的数据、图形、dtype 和其他信息
17.2 numpy.save（）
numpy.save(file, arr, allow_pickle=True, fix_imports=True)
参数 说明
file 要保存的文件，扩展名为 .npy，如果文件路径末尾没有扩展名 .npy，该扩展名会被自动加上。
arr 要保存的数组
allow_pickle 可选，布尔值，允许使用 Python pickles 保存对象数组，Python 中的 pickle 用于在保存到磁盘文件或从磁盘文件读取之前，对对象进行序列化和反序列化。
fix_imports 可选，为了方便 Pyhton2 中读取 Python3 保存的数据。
输出结果为[1,2,3,4,5]
17.3 ny.savez（）
numpy.savez() 函数将多个数组保存到以 npz 为扩展名的文件中。函数为：numpy.savez(file, *args, **kwds)
参数 说明
file 要保存的文件扩展名为.npz，如果文件路径末尾没有扩展名.npz该扩展名会被自动加上。
args 要保存的数组，可以使用关键字参数为数组起一个名字，非关键字参数传递的数组会自动起名为 arr_0, arr_1,
kwds 要保存的数组使用关键字名称。
输出结果：
17.4 savetxt（）
savetxt() 函数是以简单的文本文件格式存储数据，对应的使用 loadtxt() 函数来获取数据。
np.loadtxt(FILENAME, dtype=int, delimiter=' ')
np.savetxt(FILENAME, a, fmt="%d", delimiter=",")
参数 delimiter 可以指定各种分隔符、针对特定列的转换器函数、需要跳过的行数等。
18、numpy Matplotlib
18.1简介
Matplotlib 是 Python 的绘图库。它可与 NumPy 一起使用，提供了一种有效的 MatLab 开源替代方案。它也可以和图形工具包一起使用，如 PyQt 和 wxPython。
plt.plot()函数用于绘图，plt.plot(x, y, format_string, **kwargs)
参数 说明
x X轴数据，列表或数组，可选
y Y轴数据，列表或数组
format_string 控制曲线的格式字符串，可选
**kwargs 第二组或更多(x,y,format_string)，可画多条曲线
format_string 由颜色字符、风格字符、标记字符组成，相应的字符都能搜到，这里就不记了
此外还有：
color : 控制颜色, 如color=‘green’；linestyle : 线条风格, 如linestyle=‘dashed’
marker : 标记风格, 如marker=‘o’（实心圈标记）；markersize: 标记尺寸, 如markersize=20
markerfacecolor: 标记颜色, 如markerfacecolor=‘blue’；
18.2绘制简单图像
18.2.1绘制线性函数图像
将x,y的数据传给plt.plot，然后绘制图形，最后通过plt.show()显示图像。
如果想要以圆点的样式，来代替图 1 中的线条样式，那么可以使用“ ob”作为 plot() 的格式化字符
18.2.2绘制正余弦图像
18.2.3将两个图像绘制在一个表中
此外还可以直接在一个plt.plot（）中把两个图像都写进去
18.3 绘制图表
18.3.1绘制柱状图
bar()：pyplot 子模块中提供了 bar() 函数来生成柱状图
18.3.2直方图
Matplotlib 可以将直方图的数字表示转换为图形。 pyplot 子模块的 plt() 函数将包含数据和 bin 数组的数组作为参数，并转换为直方图。
18.3.3散点图
plt.scatter()函数，用于生成一个散点图，函数的语句中包含以下参数，其中x,y是必须的，其他是可选的
18.3.4饼图
（1）
（2）给饼图加标签
labels=languages为每个扇形打上标签；
autopct='%1.1f%%'为每个扇形标上占比；
通过设置参数counterclock为 False，使得方向改为顺时针方向；
通过设置参数startangle为 90，将最大扇形放在 12 点钟方向；
这里有个问题就是饼图的标题出现乱码，一个解决方法就是增加语句plt.rcParams['font.sans-serif']=['Simhei']
18.4图例
plt.legend()函数
图例函数，包含以下的一些参数：
（1）设置图例的位置：plt.legend(loc=' ')；
（2）设置图例字体大小fontsize : int or float or {‘xx-small’, ‘x-small’, ‘small’, ‘medium’, ‘large’, ‘x-large’；
（3）设置图例的边框及背景：
plt.legend(loc='best',frameon=False) #去掉图例边框
plt.legend(loc='best',edgecolor='blue') #设置图例边框颜色
plt.legend(loc='best',facecolor='blue') #设置图例背景颜色,若无边框,参数无效
（4）设置图例的标题
legend = plt.legend(["BJ", "SH"], title='Beijing VS Shanghai') #中括号里的是各个图像的名称
plt.plot(["BJ", "SH"],loc='upper left',title='Beijing VS Shanghai')
运行结果为：
18.5 subplot()函数
在图一个图中绘制不同的图线
