Numpy（八）SciPy

柔光的暖阳◎ 2022-06-02 08:48 156阅读 0赞

SciPy是世界著名的Python开源科学计算库，建立在NumPy之上。它增加的功能包括数值积分、最优化、统计和一些专用函数。

1、保存和加载.mat 文件

import numpy as np
    from scipy import io
    # (1) 创建NumPy数组并调用savemat创建一个.mat文件。该函数有两个参数——一个文件名和一个包含变量名和取值的字典。
    a = np.arange(7)
    io.savemat("a.mat", {"array": a})

2、分析随机数

from scipy import stats
    import matplotlib.pyplot as plt
    # (1) 使用scipy.stats包按正态分布生成随机数。
    generated = stats.norm.rvs(size=900)
    # (2) 用正态分布去拟合生成的数据，得到其均值和标准差：
    print "Mean", "Std", stats.norm.fit(generated)
    
    # (3) 偏度（skewness）描述的是概率分布的偏斜（非对称）程度。我们来做一个偏度检验。该检验有两个返回值，其中第二个返回值为p-value，即观察到的数据集服从正态分布的概率，取
    # 值范围为0~1。
    print "Skewtest", "pvalue", stats.skewtest(generated)
    # (4) 峰度（kurtosis）描述的是概率分布曲线的陡峭程度。我们来做一个峰度检验。该检验与偏度检验类似，当然这里是针对峰度。
    print "Kurtosistest", "pvalue", stats.kurtosistest(generated)
    
    # (5) 正态性检验（normality test）可以检查数据集服从正态分布的程度。我们来做一个正态性检验。该检验同样有两个返回值，其中第二个返回值为p-value。
    print "Normaltest", "pvalue", stats.normaltest(generated)
    
    # (6) 使用SciPy我们可以很方便地得到数据所在的区段中某一百分比处的数值：
    print "95 percentile", stats.scoreatpercentile(generated, 95)
    
    # (7) 将前一步反过来，我们也可以从数值1出发找到对应的百分比：
    print "Percentile at 1", stats.percentileofscore(generated, 1)
    
    # (8) 使用Matplotlib绘制生成数据的分布直方图。有关Matplotlib的详细介绍可以在前一章中找到。
    plt.hist(generated)
    plt.show()

3、插值

import numpy as np
    from scipy import interpolate
    import matplotlib.pyplot as plt
    # (1) 创建数据点并添加噪音：
    x = np.linspace(-18, 18, 36)
    noise = 0.1 * np.random.random(len(x))
    signal = np.sinc(x) + noise
    # (2) 创建一个线性插值函数，并应用于有5倍数据点个数的输入数组：
    interpreted = interpolate.interp1d(x, signal)
    x2 = np.linspace(-18, 18, 180)
    y = interpreted(x2)
    # (3) 执行与前一步相同的操作，不过这里使用三次插值。
    cubic = interpolate.interp1d(x, signal, kind="cubic")
    y2 = cubic(x2)
    # (4) 使用Matplotlitb绘制结果。
    plt.plot(x, signal, 'o', label="data")
    plt.plot(x2, y, '-', label="linear")
    plt.plot(x2, y2, '-', lw=2, label="cubic" )
    plt.legend()
    plt.show()

4、重复音频片段

from scipy.io import wavfile
    import matplotlib.pyplot as plt
    import urllib2
    import numpy as np
    import sys
    response = urllib2.urlopen('http://www.thesoundarchive.com/austinpowers/smashingbaby.wav')
    print response.info()
    WAV_FILE = 'smashingbaby.wav'
    filehandle = open(WAV_FILE, 'w')
    filehandle.write(response.read())
    filehandle.close()
    sample_rate, data = wavfile.read(WAV_FILE)
    print "Data type", data.dtype, "Shape", data.shape
    plt.subplot(2, 1, 1)
    plt.title("Original" )
    plt.plot(data)
    plt.subplot(2, 1, 2)
    # 重复音频片段
    repeated = np.tile(data, 5)
    # 绘制音频数据
    plt.title("Repeated")
    plt.plot(repeated)
    wavfile.write("repeated_yababy.wav", sample_rate, repeated)
    plt.show ()

5、 matplotlib有一个finance子模块提供了一个获取雅虎股票数据的api接口：quotes\_historical\_yahoo\_ochl

参考：http://www.cnblogs.com/hhh5460/p/5120079.html

# python yahoo的数据源没法用 #

待续！