Python实训---第三天
匿名函数
结构
lambda x1, x2....xn: 表达式
sum_num = lambda x1, x2: x1+x2
print(sum_num(2, 3))
参数可以是无限多个，但是表达式只有一个
name_info_list = [
('张三',4500),
('李四',9900),
('王五',2000),
('赵六',5500),
]
name_info_list.sort(key=lambda x:x[1], reverse=True)
print(name_info_list)
stu_info = [
{"name":'zhangsan', "age":18},
{"name":'lisi', "age":30},
{"name":'wangwu', "age":99},
{"name":'tiaqi', "age":3},
]
stu_info.sort(key=lambda i:i['age'])
print(stu_info)
列表推导式，列表解析字典
(1)列表推导式 ：
[表达式 for 临时变量 in 可迭代对象 可以追加的条件]
eg： print([i for i in range(10)])
(2)列表解析
# 筛选出列表中所有偶数
# 写法一
li=[]
for i in range(10):
if(i%2)==0:
li.append(i)
print(li)
#写法二
print([i for i in range(10) if i%2 ==0])
# 筛选出列表大于0的数
from random import randint
num_list = [randint(-10,10) for _ in range(10)]
print(num_list)
print([i for i in num_list if i > 0])
(3)字典解析
# 生成100个学生的成绩
stu_grade = {'student{}'.format(i):randint(50,100) for i in range(1,101)}
print(stu_grade)
# 筛选大于60分的所有学生
print({k:v for k,v in stu_grade.items() if v > 60})
导入matplotlib
from matplotlib import pyplot as plt
plt.rcParams["font.sans-serif"] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
import numpy as np
曲线图
# 使用100个点 绘制 [0，2π]正弦曲线图
# .linspace 左闭右开区间的等差数列
x = np.linspace(0,2*np.pi,num=100)
print(x)
y = np.sin(x)
# 正弦和余弦在同一坐标系下
cosy = np.cos(x)
plt.plot(x,y,color='g',linestyle='--',label='sin(x)') #设置曲线的x、y轴，线条颜色和线条样式和样式
plt.plot(x,cosy,color='r',label='cos(x)')
plt.xlabel('时间(s)') # 坐标轴的标签
plt.ylabel('电压(V)')
plt.title('欢迎来到Python世界')
# 图例
plt.legend() #与plot中的label配合使用
plt.show()
柱状图
import string
from random import randint
print(string.ascii_uppercase[0:6])
x = ['口红{}'.format(x) for x in string.ascii_uppercase[:5] ]
y = [randint(200, 500) for _ in range(5)]
print(x)
print(y)
plt.xlabel('口红品牌')
plt.ylabel('价格（元）')
plt.bar(x, y)
plt.show()
饼图
from random import randint
import string
counts = [randint(3500, 9000) for _ in range(6)]
labels = ['员工{}'.format(x) for x in string.ascii_lowercase[:6] ]
explode = [0.1,0,0, 0, 0,0]
colors = ['red', 'purple','blue', 'yellow','gray','green']
plt.pie(counts,explode = explode,shadow=True,
labels=labels, autopct = '%1.1f%%',colors=colors)
plt.legend(loc=2)
plt.axis('equal')
plt.show()
散点图
# 均值为 0 标准差为1 的正太分布数据
# x = np.random.normal(0, 1, 100)
# y = np.random.normal(0, 1, 100)
# plt.scatter(x, y)
# plt.show()
x = np.random.normal(0, 1, 1000) #numpy.random.normal(loc=0.0, scale=1.0, size=None)
y = np.random.normal(0, 1, 1000) #loc 均值 scale 标准差 size 点的个数
# alpha透明度
plt.scatter(x, y, alpha=0.1)
plt.show()
