列表解析

列表解析式用紧凑的方式来构造列表。
语法：
[表达式 for循环 条件]
例如：要得到0-20的偶数列表。需要在0-20中循环，判断是不是偶数，是就得到这个数。用常规方式：

alist=[]
for i in range(21):
	if i%2==0:
		alist.append(i)

如果用列表解析：

alist=[i for i in range(21) if i%2==0]

这种方法也可以用于字符串。

用matplotlib模块绘制成图形

导入模块

使用 matplotlib 包画图时，我们一般加载里面的 pyplot，并命名为 plt，然后使用 plot 函数画图。

import matplotlib.pyplot as plt

绘制图形时，需要两个列表：x值列表和y值列表。
两个列表的元素个数必须一样，一个y值对应一个x值。

numpy阵列

阵列和列表相似。它是序列数据结构，支持索引和分片，也是可变的数据结构，能响应索引赋值。**阵列和列表最大的区别在于，numpy阵列只能包含相同的数据类型，默认情况下为浮点数类型。**由于有类型限制，因此在阵列上能更有效地进行浮点运算。阵列有许多方法。

需要先导入numpy库

inport numpy as np

将列表转为阵列

**array构造函数能将列表对象作为参数，并将其转换为阵列。列表中的元素只能包含数字。**最终阵列对象的数字必须都是一种类型。如果存在混合类型(浮点数和整数)的情况，会将所有的数字转换成浮点数。显示时，阵列将把字符串“array”作为显示对象的一部分。可以使用numpy的append 函数把元素添加到阵列中。

语法：

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

名称	描述
object	数组或嵌套的数列
dtype	数组元素的数据类型，可选
copy	对象是否需要复制，可选
order	创建数组的样式，C为行方向，F为列方向，A为任意方向（默认）
subok	默认返回一个与基类类型一致的数组
ndmin	指定生成数组的最小维度

arrange函数创建阵列

和range 函数非常相似,:numpy中的arange 函数生成值的范围。差异在于生成的值不是整数，而是浮点值，并且返回的对象是阵列不是列表。arange有三个参数:开始值(浮点值)，结束值(浮点值），和增量（浮点值）

numpy.arange(开始值, 结束值, 增量, 数据类型)

例如：x = np.arange(5) 可以得到阵列[0 1 2 3 4]

广播

广播(Broadcast)是 numpy 对不同形状(shape)的数组进行数值计算的方式， 对数组的算术运算通常在相应的元素上进行。

如果两个数组 a 和 b 形状相同，即满足 a.shape == b.shape，那么 a*b 的结果就是 a 与 b 数组对应位相乘。这要求维数相同，且各维度的长度相同。

a = np.array([1,2,3,4]) 
b = np.array([10,20,30,40]) 
c = a * b 

以上c会得到[10 40 90 160]
更多内容看这个https://www.runoob.com/numpy/numpy-broadcast.html

使用matplotilib将阵列绘制成图

plot() 函数是绘制二维图形的最基本函数。
plot() 用于画图它可以绘制点和线，语法格式如下：

#画单条线
plot([x], y, [fmt], *, data=None, **kwargs)
#画多条线
plot([x], y, [fmt], [x2], y2, [fmt2], …, **kwargs)

• x, y：点或线的节点，x 为 x 轴数据，y 为 y 轴数据，数据可以列表或数组。

• fmt：可选，定义基本格式（如颜色、标记和线条样式）。

• **kwargs：可选，用在二维平面图上，设置指定属性，如标签，线的宽度等。

• 颜色字符：‘b’ 蓝色，‘m’ 洋红色，‘g’ 绿色，‘y’ 黄色，‘r’ 红色，‘k’ 黑色，‘w’ 白色，‘c’ 青绿色，‘#008000’ RGB 颜色符串。多条曲线不指定颜色时，会自动选择不同颜色。

• 线型参数：‘‐’ 实线，‘‐‐’ 破折线，‘‐.’ 点划线，‘:’ 虚线。

• 标记字符：‘.’ 点标记，‘,’ 像素标记(极小点)，‘o’ 实心圈标记，‘v’ 倒三角标记，‘^’ 上三角标记，‘>’ 右三角标记，‘<’ 左三角标记…等等。

import matplotlib.pyplot as plt
import numpy as np

xpoints = np.array([1, 8])
ypoints = np.array([3, 10])

plt.plot(xpoints, ypoints)
plt.show()

更多案例可以看这个https://www.runoob.com/matplotlib/matplotlib-pyplot.html