Stwórz macierze dla każdego z typu danych. Umieść w nich swoje dane.
plec=np.array(['K', 'K', 'M', 'M', 'M', 'K', 'K', 'M', 'M', 'M'])
wynik1=np.array([39, 90, 89, 47, 47, 21, 70, 62, 66, 138])
wynik2=np.array([192, 199, 178, 197, 144, 146, 161, 199, 138, 138]) wyksztalcenie=np.array([1,3,4,2,1,1,2,3,1,1])
zamieszkanie=np.array([2,2,1,1,3,3,2,4,4,2])
**********************
Jaki jest średni wynik testu 1? Jakie jest odchylenie standardowe?
Średni wynik testu 1 to 66,9.
import numpy as np
wynik1=np.array([39, 90, 89, 47, 47, 21, 70, 62, 66, 138])
srednia1=np.mean(wynik1)
print srednia1
********************
Jaki jest średni wynik testu 2 badanych mężczyzn?
Średni wynik testu to 165,7.
import numpy as np
wynik2=np.array([192, 199, 178, 197, 144, 146, 161, 199, 138, 138])
plec=np.array(['K', 'K', 'M', 'M', 'M', 'K', 'K', 'M', 'M', 'M'])
wynik_m=[]
for i in range(len(plec)):
if plec[i]=='M':
wynik_m.append(wynik2[i])
srednia=np.mean(wynik_m)
print srednia
********************
Jakiego jaki jest najmniejszy i największy wynik testu 1?
Najmniejszy wynik to 21, największy 138.
import numpy as np
wynik1=np.array([39, 90, 89, 47, 47, 21, 70, 62, 66, 138])
min=np.amin(wynik1)
max=np.amax(wynik1)
print min
print max
********************
Czy są różnice statystyczne pomiędzy kolejnymi testami?
Nie istnieją różnice statystyczne pomiędzy testami. (p>0,05).
import numpy as np
wynik1=np.array([39, 90, 89, 47, 47, 21, 70, 62, 66, 138])
wynik2=np.array([192, 199, 178, 197, 144, 146, 161, 199, 138, 138])
korelacja=np.corrcoef(wynik1, wynik2)
print korelacja
******************
Czy istnieje korelacja pomiędzy wykształceniem a wielkością miejsca zamieszkania?
Nie istnieje korelacja pomiędzy wykształceniem, a wielkością miejsca zamieszkania. (p>0,05)
import numpy as np
import scipy.stats as st
wyksztalcenie=np.array([1,3,4,2,1,1,2,3,1,1])
zamieszkanie=np.array([2,2,1,1,3,3,2,4,4,2])
korelacja=st.spearmanr(wyksztalcenie, zamieszkanie)
print korelacja
********************
Na odpowiednim wykresie zaprezentuj zależność wyniku 1 testu od wyniku testu 2.
import matplotlib.pyplot as plt
import numpy as np
wynik1=np.array([39, 90, 89, 47, 47, 21, 70, 62, 66, 138])
wynik2=np.array([192, 199, 178, 197, 144, 146, 161, 199, 138, 138])
osoba=np.arange(wynik1.size)
plt.bar(osoba, wynik1, color='g', label='Wyniki testu 1', width=0.25)
plt.bar(osoba+0.25, wynik2, color='b', label='Wynik testu 2', width=0.25)
plt.legend()
plt.xlabel('Badany')
plt.ylabel('Wynik')
plt.show()
*******************
Na odpowiednim wykresie zaprezentuj średni wynik kobiet i mężczyzn w pierwszym teście.
import matplotlib.pyplot as plt
plec=np.array(['K', 'K', 'M', 'M', 'M', 'K', 'K', 'M', 'M', 'M'])
wynik1=np.array([39, 90, 89, 47, 47, 21, 70, 62, 66, 138])
wynik_m=[]
wynik_k=[]
for i in range(len(plec)):
if plec[i]=='M':
wynik_m.append(wynik1[i])
else:
wynik_k.append(wynik1[i])
srednia_k=np.mean(wynik_k)
srednia_m=np.mean(wynik_m)
podpis=['kobieta', 'mezczyzna']
punkty=[1,2]
srednie=[srednia_k, srednia_m]
plt.bar(punkty, srednie, color='g')
plt.xticks=([1,2], podpis)
plt.show()
poniedziałek, 23 stycznia 2017
zadania matplotlib
#3. Stwórz wykres z udostępnionych danych ilościowych.
#Umieść dane na jednym wykresie. Jaki wykres należy zastosować?
#dane ilościowe
#Wynik, uzyskany, w, pierwszym, teście:
#[4, 3, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 2, 1, 1, 2, 1, 2, 1, 3, 3, 0, 4, 1, 1, 2, 4, 2, 1, 3, 2, 2, 1, 3, 2, 3, 0, 2, 0]
#Wynik, uzyskany, w, teście, po szkoleniu:
#[3, 1, 1, 4, 3, 2, 4, 2, 4, 4, 4, 3, 4, 1, 3, 4, 0, 1, 0, 2, 3, 2, 4, 3, 2, 3, 1, 2, 2, 1, 1, 0, 3, 2, 4, 1, 0, 0, 1, 2]
przed=np. array ([4, 3, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 2, 1, 1, 2, 1, 2, 1, 3, 3, 0, 4, 1, 1, 2, 4, 2, 1, 3, 2, 2, 1, 3, 2, 3, 0, 2, 0])
po=np. array ([3, 1, 1, 4, 3, 2, 4, 2, 4, 4, 4, 3, 4, 1, 3, 4, 0, 1, 0, 2, 3, 2, 4, 3, 2, 3, 1, 2, 2, 1, 1, 0, 3, 2, 4, 1, 0, 0, 1, 2])
sredniaprzed=np.array(np.average(przed))
sredniapo=np.array(np.average(po))
osoby =np.arange ( przed.size )
srednie = np.arange (sredniaprzed.size)
plt.subplot(211)
plt.bar ( osoby, przed , label ='Wynik przed kursem' , color ='r',width = 0.35)
plt.bar ( osoby+0.35, po , label ='Wynik po kursie' , color ='y',width = 0.35)
plt.legend ()
plt.subplot (212)
plt.bar ( srednie, sredniaprzed , label ='Średni wynik przed kursem' , color ='r',width = 0.35)
plt.bar ( srednie+0.35, sredniapo , label ='Średni wynik po kursie' , color ='y',width = 0.35)
plt.legend ()
plt.show ()
**************************
#4. Stwórz wykres z udostępnionych danych ilościowych.
#Umieść dane na dwóch wykresach na jednym rysunku
#(subplot).
#Wynik, uzyskany, w, pierwszym, teście:
#[4, 3, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 2, 1, 1, 2, 1, 2, 1, 3, 3, 0, 4, 1, 1, 2, 4, 2, 1, 3, 2, 2, 1, 3, 2, 3, 0, 2, 0]
#Wynik, uzyskany, w, teście, po szkoleniu:
#[3, 1, 1, 4, 3, 2, 4, 2, 4, 4, 4, 3, 4, 1, 3, 4, 0, 1, 0, 2, 3, 2, 4, 3, 2, 3, 1, 2, 2, 1, 1, 0, 3, 2, 4, 1, 0, 0, 1, 2]
przed=np. array ([4, 3, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 2, 1, 1, 2, 1, 2, 1, 3, 3, 0, 4, 1, 1, 2, 4, 2, 1, 3, 2, 2, 1, 3, 2, 3, 0, 2, 0])
po=np. array ([3, 1, 1, 4, 3, 2, 4, 2, 4, 4, 4, 3, 4, 1, 3, 4, 0, 1, 0, 2, 3, 2, 4, 3, 2, 3, 1, 2, 2, 1, 1, 0, 3, 2, 4, 1, 0, 0, 1, 2])
sredniaprzed=np.array(np.average(przed))
sredniapo=np.array(np.average(po))
osoby =np.arange ( przed.size )
srednie = np.arange (sredniaprzed.size)
plt.subplot(211)
plt.bar ( osoby, przed , label ='Wynik przed kursem' , color ='r',width = 0.90)
plt.legend ()
plt.subplot (212)
plt.bar ( osoby+0.35, po , label ='Wynik po kursie' , color ='y',width = 0.90)
plt.legend ()
plt.show ()
**************************
#5. Stwórz 5 dowolnych wykresów na jednym rysunku.
#Każdemu przypisz inny kolor.
przed=np.array ([4, 3, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 2, 1, 1, 2, 1, 2, 1, 3, 3, 0, 4, 1, 1, 2, 4, 2, 1, 3, 2, 2, 1, 3, 2, 3, 0, 2, 0])
po=np.array ([3, 1, 1, 4, 3, 2, 4, 2, 4, 4, 4, 3, 4, 1, 3, 4, 0, 1, 0, 2, 3, 2, 4, 3, 2, 3, 1, 2, 2, 1, 1, 0, 3, 2, 4, 1, 0, 0, 1, 2])
sredniaprzed=np.array(np.average(przed))
sredniapo=np.array(np.average(po))
dolar=np.array([3.904, 3.882, 3.8516, 3.8588, 3.8542, 3.8706, 3.8482, 3.825, 3.8297, 3.8219, 3.7929, 3.8075, 3.7826, 3.7905, 3.809, 3.8061, 3.8174, 3.819, 3.8328, 3.8789, 3.8858, 3.9082, 3.9116, 3.9164, 3.8937, 3.8869, 3.8515, 3.8255, 3.8385, 3.8668, 3.8734, 3.8716, 3.8587])
osoby =np.arange ( przed.size )
srednie = np.arange (sredniaprzed.size)
#plot1
plt.subplot(231)
plt.bar ( osoby, przed , label ='Wynik przed kursem' , color ='r',width = 0.90)
plt.axis ([-1,len(przed),0, 5.5])
plt.legend ()
#plot2
plt.subplot (232)
plt.bar ( osoby+0.35, po , label ='Wynik po kursie' , color ='y',width = 0.90)
plt.axis ([-1,len(po),0, 5.5])
plt.legend ()
#plot3
plt.subplot(233)
plt.bar ( srednie+0.35, sredniaprzed , label ='Średnia \nprzed kursem' , color ='g',width = 0.35)
plt.axis ([0,1,0,9])
plt.legend ()
#plot4
plt.subplot (234)
plt.bar ( srednie+0.35, sredniapo , label ='Średnia po kursie' , color ='b',width = 0.35)
plt.axis ([0,1,0,9])
plt.legend ()
#plot4
plt.subplot (236)
plt.plot (dolar, label='Cena dolara')
plt.xlabel ("Dzień")
plt.ylabel ("Cena dolara")
plt.axis ([-1,len(dolar),3.5, 4.5])
plt.legend ()
plt.show ()
************************
#8. Stwórz wykres prezentujący sinusoidę.
x=np.arange(0.0, 2.0, 0.01)
y1=np.sin(2.0*np.pi*x)
y2=np.sin(2.0*np.pi*x-(np.pi/4))
plt.plot(x,y1)
plt.plot(x,y2)
plt.show()
**********************
#9. Na górnym wykresie stwórz wykres prezentujący
#sinusoidę. Na dolnym tą samą sinusoidę ale z
#dwukrotnie większą amplitudą.
x=np.arange(0.0, 2.0, 0.01)
#niepoprawne - zwiększenie częstotliwości
y1=np.sin(2.0*np.pi*x)
y2=np.sin(4.0*np.pi*x)
#poprawne - zwiększenie aplitudy
y3=np.sin(2.0*np.pi*x)
y4=2*(np.sin(2.0*np.pi*x))
#dwa niepoprawne wykresy - pierwsze rozwiązanie
plt.subplot (221)
plt.plot(x,y1)
plt.subplot (222)
plt.plot(x,y2)
#dwa poprawne wykresy - nowe rozwiązanie
plt.subplot (223)
plt.plot(x,y3)
plt.subplot (224)
plt.plot(x,y4)
plt.show()
***************************
#10. Stwórz wykres z kursem jednej z walut walut. Na
#tym rysunku dołącz wykres pokazujący średnią wartość
#waluty.
dolar=np.array([3.904, 3.882, 3.8516, 3.8588, 3.8542, 3.8706, 3.8482, 3.825, 3.8297, 3.8219, 3.7929, 3.8075, 3.7826, 3.7905, 3.809, 3.8061, 3.8174, 3.819, 3.8328, 3.8789, 3.8858, 3.9082, 3.9116, 3.9164, 3.8937, 3.8869, 3.8515, 3.8255, 3.8385, 3.8668, 3.8734, 3.8716, 3.8587])
aver=np.average(dolar)
srednia=[]
for i in range (0,len(dolar)):
srednia.append(float(aver))
plt.plot(srednia , label='kurs średni')
plt.plot(dolar, label='kurs dzienny')
plt.legend()
plt.show ()
***************************
#11. Stwórz plik graficzny, w którym będzie kilka rożnych
#(dowolnych) wykresów: łącznie 12 wykresów w 3
#wierszach i 4 kolumnach.
przed=np.array ([4, 3, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 2, 1, 1, 2, 1, 2, 1, 3, 3, 0, 4, 1, 1, 2, 4, 2, 1, 3, 2, 2, 1, 3, 2, 3, 0, 2, 0])
po=np.array ([3, 1, 1, 4, 3, 2, 4, 2, 4, 4, 4, 3, 4, 1, 3, 4, 0, 1, 0, 2, 3, 2, 4, 3, 2, 3, 1, 2, 2, 1, 1, 0, 3, 2, 4, 1, 0, 0, 1, 2])
sredniaprzed=np.array(np.average(przed))
sredniapo=np.array(np.average(po))
dolar=np.array([3.904, 3.882, 3.8516, 3.8588, 3.8542, 3.8706, 3.8482, 3.825, 3.8297, 3.8219, 3.7929, 3.8075, 3.7826, 3.7905, 3.809, 3.8061, 3.8174, 3.819, 3.8328, 3.8789, 3.8858, 3.9082, 3.9116, 3.9164, 3.8937, 3.8869, 3.8515, 3.8255, 3.8385, 3.8668, 3.8734, 3.8716, 3.8587])
osoby =np.arange ( przed.size )
srednie = np.arange (sredniaprzed.size)
#plot1
plt.subplot(341)
plt.bar ( osoby, przed , label ='Wynik przed kursem' , color ='r',width = 0.90)
plt.axis ([-1,len(przed),0, 5.5])
plt.legend ()
#plot2
plt.subplot (342)
plt.bar ( osoby+0.35, po , label ='Wynik po kursie' , color ='y',width = 0.90)
plt.axis ([-1,len(po),0, 5.5])
plt.legend ()
#plot3
plt.subplot(343)
plt.bar ( srednie+0.35, sredniaprzed , label ='Średnia \nprzed kursem' , color ='g',width = 0.35)
plt.axis ([0,1,0,9])
plt.legend ()
#plot4
plt.subplot (344)
plt.bar ( srednie+0.35, sredniapo , label ='Średnia po kursie' , color ='b',width = 0.35)
plt.axis ([0,1,0,9])
plt.legend ()
#plot5
plt.subplot(345)
plt.bar ( osoby, przed , label ='Wynik przed kursem' , color ='r',width = 0.90)
plt.axis ([-1,len(przed),0, 5.5])
plt.legend ()
#plot6
plt.subplot (346)
plt.plot (dolar, label='Cena dolara')
plt.xlabel ("Dzień")
plt.ylabel ("Cena dolara")
plt.axis ([-1,len(dolar),3.5, 4.5])
plt.legend ()
#plot7
plt.subplot(347)
plt.bar ( osoby, przed , label ='Wynik przed kursem' , color ='r',width = 0.90)
plt.axis ([-1,len(przed),0, 5.5])
plt.legend ()
#plot8
plt.subplot (348)
plt.bar ( osoby+0.35, po , label ='Wynik po kursie' , color ='y',width = 0.90)
plt.axis ([-1,len(po),0, 5.5])
plt.legend ()
#plot9
plt.subplot(349)
plt.bar ( srednie+0.35, sredniaprzed , label ='Średnia \nprzed kursem' , color ='g',width = 0.35)
plt.axis ([0,1,0,9])
plt.legend ()
#plot10
plt.subplot (3,4,10)
plt.bar ( srednie+0.35, sredniapo , label ='Średnia po kursie' , color ='b',width = 0.35)
plt.axis ([0,1,0,9])
plt.legend ()
#plot11
plt.subplot(3,4,11)
plt.bar ( osoby, przed , label ='Wynik przed kursem' , color ='r',width = 0.90)
plt.axis ([-1,len(przed),0, 5.5])
plt.legend ()
#plot12
plt.subplot (3,4,12)
plt.plot (dolar, label='Cena dolara')
plt.xlabel ("Dzień")
plt.ylabel ("Cena dolara")
plt.axis ([-1,len(dolar),3.5, 4.5])
plt.legend ()
plt.savefig('wykresx12.png')
plt.show ()
*************************
#12. Stwórz plik graficzny, w którym będzie kilka rożnych
#(dowolnych) wykresów: łącznie 10 wykresów w 5
#wierszach i 2 kolumnach.
przed=np.array ([4, 3, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 2, 1, 1, 2, 1, 2, 1, 3, 3, 0, 4, 1, 1, 2, 4, 2, 1, 3, 2, 2, 1, 3, 2, 3, 0, 2, 0])
po=np.array ([3, 1, 1, 4, 3, 2, 4, 2, 4, 4, 4, 3, 4, 1, 3, 4, 0, 1, 0, 2, 3, 2, 4, 3, 2, 3, 1, 2, 2, 1, 1, 0, 3, 2, 4, 1, 0, 0, 1, 2])
sredniaprzed=np.array(np.average(przed))
sredniapo=np.array(np.average(po))
dolar=np.array([3.904, 3.882, 3.8516, 3.8588, 3.8542, 3.8706, 3.8482, 3.825, 3.8297, 3.8219, 3.7929, 3.8075, 3.7826, 3.7905, 3.809, 3.8061, 3.8174, 3.819, 3.8328, 3.8789, 3.8858, 3.9082, 3.9116, 3.9164, 3.8937, 3.8869, 3.8515, 3.8255, 3.8385, 3.8668, 3.8734, 3.8716, 3.8587])
osoby =np.arange ( przed.size )
srednie = np.arange (sredniaprzed.size)
#plot1
plt.subplot(521)
plt.bar ( osoby, przed , label ='Wynik przed kursem' , color ='r',width = 0.90)
plt.axis ([-1,len(przed),0, 5.5])
plt.legend ()
#plot2
plt.subplot (522)
plt.bar ( osoby+0.35, po , label ='Wynik po kursie' , color ='y',width = 0.90)
plt.axis ([-1,len(po),0, 5.5])
plt.legend ()
#plot3
plt.subplot(523)
plt.bar ( srednie+0.35, sredniaprzed , label ='Średnia \nprzed kursem' , color ='g',width = 0.35)
plt.axis ([0,1,0,9])
plt.legend ()
#plot4
plt.subplot (524)
plt.bar ( srednie+0.35, sredniapo , label ='Średnia po kursie' , color ='b',width = 0.35)
plt.axis ([0,1,0,9])
plt.legend ()
#plot5
plt.subplot(525)
plt.bar ( osoby, przed , label ='Wynik przed kursem' , color ='r',width = 0.90)
plt.axis ([-1,len(przed),0, 5.5])
plt.legend ()
#plot6
plt.subplot (526)
plt.plot (dolar, label='Cena dolara')
plt.xlabel ("Dzień")
plt.ylabel ("Cena dolara")
plt.axis ([-1,len(dolar),3.5, 4.5])
plt.legend ()
#plot7
plt.subplot(527)
plt.bar ( osoby, przed , label ='Wynik przed kursem' , color ='r',width = 0.90)
plt.axis ([-1,len(przed),0, 5.5])
plt.legend ()
#plot8
plt.subplot (528)
plt.bar ( osoby+0.35, po , label ='Wynik po kursie' , color ='y',width = 0.90)
plt.axis ([-1,len(po),0, 5.5])
plt.legend ()
#plot9
plt.subplot(529)
plt.bar ( srednie+0.35, sredniaprzed , label ='Średnia \nprzed kursem' , color ='g',width = 0.35)
plt.axis ([0,1,0,9])
plt.legend ()
#plot10
plt.subplot (5,2,10)
plt.bar ( srednie+0.35, sredniapo , label ='Średnia po kursie' , color ='b',width = 0.35)
plt.axis ([0,1,0,9])
plt.legend ()
plt.savefig('wykresx10.png')
plt.show ()
********************
#13. Dla udostępnionych danych ilościowych: oblicz
#różnicę punktów uzyskaną w testach. Wykreśl ją dla
#wszystkich osób. Jaki wykres należy zastosować?
#dane ilościowe
#Wynik, uzyskany, w, pierwszym, teście:
#[4, 3, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 2, 1, 1, 2, 1, 2, 1, 3, 3, 0, 4, 1, 1, 2, 4, 2, 1, 3, 2, 2, 1, 3, 2, 3, 0, 2, 0]
#Wynik, uzyskany, w, teście, po szkoleniu:
#[3, 1, 1, 4, 3, 2, 4, 2, 4, 4, 4, 3, 4, 1, 3, 4, 0, 1, 0, 2, 3, 2, 4, 3, 2, 3, 1, 2, 2, 1, 1, 0, 3, 2, 4, 1, 0, 0, 1, 2]
przed=np. array ([4, 3, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 2, 1, 1, 2, 1, 2, 1, 3, 3, 0, 4, 1, 1, 2, 4, 2, 1, 3, 2, 2, 1, 3, 2, 3, 0, 2, 0])
po=np. array ([3, 1, 1, 4, 3, 2, 4, 2, 4, 4, 4, 3, 4, 1, 3, 4, 0, 1, 0, 2, 3, 2, 4, 3, 2, 3, 1, 2, 2, 1, 1, 0, 3, 2, 4, 1, 0, 0, 1, 2])
roznica=[]
for i in range (0,len(przed)):
roznica.append(po[i]-przed[i])
roz=np.array(roznica)
ilosc=np.arange(roz.size)
plt.bar(ilosc,roznica, label='różnica punktowa między \nwynikami przed i po szkoleniu', width=0.25)
plt.legend()
plt.show()
**********************
#14. Dla udostępnionych danych z kursami walut: oblicz
#różnicę kursów. Wykreśl ją dla kolejnych dni. Jaki
#wykres należy zastosować?
dolar=np.array([3.904, 3.882, 3.8516, 3.8588, 3.8542, 3.8706, 3.8482, 3.825, 3.8297, 3.8219, 3.7929, 3.8075, 3.7826, 3.7905, 3.809, 3.8061, 3.8174, 3.819, 3.8328, 3.8789, 3.8858, 3.9082, 3.9116, 3.9164, 3.8937, 3.8869, 3.8515, 3.8255, 3.8385, 3.8668, 3.8734, 3.8716, 3.8587])
euro=np.array([4.3576, 4.3484, 4.3135, 4.2971, 4.2975, 4.2912, 4.2693, 4.2632, 4.2674, 4.2626, 4.27, 4.2863, 4.2837, 4.2884, 4.303, 4.3139, 4.3116, 4.3095, 4.327, 4.3395, 4.3395, 4.3555, 4.3607, 4.3796, 4.348, 4.3396, 4.3289, 4.3122, 4.3264, 4.346, 4.352, 4.3455, 4.3356])
roznica=[]
for i in range (0,len(dolar)):
roznica.append(float(euro[i])-float(dolar[i]))
roz=np.array(roznica)
dni =np.arange ( roz.size)
plt.subplot(211)
plt.plot(euro, label='kurs dzienny\neuro')
plt.plot(dolar, label='kurs dzienny\ndolara')
plt.legend()
plt.subplot(212)
plt.bar(dni, roz, label='kurs € minus kurs $', width=0.35)
plt.plot(roz)
plt.legend(loc='lower right')
plt.show ()
*******************************
#15. Dla udostępnionych danych ilościowych: oblicz
#średnią uzyskaną w obu testach. Wykreśl ją dla 10
#pierwszych osób i zaznacz odchylenie standardowe.
#dane ilościowe
#Wynik, uzyskany, w, pierwszym, teście:
#[4, 3, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 2, 1, 1, 2, 1, 2, 1, 3, 3, 0, 4, 1, 1, 2, 4, 2, 1, 3, 2, 2, 1, 3, 2, 3, 0, 2, 0]
#Wynik, uzyskany, w, teście, po szkoleniu:
#[3, 1, 1, 4, 3, 2, 4, 2, 4, 4, 4, 3, 4, 1, 3, 4, 0, 1, 0, 2, 3, 2, 4, 3, 2, 3, 1, 2, 2, 1, 1, 0, 3, 2, 4, 1, 0, 0, 1, 2]
przed=np. array ([4, 3, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 2, 1, 1, 2, 1, 2, 1, 3, 3, 0, 4, 1, 1, 2, 4, 2, 1, 3, 2, 2, 1, 3, 2, 3, 0, 2, 0])
po=np. array ([3, 1, 1, 4, 3, 2, 4, 2, 4, 4, 4, 3, 4, 1, 3, 4, 0, 1, 0, 2, 3, 2, 4, 3, 2, 3, 1, 2, 2, 1, 1, 0, 3, 2, 4, 1, 0, 0, 1, 2])
przed10=[]
po10=[]
for i in range (0,9):
przed10.append(przed[i])
po10.append(po[i])
odchprzed=np.std(przed10)
odchpo=np.std(po10)
sredniaprzed=np.array(np.average(przed10))
sredniapo=np.array(np.average(po10))
srednie=[]
srednie.append(sredniaprzed)
srednie.append(sredniapo)
odchylenia=[]
odchylenia.append(odchprzed)
odchylenia.append(odchpo)
odchylenia=np.array(odchylenia)
slupki=np.arange(odchylenia.size)
plt.bar(slupki, srednie , yerr=odchylenia)
plt.xlabel('średnia przed\\po szkoleniu wraz z odchyleniem standardowym wyniku',)
plt.axis([0,1.8,-1,4.5])
plt.legend ()
plt.show ()
#Umieść dane na jednym wykresie. Jaki wykres należy zastosować?
#dane ilościowe
#Wynik, uzyskany, w, pierwszym, teście:
#[4, 3, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 2, 1, 1, 2, 1, 2, 1, 3, 3, 0, 4, 1, 1, 2, 4, 2, 1, 3, 2, 2, 1, 3, 2, 3, 0, 2, 0]
#Wynik, uzyskany, w, teście, po szkoleniu:
#[3, 1, 1, 4, 3, 2, 4, 2, 4, 4, 4, 3, 4, 1, 3, 4, 0, 1, 0, 2, 3, 2, 4, 3, 2, 3, 1, 2, 2, 1, 1, 0, 3, 2, 4, 1, 0, 0, 1, 2]
przed=np. array ([4, 3, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 2, 1, 1, 2, 1, 2, 1, 3, 3, 0, 4, 1, 1, 2, 4, 2, 1, 3, 2, 2, 1, 3, 2, 3, 0, 2, 0])
po=np. array ([3, 1, 1, 4, 3, 2, 4, 2, 4, 4, 4, 3, 4, 1, 3, 4, 0, 1, 0, 2, 3, 2, 4, 3, 2, 3, 1, 2, 2, 1, 1, 0, 3, 2, 4, 1, 0, 0, 1, 2])
sredniaprzed=np.array(np.average(przed))
sredniapo=np.array(np.average(po))
osoby =np.arange ( przed.size )
srednie = np.arange (sredniaprzed.size)
plt.subplot(211)
plt.bar ( osoby, przed , label ='Wynik przed kursem' , color ='r',width = 0.35)
plt.bar ( osoby+0.35, po , label ='Wynik po kursie' , color ='y',width = 0.35)
plt.legend ()
plt.subplot (212)
plt.bar ( srednie, sredniaprzed , label ='Średni wynik przed kursem' , color ='r',width = 0.35)
plt.bar ( srednie+0.35, sredniapo , label ='Średni wynik po kursie' , color ='y',width = 0.35)
plt.legend ()
plt.show ()
**************************
#4. Stwórz wykres z udostępnionych danych ilościowych.
#Umieść dane na dwóch wykresach na jednym rysunku
#(subplot).
#Wynik, uzyskany, w, pierwszym, teście:
#[4, 3, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 2, 1, 1, 2, 1, 2, 1, 3, 3, 0, 4, 1, 1, 2, 4, 2, 1, 3, 2, 2, 1, 3, 2, 3, 0, 2, 0]
#Wynik, uzyskany, w, teście, po szkoleniu:
#[3, 1, 1, 4, 3, 2, 4, 2, 4, 4, 4, 3, 4, 1, 3, 4, 0, 1, 0, 2, 3, 2, 4, 3, 2, 3, 1, 2, 2, 1, 1, 0, 3, 2, 4, 1, 0, 0, 1, 2]
przed=np. array ([4, 3, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 2, 1, 1, 2, 1, 2, 1, 3, 3, 0, 4, 1, 1, 2, 4, 2, 1, 3, 2, 2, 1, 3, 2, 3, 0, 2, 0])
po=np. array ([3, 1, 1, 4, 3, 2, 4, 2, 4, 4, 4, 3, 4, 1, 3, 4, 0, 1, 0, 2, 3, 2, 4, 3, 2, 3, 1, 2, 2, 1, 1, 0, 3, 2, 4, 1, 0, 0, 1, 2])
sredniaprzed=np.array(np.average(przed))
sredniapo=np.array(np.average(po))
osoby =np.arange ( przed.size )
srednie = np.arange (sredniaprzed.size)
plt.subplot(211)
plt.bar ( osoby, przed , label ='Wynik przed kursem' , color ='r',width = 0.90)
plt.legend ()
plt.subplot (212)
plt.bar ( osoby+0.35, po , label ='Wynik po kursie' , color ='y',width = 0.90)
plt.legend ()
plt.show ()
**************************
#5. Stwórz 5 dowolnych wykresów na jednym rysunku.
#Każdemu przypisz inny kolor.
przed=np.array ([4, 3, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 2, 1, 1, 2, 1, 2, 1, 3, 3, 0, 4, 1, 1, 2, 4, 2, 1, 3, 2, 2, 1, 3, 2, 3, 0, 2, 0])
po=np.array ([3, 1, 1, 4, 3, 2, 4, 2, 4, 4, 4, 3, 4, 1, 3, 4, 0, 1, 0, 2, 3, 2, 4, 3, 2, 3, 1, 2, 2, 1, 1, 0, 3, 2, 4, 1, 0, 0, 1, 2])
sredniaprzed=np.array(np.average(przed))
sredniapo=np.array(np.average(po))
dolar=np.array([3.904, 3.882, 3.8516, 3.8588, 3.8542, 3.8706, 3.8482, 3.825, 3.8297, 3.8219, 3.7929, 3.8075, 3.7826, 3.7905, 3.809, 3.8061, 3.8174, 3.819, 3.8328, 3.8789, 3.8858, 3.9082, 3.9116, 3.9164, 3.8937, 3.8869, 3.8515, 3.8255, 3.8385, 3.8668, 3.8734, 3.8716, 3.8587])
osoby =np.arange ( przed.size )
srednie = np.arange (sredniaprzed.size)
#plot1
plt.subplot(231)
plt.bar ( osoby, przed , label ='Wynik przed kursem' , color ='r',width = 0.90)
plt.axis ([-1,len(przed),0, 5.5])
plt.legend ()
#plot2
plt.subplot (232)
plt.bar ( osoby+0.35, po , label ='Wynik po kursie' , color ='y',width = 0.90)
plt.axis ([-1,len(po),0, 5.5])
plt.legend ()
#plot3
plt.subplot(233)
plt.bar ( srednie+0.35, sredniaprzed , label ='Średnia \nprzed kursem' , color ='g',width = 0.35)
plt.axis ([0,1,0,9])
plt.legend ()
#plot4
plt.subplot (234)
plt.bar ( srednie+0.35, sredniapo , label ='Średnia po kursie' , color ='b',width = 0.35)
plt.axis ([0,1,0,9])
plt.legend ()
#plot4
plt.subplot (236)
plt.plot (dolar, label='Cena dolara')
plt.xlabel ("Dzień")
plt.ylabel ("Cena dolara")
plt.axis ([-1,len(dolar),3.5, 4.5])
plt.legend ()
plt.show ()
************************
#8. Stwórz wykres prezentujący sinusoidę.
x=np.arange(0.0, 2.0, 0.01)
y1=np.sin(2.0*np.pi*x)
y2=np.sin(2.0*np.pi*x-(np.pi/4))
plt.plot(x,y1)
plt.plot(x,y2)
plt.show()
**********************
#9. Na górnym wykresie stwórz wykres prezentujący
#sinusoidę. Na dolnym tą samą sinusoidę ale z
#dwukrotnie większą amplitudą.
x=np.arange(0.0, 2.0, 0.01)
#niepoprawne - zwiększenie częstotliwości
y1=np.sin(2.0*np.pi*x)
y2=np.sin(4.0*np.pi*x)
#poprawne - zwiększenie aplitudy
y3=np.sin(2.0*np.pi*x)
y4=2*(np.sin(2.0*np.pi*x))
#dwa niepoprawne wykresy - pierwsze rozwiązanie
plt.subplot (221)
plt.plot(x,y1)
plt.subplot (222)
plt.plot(x,y2)
#dwa poprawne wykresy - nowe rozwiązanie
plt.subplot (223)
plt.plot(x,y3)
plt.subplot (224)
plt.plot(x,y4)
plt.show()
***************************
#10. Stwórz wykres z kursem jednej z walut walut. Na
#tym rysunku dołącz wykres pokazujący średnią wartość
#waluty.
dolar=np.array([3.904, 3.882, 3.8516, 3.8588, 3.8542, 3.8706, 3.8482, 3.825, 3.8297, 3.8219, 3.7929, 3.8075, 3.7826, 3.7905, 3.809, 3.8061, 3.8174, 3.819, 3.8328, 3.8789, 3.8858, 3.9082, 3.9116, 3.9164, 3.8937, 3.8869, 3.8515, 3.8255, 3.8385, 3.8668, 3.8734, 3.8716, 3.8587])
aver=np.average(dolar)
srednia=[]
for i in range (0,len(dolar)):
srednia.append(float(aver))
plt.plot(srednia , label='kurs średni')
plt.plot(dolar, label='kurs dzienny')
plt.legend()
plt.show ()
***************************
#11. Stwórz plik graficzny, w którym będzie kilka rożnych
#(dowolnych) wykresów: łącznie 12 wykresów w 3
#wierszach i 4 kolumnach.
przed=np.array ([4, 3, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 2, 1, 1, 2, 1, 2, 1, 3, 3, 0, 4, 1, 1, 2, 4, 2, 1, 3, 2, 2, 1, 3, 2, 3, 0, 2, 0])
po=np.array ([3, 1, 1, 4, 3, 2, 4, 2, 4, 4, 4, 3, 4, 1, 3, 4, 0, 1, 0, 2, 3, 2, 4, 3, 2, 3, 1, 2, 2, 1, 1, 0, 3, 2, 4, 1, 0, 0, 1, 2])
sredniaprzed=np.array(np.average(przed))
sredniapo=np.array(np.average(po))
dolar=np.array([3.904, 3.882, 3.8516, 3.8588, 3.8542, 3.8706, 3.8482, 3.825, 3.8297, 3.8219, 3.7929, 3.8075, 3.7826, 3.7905, 3.809, 3.8061, 3.8174, 3.819, 3.8328, 3.8789, 3.8858, 3.9082, 3.9116, 3.9164, 3.8937, 3.8869, 3.8515, 3.8255, 3.8385, 3.8668, 3.8734, 3.8716, 3.8587])
osoby =np.arange ( przed.size )
srednie = np.arange (sredniaprzed.size)
#plot1
plt.subplot(341)
plt.bar ( osoby, przed , label ='Wynik przed kursem' , color ='r',width = 0.90)
plt.axis ([-1,len(przed),0, 5.5])
plt.legend ()
#plot2
plt.subplot (342)
plt.bar ( osoby+0.35, po , label ='Wynik po kursie' , color ='y',width = 0.90)
plt.axis ([-1,len(po),0, 5.5])
plt.legend ()
#plot3
plt.subplot(343)
plt.bar ( srednie+0.35, sredniaprzed , label ='Średnia \nprzed kursem' , color ='g',width = 0.35)
plt.axis ([0,1,0,9])
plt.legend ()
#plot4
plt.subplot (344)
plt.bar ( srednie+0.35, sredniapo , label ='Średnia po kursie' , color ='b',width = 0.35)
plt.axis ([0,1,0,9])
plt.legend ()
#plot5
plt.subplot(345)
plt.bar ( osoby, przed , label ='Wynik przed kursem' , color ='r',width = 0.90)
plt.axis ([-1,len(przed),0, 5.5])
plt.legend ()
#plot6
plt.subplot (346)
plt.plot (dolar, label='Cena dolara')
plt.xlabel ("Dzień")
plt.ylabel ("Cena dolara")
plt.axis ([-1,len(dolar),3.5, 4.5])
plt.legend ()
#plot7
plt.subplot(347)
plt.bar ( osoby, przed , label ='Wynik przed kursem' , color ='r',width = 0.90)
plt.axis ([-1,len(przed),0, 5.5])
plt.legend ()
#plot8
plt.subplot (348)
plt.bar ( osoby+0.35, po , label ='Wynik po kursie' , color ='y',width = 0.90)
plt.axis ([-1,len(po),0, 5.5])
plt.legend ()
#plot9
plt.subplot(349)
plt.bar ( srednie+0.35, sredniaprzed , label ='Średnia \nprzed kursem' , color ='g',width = 0.35)
plt.axis ([0,1,0,9])
plt.legend ()
#plot10
plt.subplot (3,4,10)
plt.bar ( srednie+0.35, sredniapo , label ='Średnia po kursie' , color ='b',width = 0.35)
plt.axis ([0,1,0,9])
plt.legend ()
#plot11
plt.subplot(3,4,11)
plt.bar ( osoby, przed , label ='Wynik przed kursem' , color ='r',width = 0.90)
plt.axis ([-1,len(przed),0, 5.5])
plt.legend ()
#plot12
plt.subplot (3,4,12)
plt.plot (dolar, label='Cena dolara')
plt.xlabel ("Dzień")
plt.ylabel ("Cena dolara")
plt.axis ([-1,len(dolar),3.5, 4.5])
plt.legend ()
plt.savefig('wykresx12.png')
plt.show ()
*************************
#12. Stwórz plik graficzny, w którym będzie kilka rożnych
#(dowolnych) wykresów: łącznie 10 wykresów w 5
#wierszach i 2 kolumnach.
przed=np.array ([4, 3, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 2, 1, 1, 2, 1, 2, 1, 3, 3, 0, 4, 1, 1, 2, 4, 2, 1, 3, 2, 2, 1, 3, 2, 3, 0, 2, 0])
po=np.array ([3, 1, 1, 4, 3, 2, 4, 2, 4, 4, 4, 3, 4, 1, 3, 4, 0, 1, 0, 2, 3, 2, 4, 3, 2, 3, 1, 2, 2, 1, 1, 0, 3, 2, 4, 1, 0, 0, 1, 2])
sredniaprzed=np.array(np.average(przed))
sredniapo=np.array(np.average(po))
dolar=np.array([3.904, 3.882, 3.8516, 3.8588, 3.8542, 3.8706, 3.8482, 3.825, 3.8297, 3.8219, 3.7929, 3.8075, 3.7826, 3.7905, 3.809, 3.8061, 3.8174, 3.819, 3.8328, 3.8789, 3.8858, 3.9082, 3.9116, 3.9164, 3.8937, 3.8869, 3.8515, 3.8255, 3.8385, 3.8668, 3.8734, 3.8716, 3.8587])
osoby =np.arange ( przed.size )
srednie = np.arange (sredniaprzed.size)
#plot1
plt.subplot(521)
plt.bar ( osoby, przed , label ='Wynik przed kursem' , color ='r',width = 0.90)
plt.axis ([-1,len(przed),0, 5.5])
plt.legend ()
#plot2
plt.subplot (522)
plt.bar ( osoby+0.35, po , label ='Wynik po kursie' , color ='y',width = 0.90)
plt.axis ([-1,len(po),0, 5.5])
plt.legend ()
#plot3
plt.subplot(523)
plt.bar ( srednie+0.35, sredniaprzed , label ='Średnia \nprzed kursem' , color ='g',width = 0.35)
plt.axis ([0,1,0,9])
plt.legend ()
#plot4
plt.subplot (524)
plt.bar ( srednie+0.35, sredniapo , label ='Średnia po kursie' , color ='b',width = 0.35)
plt.axis ([0,1,0,9])
plt.legend ()
#plot5
plt.subplot(525)
plt.bar ( osoby, przed , label ='Wynik przed kursem' , color ='r',width = 0.90)
plt.axis ([-1,len(przed),0, 5.5])
plt.legend ()
#plot6
plt.subplot (526)
plt.plot (dolar, label='Cena dolara')
plt.xlabel ("Dzień")
plt.ylabel ("Cena dolara")
plt.axis ([-1,len(dolar),3.5, 4.5])
plt.legend ()
#plot7
plt.subplot(527)
plt.bar ( osoby, przed , label ='Wynik przed kursem' , color ='r',width = 0.90)
plt.axis ([-1,len(przed),0, 5.5])
plt.legend ()
#plot8
plt.subplot (528)
plt.bar ( osoby+0.35, po , label ='Wynik po kursie' , color ='y',width = 0.90)
plt.axis ([-1,len(po),0, 5.5])
plt.legend ()
#plot9
plt.subplot(529)
plt.bar ( srednie+0.35, sredniaprzed , label ='Średnia \nprzed kursem' , color ='g',width = 0.35)
plt.axis ([0,1,0,9])
plt.legend ()
#plot10
plt.subplot (5,2,10)
plt.bar ( srednie+0.35, sredniapo , label ='Średnia po kursie' , color ='b',width = 0.35)
plt.axis ([0,1,0,9])
plt.legend ()
plt.savefig('wykresx10.png')
plt.show ()
********************
#13. Dla udostępnionych danych ilościowych: oblicz
#różnicę punktów uzyskaną w testach. Wykreśl ją dla
#wszystkich osób. Jaki wykres należy zastosować?
#dane ilościowe
#Wynik, uzyskany, w, pierwszym, teście:
#[4, 3, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 2, 1, 1, 2, 1, 2, 1, 3, 3, 0, 4, 1, 1, 2, 4, 2, 1, 3, 2, 2, 1, 3, 2, 3, 0, 2, 0]
#Wynik, uzyskany, w, teście, po szkoleniu:
#[3, 1, 1, 4, 3, 2, 4, 2, 4, 4, 4, 3, 4, 1, 3, 4, 0, 1, 0, 2, 3, 2, 4, 3, 2, 3, 1, 2, 2, 1, 1, 0, 3, 2, 4, 1, 0, 0, 1, 2]
przed=np. array ([4, 3, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 2, 1, 1, 2, 1, 2, 1, 3, 3, 0, 4, 1, 1, 2, 4, 2, 1, 3, 2, 2, 1, 3, 2, 3, 0, 2, 0])
po=np. array ([3, 1, 1, 4, 3, 2, 4, 2, 4, 4, 4, 3, 4, 1, 3, 4, 0, 1, 0, 2, 3, 2, 4, 3, 2, 3, 1, 2, 2, 1, 1, 0, 3, 2, 4, 1, 0, 0, 1, 2])
roznica=[]
for i in range (0,len(przed)):
roznica.append(po[i]-przed[i])
roz=np.array(roznica)
ilosc=np.arange(roz.size)
plt.bar(ilosc,roznica, label='różnica punktowa między \nwynikami przed i po szkoleniu', width=0.25)
plt.legend()
plt.show()
**********************
#14. Dla udostępnionych danych z kursami walut: oblicz
#różnicę kursów. Wykreśl ją dla kolejnych dni. Jaki
#wykres należy zastosować?
dolar=np.array([3.904, 3.882, 3.8516, 3.8588, 3.8542, 3.8706, 3.8482, 3.825, 3.8297, 3.8219, 3.7929, 3.8075, 3.7826, 3.7905, 3.809, 3.8061, 3.8174, 3.819, 3.8328, 3.8789, 3.8858, 3.9082, 3.9116, 3.9164, 3.8937, 3.8869, 3.8515, 3.8255, 3.8385, 3.8668, 3.8734, 3.8716, 3.8587])
euro=np.array([4.3576, 4.3484, 4.3135, 4.2971, 4.2975, 4.2912, 4.2693, 4.2632, 4.2674, 4.2626, 4.27, 4.2863, 4.2837, 4.2884, 4.303, 4.3139, 4.3116, 4.3095, 4.327, 4.3395, 4.3395, 4.3555, 4.3607, 4.3796, 4.348, 4.3396, 4.3289, 4.3122, 4.3264, 4.346, 4.352, 4.3455, 4.3356])
roznica=[]
for i in range (0,len(dolar)):
roznica.append(float(euro[i])-float(dolar[i]))
roz=np.array(roznica)
dni =np.arange ( roz.size)
plt.subplot(211)
plt.plot(euro, label='kurs dzienny\neuro')
plt.plot(dolar, label='kurs dzienny\ndolara')
plt.legend()
plt.subplot(212)
plt.bar(dni, roz, label='kurs € minus kurs $', width=0.35)
plt.plot(roz)
plt.legend(loc='lower right')
plt.show ()
*******************************
#15. Dla udostępnionych danych ilościowych: oblicz
#średnią uzyskaną w obu testach. Wykreśl ją dla 10
#pierwszych osób i zaznacz odchylenie standardowe.
#dane ilościowe
#Wynik, uzyskany, w, pierwszym, teście:
#[4, 3, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 2, 1, 1, 2, 1, 2, 1, 3, 3, 0, 4, 1, 1, 2, 4, 2, 1, 3, 2, 2, 1, 3, 2, 3, 0, 2, 0]
#Wynik, uzyskany, w, teście, po szkoleniu:
#[3, 1, 1, 4, 3, 2, 4, 2, 4, 4, 4, 3, 4, 1, 3, 4, 0, 1, 0, 2, 3, 2, 4, 3, 2, 3, 1, 2, 2, 1, 1, 0, 3, 2, 4, 1, 0, 0, 1, 2]
przed=np. array ([4, 3, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 2, 1, 1, 2, 1, 2, 1, 3, 3, 0, 4, 1, 1, 2, 4, 2, 1, 3, 2, 2, 1, 3, 2, 3, 0, 2, 0])
po=np. array ([3, 1, 1, 4, 3, 2, 4, 2, 4, 4, 4, 3, 4, 1, 3, 4, 0, 1, 0, 2, 3, 2, 4, 3, 2, 3, 1, 2, 2, 1, 1, 0, 3, 2, 4, 1, 0, 0, 1, 2])
przed10=[]
po10=[]
for i in range (0,9):
przed10.append(przed[i])
po10.append(po[i])
odchprzed=np.std(przed10)
odchpo=np.std(po10)
sredniaprzed=np.array(np.average(przed10))
sredniapo=np.array(np.average(po10))
srednie=[]
srednie.append(sredniaprzed)
srednie.append(sredniapo)
odchylenia=[]
odchylenia.append(odchprzed)
odchylenia.append(odchpo)
odchylenia=np.array(odchylenia)
slupki=np.arange(odchylenia.size)
plt.bar(slupki, srednie , yerr=odchylenia)
plt.xlabel('średnia przed\\po szkoleniu wraz z odchyleniem standardowym wyniku',)
plt.axis([0,1.8,-1,4.5])
plt.legend ()
plt.show ()
Matplotlib, Scipy, Numpy
import matplotlib.pyplot as p
wykres plot(range()) p.show()
p.plot(range(10)) liniowy, 9 pounktów, rosnący
p.plot(range(0,-21,-1)) liniowy, 9 punktów, malejący
p.plot(range(10), 'ro') z kropek, 9 punktów, rosnący
( p.axis([-4,11,-6,9]) pusty wykres o takim zakresie )
+ p.show() (by go wyświetlić)!!!!!!!!!!!!!!
p.savefig('wykres.png')
Legenda p.legend()
p.legend() i ona będzie w prawym górnym rogu
Jak chcemy ją inaczej umiejscowić:
p.legend(loc='upper center')
p.legend(loc='upper left')
p.legend(loc='center')
p.legend(loc='lower center')
p.legend(loc='lower left')
p.legend(loc='lower right')
p.legend(loc='center left') p.legend(loc='right')
p.legend(loc='upper right')
p.legend(loc='center right')
p.legend(loc='best')
Podpisanie osi
p.xlabel("Os x")
p.ylabel("Os y")
Kolor color=' '
p.plot(range(10),color='b',label='pierwszy')
b
g
r
c
m
y
k
w (biały)
***************************************
Wykres liniowy dolara
import numpy as n
import matplotlib.pyplot as p
dolar=n.array([, , , ])
euro= n.array([, , , ])
k=n.conacatenate((dolar,euro))
p.plot(k[0,:],label="dolar") wykres dla dolara; w legendzie będzie napisane dolar
p.legend()
p.xlabel("Dzien")
p.ylabel("Kurs")
p.show()
Zamiast tg na niebiesko wystarczy:
import matplotlib.pyplot as p
import numpy as n
dolar=n.array([3,4,2,1,3,4,8])
p.plot(dolar, label='dolar')
p.legend()
p.xlabel("Dzien")
p.ylabel("Kurs")
p.show()
****************************************
Wykres kolumnowy dolara
import numpy as n
import matplotlib.pyplot as p
dolar=n.array([, , , ])
euro= n.array([, , , ])
k=n.conacatenate((dolar,euro))
a=n.arange(dolar.size)
p.bar(a,k[0,:],color='g',label='dolar') wykres dla dolara; w legendzie będzie napisane dolar
p.legend()
p.xlabel("Dzien")
p.ylabel("Kurs")
p.show()
Zamiast tg niebieskiego łatwiej:
import matplotlib.pyplot as p
import numpy as n
dolar=n.array([3,4,2,1,3,4,8])
a=n.arange(dolar.size)
p.bar(a,dolar, label='dolar')
p.legend()
p.xlabel("Dzien")
p.ylabel("Kurs")
p.show()
***********************************************
Wykres kolumnowy + podane odchylenie standardowe to:
import matplotlib.pyplot as p
import numpy as n
dolar=n.array([3,4,2,1,3,4,8])
odchyleniestandardowe=n.array([2.342, ......]) wartości odchylenia standardowego
a=n.arange(dolar.size)
p.bar(a,dolar, label='dolar', yerr=odchyleniestandardowe) dołączenie do wykresu
p.legend()
p.xlabel("Dzien")
p.ylabel("Kurs")
p.show()
***********************************************
Wykres kolumnowy + własne podpisy pod kolumnami to:
import matplotlib.pyplot as p
import numpy as n
dolar=n.array([3,4,2,1,3,4,8])
a=n.arange(dolar.size)
p.bar(a,dolar, label='dolar')
podpisy=['aa','bb','cc']
p.xticks(a+0.5, podpisy) by wyświetlić podpis równo pod kolumną
p.xlabel("sdfadad")
p.ylabel("kjghskjg")
p.show()
***************************************************
2 wykresy kolumnowe na 1 rysunku - trzeba zwęzić słupek jednej zmiennej i poszerzyć drugiej
import numpy as n
import matplotlib.pyplot as p
dolar=n.array([, , , ])
euro= n.array([, , , ])
k=n.conacatenate((dolar,euro))
a=n.arrange(dolar.size) ((nie ma znaczenia czy tu dolar czy euro))
p.bar(a,k[0,:],color='g',label='dolar',width=0.25)
p.bar(a+0.25,k[1,:],color='g',label='euro',width=0.25)
p.legend()
p.xlabel("Dzien")
p.ylabel("Kurs")
p.show()
Łatwiej:
import matplotlib.pyplot as p
import numpy as n
dolar=n.array([3,4,2,1,3,4,8])
euro= n.array([5,3,5,6,3,5,6])
a=n.arange(dolar.size)
p.bar(a,dolar, label='dolar', width=0.25)
p.bar(a+0.25,euro, label='euro', color='g', width=0.25)
p.legend()
p.xlabel("Dzien")
p.ylabel("Kurs")
p.show()
***********************************************
Wykres kołowy z wycinkiem
import matplotlib.pyplot as p
import numpy as n
czynnosci=['praca','spanie','rozrywka']
godziny=n.array([8,8,2])
wycinek=n.array([0,0.1,0)
p.figure(1,figsize=(6,6)) wymiar 6,6 - optymalny
p.pie(godziny,labels=czynnosci,autopct='%1.1f%%',shadow=True) ile liczb po przecinku, cień
p.show()
*******************************************
Histogram
import matplotlib.pyplot as p
import numpy as n
zbiordanych=n.random.randint(40,size=100)+150 albo=n.array([,,,,])
p.hist(zbiordanych)
p.xlabel("wzrost")
p.ylabel("czestosc")
p.show()
wykres plot(range()) p.show()
p.plot(range(10)) liniowy, 9 pounktów, rosnący
p.plot(range(0,-21,-1)) liniowy, 9 punktów, malejący
p.plot(range(10), 'ro') z kropek, 9 punktów, rosnący
( p.axis([-4,11,-6,9]) pusty wykres o takim zakresie )
+ p.show() (by go wyświetlić)!!!!!!!!!!!!!!
p.savefig('wykres.png')
Legenda p.legend()
p.legend() i ona będzie w prawym górnym rogu
Jak chcemy ją inaczej umiejscowić:
p.legend(loc='upper center')
p.legend(loc='upper left')
p.legend(loc='center')
p.legend(loc='lower center')
p.legend(loc='lower left')
p.legend(loc='lower right')
p.legend(loc='center left') p.legend(loc='right')
p.legend(loc='upper right')
p.legend(loc='center right')
p.legend(loc='best')
Podpisanie osi
p.xlabel("Os x")
p.ylabel("Os y")
Kolor color=' '
p.plot(range(10),color='b',label='pierwszy')
b
g
r
c
m
y
k
w (biały)
***************************************
Wykres liniowy dolara
import numpy as n
import matplotlib.pyplot as p
dolar=n.array([, , , ])
euro= n.array([, , , ])
k=n.conacatenate((dolar,euro))
p.plot(k[0,:],label="dolar") wykres dla dolara; w legendzie będzie napisane dolar
p.legend()
p.xlabel("Dzien")
p.ylabel("Kurs")
p.show()
Zamiast tg na niebiesko wystarczy:
import matplotlib.pyplot as p
import numpy as n
dolar=n.array([3,4,2,1,3,4,8])
p.plot(dolar, label='dolar')
p.legend()
p.xlabel("Dzien")
p.ylabel("Kurs")
p.show()
****************************************
Wykres kolumnowy dolara
import numpy as n
import matplotlib.pyplot as p
dolar=n.array([, , , ])
euro= n.array([, , , ])
k=n.conacatenate((dolar,euro))
a=n.arange(dolar.size)
p.bar(a,k[0,:],color='g',label='dolar') wykres dla dolara; w legendzie będzie napisane dolar
p.legend()
p.xlabel("Dzien")
p.ylabel("Kurs")
p.show()
Zamiast tg niebieskiego łatwiej:
import matplotlib.pyplot as p
import numpy as n
dolar=n.array([3,4,2,1,3,4,8])
a=n.arange(dolar.size)
p.bar(a,dolar, label='dolar')
p.legend()
p.xlabel("Dzien")
p.ylabel("Kurs")
p.show()
***********************************************
Wykres kolumnowy + podane odchylenie standardowe to:
import matplotlib.pyplot as p
import numpy as n
dolar=n.array([3,4,2,1,3,4,8])
odchyleniestandardowe=n.array([2.342, ......]) wartości odchylenia standardowego
a=n.arange(dolar.size)
p.bar(a,dolar, label='dolar', yerr=odchyleniestandardowe) dołączenie do wykresu
p.legend()
p.xlabel("Dzien")
p.ylabel("Kurs")
p.show()
***********************************************
Wykres kolumnowy + własne podpisy pod kolumnami to:
import matplotlib.pyplot as p
import numpy as n
dolar=n.array([3,4,2,1,3,4,8])
a=n.arange(dolar.size)
p.bar(a,dolar, label='dolar')
podpisy=['aa','bb','cc']
p.xticks(a+0.5, podpisy) by wyświetlić podpis równo pod kolumną
p.xlabel("sdfadad")
p.ylabel("kjghskjg")
p.show()
***************************************************
2 wykresy kolumnowe na 1 rysunku - trzeba zwęzić słupek jednej zmiennej i poszerzyć drugiej
import numpy as n
import matplotlib.pyplot as p
dolar=n.array([, , , ])
euro= n.array([, , , ])
k=n.conacatenate((dolar,euro))
a=n.arrange(dolar.size) ((nie ma znaczenia czy tu dolar czy euro))
p.bar(a,k[0,:],color='g',label='dolar',width=0.25)
p.bar(a+0.25,k[1,:],color='g',label='euro',width=0.25)
p.legend()
p.xlabel("Dzien")
p.ylabel("Kurs")
p.show()
Łatwiej:
import matplotlib.pyplot as p
import numpy as n
dolar=n.array([3,4,2,1,3,4,8])
euro= n.array([5,3,5,6,3,5,6])
a=n.arange(dolar.size)
p.bar(a,dolar, label='dolar', width=0.25)
p.bar(a+0.25,euro, label='euro', color='g', width=0.25)
p.legend()
p.xlabel("Dzien")
p.ylabel("Kurs")
p.show()
***********************************************
Wykres kołowy z wycinkiem
import matplotlib.pyplot as p
import numpy as n
czynnosci=['praca','spanie','rozrywka']
godziny=n.array([8,8,2])
wycinek=n.array([0,0.1,0)
p.figure(1,figsize=(6,6)) wymiar 6,6 - optymalny
p.pie(godziny,labels=czynnosci,autopct='%1.1f%%',shadow=True) ile liczb po przecinku, cień
p.show()
*******************************************
Histogram
import matplotlib.pyplot as p
import numpy as n
zbiordanych=n.random.randint(40,size=100)+150 albo=n.array([,,,,])
p.hist(zbiordanych)
p.xlabel("wzrost")
p.ylabel("czestosc")
p.show()
Scipy+ Numpy
import numpy as n
import scipy.linalg as l <- moduł do obliczeń
import scipy.stats as s <- moduł do statystyki
NUMPY + LINALG
Układ równań l.solve( , )
(klamrą spięte) y=2x+3 3y=9x-3
(klamrą spięte) 2x-y=-3 9x-3y=3 x,y na jedną stronę, wolne liczby na drugą
a=n.array(([2,-1],[9,-3])) 1wsza macierz z niewiadomymi
b=n.array(([-3,3])) 2ga macierz z wyrazami wolnymi
l.solve(a,b)
NUMPY
Równanie n.roots()
-2x^2-8x+10=0
c=n.array(([-2,-8,10])) macierz z liczb z równania
n.roots(c)
NUMPY
Statystyka
dolar=n.array(1,2,3,4,.....,2)
euro=n.array(2,4,2,1,.......,5)
n.mean(dolar) średnia wartość dolara
n.std(dolar) odchylenie standardowe wartości dolara
n.amin(dolar) minimalna wartość dolara)
n.amax(dolar) maksymalna wartość dolara
n.corrcoef(dolar,euro) współczynnik korelacji Pearsona między dolarem a euro
***** 1 macierz z obu kursów walut: razem=n.concatenate((dolar, euro))
dolar=n.array(1,2,3,4,.....,2)
euro=n.array(2,4,2,1,.......,5)
razem=n.concatenate((dolar, euro))
n.mean(razem[0,:]) średnia wartość dolara (bez euro)
n.std(razem[1,:]) odchyl stand euro
n.corrcoef(razem[0,:],razem[1,:]) współczynnik korelacji Pearsona między dolarem a euro ******
SCIPY
s.pearsonr() współczynnik korelacji Pearsona w Scipy -> w przypadkach bardziej zaawansowanych i gdy mamy dane nominalne / porządkowe
s.spearmanr()
s.chisquare() test ch kwadrat
s.ttest_ind() test t dla prób niezależnych
s.ttest_1samp() dla 1 próby
s.ttest_rel() test dla prób zależnych
s.maunwhitneyu() test Manna-Whitneya
s.wilcoxon() test Wilcoxona
--------------------------------------------------
Stwórz macierz o wymiarach 10x10 wypełnioną losowymi liczbami. Znajdż wartość maksymalną i zastąp ją zerem.
my2= n.random.randint(-100,100, size=(10,10))
naj=int(n.amax(my2))
print my2
print naj
for i in range (0,10):
for j in range (0,10):
if int(my2[i,j])==int(naj) :
my2[i,j]=0
else:
null=True
print my2
---------------------------------------------------------------
Stwórz macierz o wymiarach 10x10 wypełnioną losowymi liczbami. Znajdż wartość maksymalną i zastąp ją zerem. Powtórz czynnośc 10 razy.
my1= n.random.randint(-100,100, size=(10,10))
print my1
najwieksza=int(n.amax(my1))
print najwieksza
for k in range (0,10):
for i in range (0,10):
for j in range (0,10):
if int(my1[i,j])==int(najwieksza):
my1[i,j]=0
else:
null=True
print str(n)
print my1
-------------------------------------------------------------------
Wykonaj test istotności różnic na udostępnionych danych ilościowych.
jeden = np.array([4 , 3, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 2, 1, 1, 2, 1, 2, 1, 3, 3, 0, 4, 1, 1, 2, 4, 2, 1, 3, 2, 2, 1, 3, 2, 3, 0, 2, 0])
dwa = np.array([3 , 1, 1, 4, 3, 2, 4, 2, 4, 4, 4, 3, 4, 1, 3, 4, 0, 1, 0, 2, 3, 2, 4, 3, 2, 3, 1, 2, 2, 1, 1, 0, 3, 2, 4, 1, 0, 0, 1, 2 ])
wyjsciowe=st.ttest_rel(jeden,dwa)
print('Wyznaczona wartość statystyki testowej t wynosi\n '+str(wyjsciowe[0]))
print('Wyznaczony poziom istotności tego testu to:\n '+str(wyjsciowe[1]))
--------------------------------------------------------------
Wykonaj test istotności różnic na udostępnionych danych porządkowych.
print('[2, 4, 4, 4, 1, 1, 4, 0, 2, 0, 4, 2, 3, 1, 0, 3, 3, 4, 1, 4, 4, 2, 1, 0, 4, 1, 0, 1, 1, 4]')
print('Poziom zadowolenia po obejrzeniu reklamy:')
print('[2, 4, 1, 4, 4, 0, 0, 4, 4, 1, 3, 1, 4, 3, 3, 3, 3, 1, 3, 2, 3, 3, 4, 2, 2, 0, 3, 0, 1, 1]')
print('Z racji że test dotyczył jednej grupy stosuję test Wilcoxona')
# test Wilcoxona
przed=([2, 4, 4, 4, 1, 1, 4, 0, 2, 0, 4, 2, 3, 1, 0, 3, 3, 4, 1, 4, 4, 2, 1, 0, 4, 1, 0, 1, 1, 4])
po=([2, 4, 1, 4, 4, 0, 0, 4, 4, 1, 3, 1, 4, 3, 3, 3, 3, 1, 3, 2, 3, 3, 4, 2, 2, 0, 3, 0, 1, 1])
wynik=st.wilcoxon (przed,po)
print('Wyznaczona wartość statystyki testowej wynosi\n '+str(wynik[0]))
print('Wyznaczony poziom istotności tego testu to:\n '+str(wynik[1]))
import scipy.linalg as l <- moduł do obliczeń
import scipy.stats as s <- moduł do statystyki
NUMPY + LINALG
Układ równań l.solve( , )
(klamrą spięte) y=2x+3 3y=9x-3
(klamrą spięte) 2x-y=-3 9x-3y=3 x,y na jedną stronę, wolne liczby na drugą
a=n.array(([2,-1],[9,-3])) 1wsza macierz z niewiadomymi
b=n.array(([-3,3])) 2ga macierz z wyrazami wolnymi
l.solve(a,b)
NUMPY
Równanie n.roots()
-2x^2-8x+10=0
c=n.array(([-2,-8,10])) macierz z liczb z równania
n.roots(c)
NUMPY
Statystyka
dolar=n.array(1,2,3,4,.....,2)
euro=n.array(2,4,2,1,.......,5)
n.mean(dolar) średnia wartość dolara
n.std(dolar) odchylenie standardowe wartości dolara
n.amin(dolar) minimalna wartość dolara)
n.amax(dolar) maksymalna wartość dolara
n.corrcoef(dolar,euro) współczynnik korelacji Pearsona między dolarem a euro
***** 1 macierz z obu kursów walut: razem=n.concatenate((dolar, euro))
dolar=n.array(1,2,3,4,.....,2)
euro=n.array(2,4,2,1,.......,5)
razem=n.concatenate((dolar, euro))
n.mean(razem[0,:]) średnia wartość dolara (bez euro)
n.std(razem[1,:]) odchyl stand euro
n.corrcoef(razem[0,:],razem[1,:]) współczynnik korelacji Pearsona między dolarem a euro ******
SCIPY
s.pearsonr() współczynnik korelacji Pearsona w Scipy -> w przypadkach bardziej zaawansowanych i gdy mamy dane nominalne / porządkowe
s.spearmanr()
s.chisquare() test ch kwadrat
s.ttest_ind() test t dla prób niezależnych
s.ttest_1samp() dla 1 próby
s.ttest_rel() test dla prób zależnych
s.maunwhitneyu() test Manna-Whitneya
s.wilcoxon() test Wilcoxona
--------------------------------------------------
Stwórz macierz o wymiarach 10x10 wypełnioną losowymi liczbami. Znajdż wartość maksymalną i zastąp ją zerem.
my2= n.random.randint(-100,100, size=(10,10))
naj=int(n.amax(my2))
print my2
print naj
for i in range (0,10):
for j in range (0,10):
if int(my2[i,j])==int(naj) :
my2[i,j]=0
else:
null=True
print my2
---------------------------------------------------------------
Stwórz macierz o wymiarach 10x10 wypełnioną losowymi liczbami. Znajdż wartość maksymalną i zastąp ją zerem. Powtórz czynnośc 10 razy.
my1= n.random.randint(-100,100, size=(10,10))
print my1
najwieksza=int(n.amax(my1))
print najwieksza
for k in range (0,10):
for i in range (0,10):
for j in range (0,10):
if int(my1[i,j])==int(najwieksza):
my1[i,j]=0
else:
null=True
print str(n)
print my1
-------------------------------------------------------------------
Wykonaj test istotności różnic na udostępnionych danych ilościowych.
jeden = np.array([4 , 3, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 2, 1, 1, 2, 1, 2, 1, 3, 3, 0, 4, 1, 1, 2, 4, 2, 1, 3, 2, 2, 1, 3, 2, 3, 0, 2, 0])
dwa = np.array([3 , 1, 1, 4, 3, 2, 4, 2, 4, 4, 4, 3, 4, 1, 3, 4, 0, 1, 0, 2, 3, 2, 4, 3, 2, 3, 1, 2, 2, 1, 1, 0, 3, 2, 4, 1, 0, 0, 1, 2 ])
wyjsciowe=st.ttest_rel(jeden,dwa)
print('Wyznaczona wartość statystyki testowej t wynosi\n '+str(wyjsciowe[0]))
print('Wyznaczony poziom istotności tego testu to:\n '+str(wyjsciowe[1]))
--------------------------------------------------------------
Wykonaj test istotności różnic na udostępnionych danych porządkowych.
print('[2, 4, 4, 4, 1, 1, 4, 0, 2, 0, 4, 2, 3, 1, 0, 3, 3, 4, 1, 4, 4, 2, 1, 0, 4, 1, 0, 1, 1, 4]')
print('Poziom zadowolenia po obejrzeniu reklamy:')
print('[2, 4, 1, 4, 4, 0, 0, 4, 4, 1, 3, 1, 4, 3, 3, 3, 3, 1, 3, 2, 3, 3, 4, 2, 2, 0, 3, 0, 1, 1]')
print('Z racji że test dotyczył jednej grupy stosuję test Wilcoxona')
# test Wilcoxona
przed=([2, 4, 4, 4, 1, 1, 4, 0, 2, 0, 4, 2, 3, 1, 0, 3, 3, 4, 1, 4, 4, 2, 1, 0, 4, 1, 0, 1, 1, 4])
po=([2, 4, 1, 4, 4, 0, 0, 4, 4, 1, 3, 1, 4, 3, 3, 3, 3, 1, 3, 2, 3, 3, 4, 2, 2, 0, 3, 0, 1, 1])
wynik=st.wilcoxon (przed,po)
print('Wyznaczona wartość statystyki testowej wynosi\n '+str(wynik[0]))
print('Wyznaczony poziom istotności tego testu to:\n '+str(wynik[1]))
Numpy
NUMPY
import numpy as n
array(([ ]))
n.array([1,2,3])
n.array(([1,2,3],[1,2,3],[1,2,3]))
n.zeros ((3,3)) 3 wiersze i 3 kolumny zer
n.ones((3,3)) ... jedynek
n.eye(3,3) 1 po jedenej przekątnej
arange( )
n.arange(1000) od 0 do 999
n.arange(3.0) liczby rzeczywiste od 0 do 2
n.arange(10,100) liczby od 10 do 99
n.arange(3,7,2) od 3 do 6 z krokiem dwa -> nie co 1 tylko każdy następny element +2
x=n.arange(12).reshape(4,3) 12 elementów ułożonych w macierzy tak, że 4 wiersze i 3 kolumny
linspace( )
n.linspace(0,10,21) 21 rzeczywistych elementów macierzy z zakresu od 0 do 10 [0, 0.5, 1, 1.5 ... 9.5, 10]
rand( , )
randint( , ,size=( ))
Macierz wypełniona losowymi elementami:
n.random.rand(5,3) liczbami od 0 do 1, wymiary 5x3
n.random.randint(3,8, size=(2,4)) liczbami od 3 do 7, 2x4
skalar- do każdej liczby z danej macierzy dodawanie 1, odejmowanie 1, mnożenie przez 3 i dzielenie przez 3
macierz=n.array(([1,2,3],[1,2,3],[1,2,3]))
macierz+1
macierz-1
macierz*3
macierz/3
macierz +, -, / macierz
macierz1=n.array(([1,2,3],[1,2,3]))
macierz2=n.array((2,3))
macierz1+macierz2
macierz1-macierz2
macierz1/macierz2
macierz * macierz
mnożenie tablicowe (1 element z 1 macierzy * 1 element z 2 macierzy; 2 element z 1 macierzy * 2 element z 2 macierzy itp)
macierz1=n.array(([1,2,3],[3,4,5])
macierz2=n.ones((2,3))
print macierz1*macierz2
mnożenie macierzowe (1 element z 1 wiersza 1 macierzy * 1 element z 1 kolumny 2 macierzy + 2 element z 1 wiersza 1 macierzy * 2 elelemnt z 1 kolumny 2 macierzy + 3 element z 1 wiersza 1 macierzy * 3 element z 1 kolumny 2 macierzy)
macierz1=n.array(([1,2,3],[3,4,5],[2,3,1]))
macierz2=n.ones ((3,3))
print n.dot(macierz1,macierz2)
WYCINANIE FRAGMENTU MACIERZY [wiersz, kolumna]
macierz=n.arange(12).reshape(4,3)
print macierz[1,1] (wyświetl element z pierwszego(licząc od 0) wiersza i pierwszej kolumny)
print macierz[1,:] (wyświetl pierwszy (liczęc od 0) wiersz, bez kolumny)
print macierz[:,2] (bez wiersza, wyświetl 2 (licząc od zera) kolumnę)
print macierz[2:3,:] (od wiersza 2 do 3 (licząc od 0), ale bez 3, bez kolumny)
print macierz[0:2,1:3] (wyświetl to co się krzyżuje na drodze: zero, pierwszy wiersz i pierwsza, druga kolumna)
----------------------------------------------------
https://docs.scipy.org/doc/numpy-dev/user/quickstart.html
https://docs.scipy.org/doc/numpy/reference/
---------------------------------------------------------
Stwórz macierz o wymiarach 5x5 wypełnioną samymi zerami. Niech wartości po przekątnych będą jedynkami.
mz=n.eye(5,5)
mz [0,4]=1
mz [1,3]=1
mz [3,1]=1
mz [4,0]=1
print mz
--------------------------------------------------------------------
Przemnóż przez siebie tablicowo dwie macierze 4x4 wypełnione losowo. Sprawdź kolejne komórki. Jeśli jej zawartość jest większa niż 10, zamień ją na 10. Jeśli jej zawartość jest mniejsza niż 0, zamień ją na 0.
mb=n.random.randint(-15,15,size=(4,4))
mb1=n.random.randint(-15,15,size=(4,4))
print mb
print mb1
mb3=n.dot(mb,mb1)
print mb3
for i in range (0,4):
for j in range (0,4):
if int(mb3[i,j]) > 10:
mb3[i,j] = 10
elif int(mb3[i,j]) < 0:
mb3[i,j] = 0
print str(mb3)
--------------------------------------------------------------------
Stwórz macierz 5x5 wypełnioną losowo. Sprawdź jaki element jest w środku. Podziel przez niego całą macierz. Wynik powinien wyświetlić się z dokładnością do dwóch miejsc po przecinku.
mv=n.random.randint(1,10, size=(5,5))
print mv
print mv[2,2]
print mv[2,2]/mv
import numpy as n
array(([ ]))
n.array([1,2,3])
n.array(([1,2,3],[1,2,3],[1,2,3]))
n.zeros ((3,3)) 3 wiersze i 3 kolumny zer
n.ones((3,3)) ... jedynek
n.eye(3,3) 1 po jedenej przekątnej
arange( )
n.arange(1000) od 0 do 999
n.arange(3.0) liczby rzeczywiste od 0 do 2
n.arange(10,100) liczby od 10 do 99
n.arange(3,7,2) od 3 do 6 z krokiem dwa -> nie co 1 tylko każdy następny element +2
x=n.arange(12).reshape(4,3) 12 elementów ułożonych w macierzy tak, że 4 wiersze i 3 kolumny
linspace( )
n.linspace(0,10,21) 21 rzeczywistych elementów macierzy z zakresu od 0 do 10 [0, 0.5, 1, 1.5 ... 9.5, 10]
rand( , )
randint( , ,size=( ))
Macierz wypełniona losowymi elementami:
n.random.rand(5,3) liczbami od 0 do 1, wymiary 5x3
n.random.randint(3,8, size=(2,4)) liczbami od 3 do 7, 2x4
skalar- do każdej liczby z danej macierzy dodawanie 1, odejmowanie 1, mnożenie przez 3 i dzielenie przez 3
macierz=n.array(([1,2,3],[1,2,3],[1,2,3]))
macierz+1
macierz-1
macierz*3
macierz/3
macierz +, -, / macierz
macierz1=n.array(([1,2,3],[1,2,3]))
macierz2=n.array((2,3))
macierz1+macierz2
macierz1-macierz2
macierz1/macierz2
macierz * macierz
mnożenie tablicowe (1 element z 1 macierzy * 1 element z 2 macierzy; 2 element z 1 macierzy * 2 element z 2 macierzy itp)
macierz1=n.array(([1,2,3],[3,4,5])
macierz2=n.ones((2,3))
print macierz1*macierz2
mnożenie macierzowe (1 element z 1 wiersza 1 macierzy * 1 element z 1 kolumny 2 macierzy + 2 element z 1 wiersza 1 macierzy * 2 elelemnt z 1 kolumny 2 macierzy + 3 element z 1 wiersza 1 macierzy * 3 element z 1 kolumny 2 macierzy)
macierz1=n.array(([1,2,3],[3,4,5],[2,3,1]))
macierz2=n.ones ((3,3))
print n.dot(macierz1,macierz2)
WYCINANIE FRAGMENTU MACIERZY [wiersz, kolumna]
macierz=n.arange(12).reshape(4,3)
print macierz[1,1] (wyświetl element z pierwszego(licząc od 0) wiersza i pierwszej kolumny)
print macierz[1,:] (wyświetl pierwszy (liczęc od 0) wiersz, bez kolumny)
print macierz[:,2] (bez wiersza, wyświetl 2 (licząc od zera) kolumnę)
print macierz[2:3,:] (od wiersza 2 do 3 (licząc od 0), ale bez 3, bez kolumny)
print macierz[0:2,1:3] (wyświetl to co się krzyżuje na drodze: zero, pierwszy wiersz i pierwsza, druga kolumna)
----------------------------------------------------
https://docs.scipy.org/doc/numpy-dev/user/quickstart.html
https://docs.scipy.org/doc/numpy/reference/
---------------------------------------------------------
Stwórz macierz o wymiarach 5x5 wypełnioną samymi zerami. Niech wartości po przekątnych będą jedynkami.
mz=n.eye(5,5)
mz [0,4]=1
mz [1,3]=1
mz [3,1]=1
mz [4,0]=1
print mz
--------------------------------------------------------------------
Przemnóż przez siebie tablicowo dwie macierze 4x4 wypełnione losowo. Sprawdź kolejne komórki. Jeśli jej zawartość jest większa niż 10, zamień ją na 10. Jeśli jej zawartość jest mniejsza niż 0, zamień ją na 0.
mb=n.random.randint(-15,15,size=(4,4))
mb1=n.random.randint(-15,15,size=(4,4))
print mb
print mb1
mb3=n.dot(mb,mb1)
print mb3
for i in range (0,4):
for j in range (0,4):
if int(mb3[i,j]) > 10:
mb3[i,j] = 10
elif int(mb3[i,j]) < 0:
mb3[i,j] = 0
print str(mb3)
--------------------------------------------------------------------
Stwórz macierz 5x5 wypełnioną losowo. Sprawdź jaki element jest w środku. Podziel przez niego całą macierz. Wynik powinien wyświetlić się z dokładnością do dwóch miejsc po przecinku.
mv=n.random.randint(1,10, size=(5,5))
print mv
print mv[2,2]
print mv[2,2]/mv
Subskrybuj:
Posty (Atom)