python科学计算与可视化
一、Numpy 库
NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
引用：
import numpy as np
Numpy查看数组属性:
数组元素个数:
b.size
数组形状:
b.shape
数组维度:
b.ndim
数组元素类型:
b.dtype
快速创建N维数组的api函数:
(1)创建10行10列的数值为浮点1的矩阵:
array_one = np.ones([10, 10]
(2)创建10行10列的数值为浮点0的矩阵：
array_zero = np.zeros([10, 10])
Numpy创建随机数组np.random
均匀分布
np.random.rand(10, 10)创建指定形状(示例为10行10列)的数组(范围在0至1之间)
np.random.uniform(0, 100)创建指定范围内的一个数
np.random.randint(0, 100)创建指定范围内的一个整数
正态分布
给定均值/标准差/维度的正态分布np.random.normal(1.75, 0.1, (2, 3)
NumPy 创建数组
ndarray 数组除了可以使用底层 ndarray 构造器来创建外，也可以通过以下几种方式来创建。
numpy.empty
numpy.empty 方法用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组：
numpy.empty(shape,dtype=float,order='C')
参数说明：
numpy.zeros
创建指定大小的数组，数组元素以 0 来填充：
numpy.zeros(shape,dtype=float,order='C')
参数说明：
numpy.ones
创建指定形状的数组，数组元素以 1 来填充：
numpy.ones(shape,dtype=None,order='C')
NumPy 从已有的数组创建数组
numpy.asarray
numpy.asarray 类似 numpy.array，但 numpy.asarray 只有三个，比 numpy.array 少两个。
numpy.asarray(a,dtype=None,order=None)
参数说明：
numpy.frombuffer
numpy.frombuffer 用于实现动态数组。
numpy.frombuffer 接受 buffer 输入参数，以流的形式读入转化成 ndarray 对象。
numpy.frombuffer(buffer,dtype=float,count=-1,offset=0)
注意：buffer 是字符串的时候，Python3 默认 str 是 Unicode 类型，所以要转成 bytestring 在原 str 前加上 b。
参数说明：参数描述buffer可以是任意对象，会以流的形式读入。dtype返回数组的数据类型，可选count读取的数据数量，默认为-1，读取所有数据。offset读取的起始位置，默认为0。
numpy.fromiter
numpy.fromiter 方法从可迭代对象中建立 ndarray 对象，返回一维数组。
numpy.fromiter(iterable,dtype,count=-1
参数描述iterable可迭代对象dtype返回数组的数据类型count读取的数据数量，默认为-1，读取所有数据
二、matplotlib库
matplotlib是python上的一个2D绘图库，它可以在夸平台上边出很多高质量的图像。综旨就是让简单的事变得更简单，让复杂的事变得可能。我们可以用matplotlib生成 绘图、直方图、功率谱、柱状图、误差图、散点图等 。
引用：
importmatplotlib.pyplot as plt
散点图
plt.scatter(X, Y, s=75, c=T, alpha=.5)
其中X,Y分别为横纵坐标；s为点的大小（optional）；c为颜色设置（optional）；alpha为透明度设置（optional），是一个小于等于1的值
柱状图
等高图：
matplotlib绘制3D图：