第二节 Numpy和Matplotlib的使用

比眉伴天荒 2023-05-29 03:48 16阅读 0赞

## 1.Numpy的使用 ##

在深度学习的实现中，经常出现数组和矩阵的计算。 NumPy的数组类（numpy.array）中提供了很多便捷的方法，在实现深度学习时，我们将使用这些方法。本节我们来简单介绍一下后面会用到的NumPy。  
在这里可以使用Numpy创建多为数组进行矩阵运算：

import numpy as np
    
    x = np.array([1,2,3])
    x.shape # (1, 3) 形状
    
    y = np.array([2,4,6])
    
    x + y # [3, 6, 9]
    x * y # [2, 8, 18]
    y - x # [1, 2, 3]
    y / x # [2, 2, 2]

当然，Numpy不仅可以生成一维数组，而且还可以生成二维数组：

x = np.array([[1,2], [3,4]])
    x.shape # (2, 2)

这里不去过多的讲述numpy的使用方法，具体的教程可以参考：[菜鸟教程][Link 1]

## 2.Matplotlib的使用 ##

在深度学习的实验中，图形的绘制和数据的可视化非常重要。 Matplotlib是用于绘制图形的库，使用Matplotlib可以轻松地绘制图形和实现数据的可视化。这里，我们来介绍一下图形的绘制方法和图像的显示方法。

可以使用 matplotlib的 pyplot模块绘制图形。话不多说，我们来看一个绘制sin函数曲线的例子：

import numpy as np
    import matplotlib.pyplot as plt
    
    '''
    画坐sin和cos图像
    '''
    x = np.arange(0, 6, 0.1)
    print(x)
    y1 = np.sin(x) # sin
    
    y2 = np.cos(x) # cos
    
    plt.plot(x, y1, label="sin") # 默认实线和标签
    plt.plot(x, y2, linestyle = "--", label="cos") # 设置虚线和标签
    plt.xlabel("x") # x轴标志
    plt.ylabel("y") # y轴标志
    plt.title('sin & cos') # 标题
    plt.legend() # 说明
    plt.show() # 显示

运行结果：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3MzM4OTgz_size_16_color_FFFFFF_t_70][]

当然除了绘制一些函数曲线，我吗们也可用matplotlob来导入图片，pyplot 中还提供了用于显示图像的方法 imshow()。另外，可以使用matplotlib.image模块的imread()方法读入图像。下面我们来看一个例子：

import matplotlib.pyplot as plt
    
    from matplotlib.image import imread
    img = imread('timg.png') # 读入图像（设定合适的路径！）
    plt.imshow(img)
    plt.show()

结果：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3MzM4OTgz_size_16_color_FFFFFF_t_70 1][]

更多关于matplotlib的信息，请关注官网：[https://matplotlib.org/][https_matplotlib.org]，或者下载文档学习查阅：

链接：https://pan.baidu.com/s/1YTtYAyyJKghVSrXt1ZPIbw   
提取码：mv8s

[Link 1]: https://www.runoob.com/numpy/numpy-tutorial.html
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3MzM4OTgz_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20191103214452312.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3MzM4OTgz,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3MzM4OTgz_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20191103214938723.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3MzM4OTgz,size_16,color_FFFFFF,t_70
[https_matplotlib.org]: https://matplotlib.org/