数据处理主要涉及numpy和matplotlib库的使用，这里列出一些常用的函数帮助记忆理解
numpy
numpy.shape
返回一个元组（Tuple），表示数组在各个维度上的大小。对于二维矩阵，shape[0] 表示行数，shape[1] 表示列数。
import numpy as np
a = np.array([[1,1],[2,2],[3,3],[4,4]])
print(a.shape)numpy.tile
通过重复输入数组 A 来构建一个新数组。参数 reps 决定了在各个轴（维度）上重复的次数。
b = np.tile(a,(2,2))
print(b)numpy.sum(axis=None)
基本作用：对数组中的元素进行求和。
- 如果不指定 axis，则对矩阵内所有元素求和。
- axis=0 表示沿着纵向（按列）进行求和。
- axis=1 表示沿着横向（按行）进行求和。
print(b.sum(1)).argsort()
对数组中的元素进行从小到大的升序排序。它不返回排序后的数值，而是返回这些数值在原数组中的索引（位置下标）。
c = np.array([3,2,4,1])
print(c.argsort())np.zeros(shape, dtype=float, order='C')
用于创建指定形状且所有元素初始化为 0 的数组（矩阵）的函数。
- shape：数组的形状。可以是一个整数（一维数组）或者一个元组（多维数组）。
- dtype：可选参数，指定数组中元素的数据类型。如果不显式指定，默认类型为浮点数 float64。
print(np.zeros((3,2)))matplotlib
FontProperties(fname=..., size=...)
Matplotlib 默认的字体库不支持中文字符，直接显示中文会导致图表出现方块乱码。该类通过 fname 参数直接引入 Windows 系统自带的宋体字体文件动态创建一个字体属性对象。
matplotlib.pyplot.subplots(nrows, ncols, sharex, sharey, figsize)
在图表窗口中划分出一个网格状的常规布局，同时创建画布（Figure）和子图区域（Axes）
- nrows, ncols:网状布局的行列大小，nrows为行，ncols为列
- sharex, sharey：设置各子图是否共享x，y轴的刻度范围
- figsize：制定生成的图形窗口大小尺寸
返回值
- fax：整个画布对象
- axs：子图集合，一般以二维数组形式存在
import matplotlib.pyplot as plt
fig, axs = plt.subplots(nrows=2, ncols=2,sharex=False, sharey=False, figsize=(13,8))
axes[i][j].scatter(x, y, color, s, alpha)
在指定的子图区域上绘制二维散点图 , s为像素面积大小，alpha为透明度
set_title()、set_xlabel()、set_ylabel()
分别是 Axes 对象的专属方法，用于设置当前子图的标题、X 轴名称和 Y 轴名称。方法执行后会返回对应的文本艺术家对象（Text Artist）
plt.setp(obj, kwargs)
setp 即 "set property"（设置属性）。它是 Matplotlib 的一个全局快捷函数，用于配置图形对象（Artist）的各种外在表现
axs[0][0].scatter(x=1,y=1,color="black",s=5,alpha=.5)
plt.show()
Comments NOTHING