update numpy

Author: vanishh

numpy&pandas/matplotlib.py

@@ -0,0 +1,71 @@
+# -*- coding: utf-8 -*-
+"""
+Created on Sat May 19 15:39:56 2018
+
+@author: Administrator
+"""
+# 将包导入到脚本中
+import numpy as np
+# pyplot() 是matplotlib库中最重要的函数
+from matplotlib import pyplot as plt
+
+x = np.arange(1,11)
+y = 2 * x + 5
+
+plt.title("matplotlib demo")
+plt.xlabel("x axis")
+plt.ylabel("y axis")
+plt.plot(x,y, "xb") # 函数绘制
+plt.show()    # 图像显示
+
+# 生成正弦波
+# 将包导入到脚本中
+import numpy as np
+# pyplot() 是matplotlib库中最重要的函数
+from matplotlib import pyplot as plt
+x = np.arange(0, 3 * np.pi, 0.1)
+y = np.sin(x)
+plt.title("sinx")
+plt.plot(x,y)
+plt.show()
+
+# subplot 在一图中显示两部分
+import numpy as np 
+import matplotlib.pyplot as plt 
+# 计算正弦和余弦曲线上的点的 x 和 y 坐标 
+x = np.arange(0,  3  * np.pi,  0.1) 
+y_sin = np.sin(x) 
+y_cos = np.cos(x)  
+# 建立 subplot 网格，高为 2，宽为 1  
+# 激活第一个 subplot
+plt.subplot(2,  1,  1)  
+# 绘制第一个图像 
+plt.plot(x, y_sin) 
+plt.title('Sine')  
+# 将第二个 subplot 激活，并绘制第二个图像
+plt.subplot(2,  1,  2) 
+plt.plot(x, y_cos) 
+plt.title('Cosine')  
+# 展示图像
+plt.show()
+
+# plt.bar() 显示柱状图
+from matplotlib import pyplot as plt 
+x =  [5,8,10] 
+y =  [12,16,6] 
+x2 =  [6,9,11] 
+y2 =  [6,15,7] 
+plt.bar(x, y, align =  'center') 
+plt.bar(x2, y2, color =  'g', align =  'center') 
+plt.title('Bar graph') 
+plt.ylabel('Y axis') 
+plt.xlabel('X axis') 
+plt.show()
+
+# 小结
+# 1.引入matplotlib包 from matplotlib import pyplot as plt
+# 2. plt.plot(x,y) 绘制曲线图
+# 3. plt.bar(x,y) 绘制柱状图
+# 4. plt.title("xx")
+# 5. plt.xlabel("x axis")
+# 6. plt.show() 图像显示

numpy/numpy.py renamed to numpy&pandas/numpy.py

@@ -37,4 +37,7 @@
 # np.vdot : 返回两个向量的点积
 print("向量点积：", np.vdot(a,b))
 # np.inner ：返回一维数组的向量内积
-print("向量内积：", np.inner(np.array([1,2,3]), np.array([0,1,0])))
+print("向量内积：", np.inner(np.array([1,2,3]), np.array([0,1,0])))
+
+# numpy.linalg.solve()函数给出矩阵形式线性方程组的解
+# numpy.linlg.inv() 计算矩阵的逆

numpy/numpy02.py renamed to numpy&pandas/numpy02.py

@@ -24,3 +24,17 @@
 print(model.predict(data_x[:4,:]))
 print(data_y[:4])
 
+# 使用KNN进行实例操作
+from sklearn import neighbors
+from sklearn import datasets
+# 加载数据
+iris = datasets.load_iris()
+print(iris)
+# 创建KNN模型
+knn = neighbors.KNeighborsClassifier()
+# fit
+knn.fit(iris.data, iris.target)
+# 预测
+predictedLabel = knn.predict([[0.1,0.2,0.3,0.4]])
+print(predictedLabel)
+#