import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams['font.sans-serif'] = 'SimHei'
matplotlib 使用里面的函数读取图片，输出图片对应的数组
# matplotlib 使用里面的函数读取图片，输出图片对应的数组
chicken=plt.imread('1.png')
print(chicken)
print("-"*50)
'''
输出结果
[[[0. 0. 0. 1.]
[0. 0. 0. 1.]
[0. 0. 0. 1.]
...
...
[0. 0. 0. 1.]
[0. 0. 0. 1.]
[0. 0. 0. 1.]]]
'''
# 使用numpy创建数据类型为ndarray的数据结构
l=[1,4,5,6]
n=np.array(l)
print(n,type(n))
print("-"*50)
'''
输出结果：
[1 4 5 6] <class 'numpy.ndarray'>
'''
使用numpy创建一个元素全为1的多维数组
data=np.ones(shape=(3,4),dtype=np.int16)
print(data)
print("-"*50)
'''
输出结果：
[[1 1 1 1]
[1 1 1 1]
[1 1 1 1]]
'''
使用numpy里面的linspace创建一个等差数列
n1=np.linspace(0,100,num=51,dtype=np.int16)
print(n1)
print("-"*50)
'''
输出结果为：
[ 0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34
36 38 40 42 44 46 48 50 52 54 56 58 60 62 64 66 68 70
72 74 76 78 80 82 84 86 88 90 92 94 96 98 100]
'''
使用numpy库对数组进行正则化(计算部分)
n3=np.random.randint(0,100,size=(5,5))
min1=np.min(n3)
max1=np.max(n3)
print((n3 - min1) / (max1 - min1))
print("-"*50)
'''
输出结果：
[[0.57894737 0.46315789 0.26315789 0. 0.56842105]
[0.77894737 0.62105263 0.09473684 0.91578947 0.28421053]
[0.63157895 0.66315789 0.44210526 0.50526316 0.11578947]
[0.87368421 0.57894737 0.46315789 0.85263158 0.85263158]
[0.67368421 0.85263158 0.71578947 0.21052632 1. ]]
'''
创建一个5*3的随机矩阵和一个3*2的随机矩阵，求出矩阵的积
data_1=np.random.randint(0,100,size=(5,3))
data_2=np.random.randint(0,100,size=(3,2))
print(np.dot(data_1,data_2))
print("-"*50)
'''
输出结果：
[[ 5825 4288]
[ 8133 3413]
[ 7361 5406]
[12047 5702]
[13250 5446]]
'''
# pandas 数据的分组聚合
# 使用字典的形式创建一个DataFrame数据结构
ddd=pd.DataFrame(
data={
"item": ["萝卜","白菜","辣椒","冬瓜","萝卜","白菜","辣椒","冬瓜"],
'color':["白","青","红","白","青","红","白","青"],
'weight': [10,20,10,10,30,40,50,60],
'price': [0.99, 1.99, 2.99, 3.99, 4, 5, 6,7]
})
# 对ddd进行聚合操作，求出颜色为白色的价格的总和
result=ddd.groupby('color')[['price']].sum().loc[['白']]
print(result)
'''
输出结果：
price
color
白 10.98
'''
# 使用matplotlib进行绘制图像
# normal 用于生成一个符合正太分布的随机函数
# loc:均值，scale：标准差，size：生成数据的数量
data=np.random.normal(size=(500, 4))
lables = ['A','B','C','D']
# 画图
plt.boxplot(data,
notch=True, # 箱型图样式
sym='go', # 颜色+marker样式
labels=lables # x轴标签
)
plt.show()
使用Scippy求解线性代数函数的一个简单的线性方程组
# 定义系数矩阵和常数向量
A = np.array([[1, 2], [3, 4]])
b = np.array([5, 6])
# 求解线性方程组
x = solve(A, b)
print(x)
print("-"*50)
'''
输出结果：[-4. 4.5]
'''
# 使用Matplotlib进行图像处理
img=plt.imread('1.png')
plt.imshow(img[::-1]) # 实现图片的垂直翻转翻转
# plt.imshow([:,::-1]) # 实现图片的水平翻转
plt.savefig("1_.png") # 然后保存为其他图片