1.matlab与python之间的数据传递
1 import scipy.io as sio 2 import numpy as np 3 4 ###下面是讲解python怎么读取.mat文件以及怎么处理得到的结果### 5 load_fn = 'xxx.mat' 6 load_data = sio.loadmat(load_fn) 7 load_matrix = load_data['matrix'] #假设文件中存有字符变量是matrix，例如matlab中save(load_fn, 'matrix');当然可以保存多个save(load_fn, 'matrix_x', 'matrix_y', ...); 8 load_matrix_row = load_matrix[0] #取了当时matlab中matrix的第一行，python中数组行排列 9 10 ###下面是讲解python怎么保存.mat文件供matlab程序使用### 11 save_fn = 'xxx.mat' 12 save_array = np.array([1,2,3,4]) 13 sio.savemat(save_fn, {'array': save_array}) #和上面的一样，存在了array变量的第一行 14 15 save_array_x = np.array([1,2,3,4]) 16 save_array_y = np.array([5,6,7,8]) 17 sio.savemat(save_fn, {'array_x': save_array_x, 'array_x': save_array_x}) #同理，只是
2.python的绘图
1 import matpylib.pyplot as plt 2 3 a=np.arange(0,4,0.01).reshape(400,1) 4 5 figure1=plt.figure() 6 plt.plot(np.linspace(0，400，400)，a,'b-',label='ckc') 7 plt.title("ckc") 8 plt.xlabel("c") 9 plt.ylabel("x") 10 plt.legend() 11 plt.show()
3.python中数组的创建操作
1 1 #数组的初始化 2 2 >>> import numpy as np 3 3 >>> a = np.arange(15).reshape(3, 5) 4 4 >>> a 5 5 array([[ 0, 1, 2, 3, 4], 6 6 [ 5, 6, 7, 8, 9], 7 7 [10, 11, 12, 13, 14]]) 8 8 >>> a.shape 9 9 (3, 5) 10 10 >>> a.ndim 11 11 2 12 12 >>> a.dtype.name 13 13 'int64' 14 14 >>> a.itemsize 15 15 8 16 16 >>> a.size 17 17 15 18 18 >>> type(a) 19 19 <type 'numpy.ndarray'> 20 20 >>> b = np.array([6, 7, 8]) 21 21 >>> b 22 22 array([6, 7, 8]) 23 23 >>> type(b) 24 24 <type 'numpy.ndarray'> 25 25 26 26 27 27 ones：全1 28 28 zeros：全0 29 29 empty：随机数，取决于内存情况 30 30 31 31 >>> np.zeros( (3,4) ) 32 32 array([[ 0., 0., 0., 0.], 33 33 [ 0., 0., 0., 0.], 34 34 [ 0., 0., 0., 0.]]) 35 35 >>> np.ones( (2,3,4), dtype=np.int16 ) # dtype can also be specified 36 36 array([[[ 1, 1, 1, 1], 37 37 [ 1, 1, 1, 1], 38 38 [ 1, 1, 1, 1]], 39 39 [[ 1, 1, 1, 1], 40 40 [ 1, 1, 1, 1], 41 41 [ 1, 1, 1, 1]]], dtype=int16) 42 42 >>> np.empty( (2,3) ) # uninitialized, output may vary 43 43 array([[ 3.73603959e-262, 6.02658058e-154, 6.55490914e-260], 44 44 [ 5.30498948e-313, 3.14673309e-307, 1.00000000e+000]]) 45 45 46 46 #np.arange()的用法 47 47 >>> np.arange( 10, 30, 5 ) 48 48 array([10, 15, 20, 25]) 49 49 >>> np.arange( 0, 2, 0.3 ) # it accepts float arguments 50 50 array([ 0. , 0.3, 0.6, 0.9, 1.2, 1.5, 1.8]) 51 51 52 52 >>> np.linspace( 0, 2, 9 ) # 9 numbers from 0 to 2 53 53 array([ 0. , 0.25, 0.5 , 0.75, 1. , 1.25, 1.5 , 1.75, 2. ]) 54 54 >>> x = np.linspace( 0, 2*pi, 100 )
4.python从malab中获取.mat
1 import scipy.io as sio#io相关模块，进行操作。 2 curcwd=os.getcwd() 3 4 mat_theory='noise_784.mat' 5 data_theory=sio.loadmat(mat_theory) 6 load_matrix=data_theory['noise_784'] 7 8 signal=load_matrix[0]#取第一行 9 signal=np.reshape(signal,(784,1))
5.python生成随机数
1 #rand函数，产生0到1的随机数，参数是shape 2 np.random.rand(3,4) 3 >>生成0到1的随机数，shape为3行四列 4 5 #randn函数，产生生标准正态分布，均值为0，方差为1，参数也是shape 6 np.random.randn 7 #randint函数，产生指定范围的随机整数，前两个参数表示范围，最后一个参数是size=（shape） 8 np.random.randint(0,3,size=(3,4)) 9 10 #numpy.random能产生特定分布的随机数，如normal分布、uniform分布、poisson分布等 11 这些函数中前面几个参数是分布函数的参数，最后一个参数是shape 12 如正态分布normal就是均值和方差，uniform就是上下界，泊松分布就是 13 14 np.random.normal(均值，方差，size=(3,4)) 15 16 np.random.uniform(2,3,size=(3,4))#前两个参数为范围均匀分布 17 18 np.random.pession(2,size=())#泊松分布
6.python文件读取注意事项
1 file=open('abc.tex','w')>>注意'w'写一次，会擦除之前的 2 >>要持续写入'a' 3 file=open("abc.txt".'a') 4 注意文件打开后必须 5 file.close()>>否则写入操作会遇到问题 6 7 ####获取每一行的元素放在数组中 8 file = open('text_c.txt') 9 10 lines = file.readlines() 11 aa=[] 12 for line in lines: 13 temp=line.replace(' ','') #将每一行的换行符去掉。 14 aa.append(temp)