axis | 易学教程

科学计算库Numpy基础操作

阅读更多关于科学计算库Numpy基础操作

pycharm，python3.7，numpy版本1.15.1 2018年9月11日04:23:06 """ 科学计算库Numpy基础操作时间：2018\9\11 0011 """ import numpy print("""\n------以矩阵的方式读取数据------\n ------------genfromtxt函数('文件路径',delimiter = '分隔符',dtype = 读取方式)---------------------""") """ numpy.ndarray可以当做一个矩阵 """ np_test = numpy.genfromtxt('Numpy_test.txt', delimiter = ',', dtype = str) # 通常以str方式读取，如果有float，再进行转换 print(type(np_test)) print(np_test) # print(help(numpy.genfromtxt)) # 打印帮助文档 print("""\n------numpy.array------\n ------------numpy中最核心的结构------------------------------------------""") # 传入list结构，转换为ndarray格式 vector = numpy.array([5, 10,

python中axis=0和axis=1的问题记录

阅读更多关于 python中axis=0和axis=1的问题记录

之前一直搞不清axis = 0 和 axis = 1 之间的区别，一会是按行求和，一会是按列遍历，那到底axis是咋操作的呢？查找了些资料，发现了一种很好的解释就是： 0轴垂直往下，1轴向右水平延伸。啥意思？？尝试一下好了 import numpy as np import pandas as pd tmp = np . random . randint ( 1 , 10 , 12 ) . reshape ( 3 , 4 ) tmp #1到10随机生成12个整数，并重组成3行4列的数组 array ( [ [ 5 , 6 , 4 , 4 ] , [ 2 , 7 , 2 , 9 ] , [ 2 , 4 , 1 , 9 ] ] ) tmp . sum ( axis = 1 ) #这里可以看出来，其实就是把每行加总了，axis = 1时向右水平延伸计算 array ( [ 19 , 20 , 16 ] ) tmp . max ( axis = 1 ) #同样的，axis = 1时，水平方向寻找最大的值 array ( [ 6 , 9 , 9 ] ) np . insert ( tmp , 1 , 0 , axis = 1 ) #同样还是按照水平方向插入值，即第二列插入一个全零的值 array ( [ [ 5 , 0 , 6 , 4 , 4 ] , [ 2 , 0 , 7 , 2 ,

Pandas

阅读更多关于 Pandas

Pandas简介 Pandas 是python的一个数据分析包，pandas是一款数据处理工具，集成了numpy以及matplotlib，拥有便捷的数据处理以及文件读取能力 Pandas 提供了三种数据对象，分别是 Series、 DataFrame 和 Panel。其中， Series 用于保存一维类的数据， DataFrame 用于保存二维类的数据， Panel 用于保存三维类或者可变维度的数据。在通常的数据分析中，我们经常使用 Series 和 DataFrame 这两种类型的数据，所以这两种类型要重点介绍。数据结构 Series：一维数组，与Numpy中的一维array类似。二者与Python基本的数据结构List也很相近，其区别是：List中的元素可以是不同的数据类型，而Array和Series中则只允许存储相同的数据类型，这样可以更有效的使用内存，提高运算效率。 Time- Series：以时间为索引的Series。 DataFrame：DataFrame是⼀个二维的表格型数据结构，它含有⼀组有序的列，每列可以是不同的值类型（数值、字符串、布尔值等）。DataFrame既有⾏索引也有列索引，它可以被看做由Series组成的字典（共⽤同⼀个索引）。DataFrame中的数据是以⼀个或多个⼆维块存放的（⽽不是列表、字典或别的⼀维数据结构）。 Panel

Highcharts time X axis

阅读更多关于 Highcharts time X axis

问题 I would like to ask if somebody knows how to set X axis in Highcharts to time. My aplication is taking data from database and the frequency of the samples is 250ms. I want the X axis not to show counted values but something like time. I render 2500 values at once so that means 10 secs. The best would be to have on X axis and a mark there every 0.5 sec that means every 125 samples a mark. Like (0 samples = 0 sec);(125 samples = 0,5 sec);(500 samples = 1 sec);(725 samples = 1.5 sec) Thank you

基于D3.js 绘制一个折柱混合图

阅读更多关于基于D3.js 绘制一个折柱混合图

测试题目：使用 D3 绘制一个折柱混合图，示例数据如下： data = [ 　　["时间", "销售额", "增长率(%)"], 　　["一月", 27506, 20.8],　　　　["二月", 24399, 5.4], 　　["三月", 23120, 22], 　　["四月", 22053, 0.4], 　　["五月", 21221, 3.1], 　　["六月", 22848, 8.6], 　　["七月", 20178, 28.7], 　　["八月", 16927, 5.5], 　　["九月", 19808, 13.5], 　　["十月", 22450, 3.7] ]; 绘制要求：　　（1）需要建立完整的坐标系及网格线；　　（2）第二列为柱图数据，第三列为折线图数据；　　（3）将柱图数值文本标识在柱形上方。 HTML代码： 1 <html> 2 <head> 3 4 <title> 柱形折线图</title> 5 <style> 6 7 8 .axis path, 9 .axis line{ 10 fill:none; 11 stroke:black; 12 shape-rendering:crispEdges; 13 } 14 .axis text { 15 font-family:sans-serif; 16 font-size :11px; 17 } 18

pandas api总结

阅读更多关于 pandas api总结

基础部分：创建，简单提取，简单分析 1.创建表格 import pandas as pd import numpy as np import matplotlib . pyplot as plt s = pd . Series ( [ 1 , 3 , 5 , np . nan , 6 , 8 ] ) #创建series数组,默认创建整数索引 dates = pd . date_range ( '20140201' , periods = 6 ) #创建时间索引，开始为2014 02 01 ,持续6次 data = pd . DataFrame ( np . random . rand ( 6 , 4 ) , index = dates , columns = list ( 'ABCD' ) ) #创建DataFrame 注：最终表格格式 2.按要求提取表格信息 type = data . dtypes #返回每行的格式 head3 = data . head ( 3 ) #打印前三行、 tail5 = data . tail ( 5 ) #打印后5行 index = data . index #返回行名称‘ columns = data . columns #返回列名称 valuse = data . values #返回所有数据 3 对数据进行排序及转置处理 dataT =

NVD3.js multichart with fixed x- and y-axis

阅读更多关于 NVD3.js multichart with fixed x- and y-axis

问题 I´m using a NVD3.js multichart to display various data. Is it possible set a fixed range for the x- and y-axis. I´ve made a Plunker example: http://plnkr.co/edit/OLN87eIE21tImHktYIH6?p=preview var chart = nv.models.multiChart() .margin({top: 30, right: 60, bottom: 50, left: 70}) .color(d3.scale.category10().range()); chart.xAxis.tickFormat(function(d) { return d3.time.format('%H:%m')(new Date(d)); }); chart.yAxis1.tickFormat(d3.format(',.1f')); chart.yAxis2.tickFormat(d3.format(',.1f')); d3

NVD3.js multichart with fixed x- and y-axis

阅读更多关于 NVD3.js multichart with fixed x- and y-axis

计算机视觉——图像处理基础

阅读更多关于计算机视觉——图像处理基础

目录 1. PIL-Python图像库 1.1 图像灰度处理代码实现运行结果 1.2 调整尺寸及旋转代码实现运行结果 2. Matplotlib库 2.1 画图、描点和线代码实现运行结果 2.2 图像轮廓和直方图代码实现运行结果 3. NumPy库 3.1 灰度变换代码实现运行结果 3.2 直方图均衡化代码实现运行结果 4. SciPy模块 4.1 高斯模糊代码实现运行结果 1. PIL-Python图像库 1.1 图像灰度处理代码实现 # -*- coding: utf-8 -*- from PIL import Image from pylab import * # 添加中文字体支持 from matplotlib.font_manager import FontProperties font = FontProperties(fname=r"c:\windows\fonts\SimSun.ttc", size=14) figure() pil_im = Image.open('D:\\python\pcv_data\data\empire.jpg') gray() subplot(121) title(u'原图',fontproperties=font) axis('off') imshow(pil_im) pil_im = Image.open

python — 图像处理基础

阅读更多关于 python — 图像处理基础

文章目录一、图像轮廓与直方图 1. 图像轮廓 2. 直方图 3. 代码实现二、高斯滤波 1. 高斯滤波 2. 代码实现三、直方图均衡化 1.直方图均衡化 2. 代码实现四、图像差分五、图像模糊总结：环境：anaconda3，spyder。一、图像轮廓与直方图 1. 图像轮廓绘制图像的轮廓在工作中十分有用。因为绘制轮廓需要对每个坐标的像素值施加一个阈值，所以首先需要将图像灰度化。 2. 直方图用来表征该图像像素值得分布情况。用一定的小区间来指定表征像素值的范围，每个小区间会得到落入该小区间表示范围的像素数目。 hist()函数只接受一维数组作为输入，因此在绘制图像直方图前，必须对图像进行压平处理。 3. 代码实现实验结果：代码： # -*- coding: utf-8 -*- from PIL import Image from pylab import * # 添加中文字体支持 from matplotlib.font_manager import FontProperties font = FontProperties(fname=r"c:\windows\fonts\SimSun.ttc", size=14) im = array(Image.open('c:\house.jpg').convert('L')) # 打开图像，并转成灰度图像 figure

订阅 axis