一、多項式

舉個例子，：

>>> p = np.poly1d([3, 2, -1])
>>> p(0)
-1
>>> p.roots
array([-1.        ,  0.33333333])
>>> p.order
2

1、更多與多項式相關

同樣以 為例：

>>> p = np.polynomial.Polynomial([-1, 2, 3]) # coefs in different order!
>>> p(0)
-1.0
>>> p.roots()
array([
 
-1.        ,  0.33333333])
>>> p.degree()  # In general polynomials do not always expose ‘order‘
2

在切比雪夫基礎上使用多項式的例子：

>>> x = np.linspace(-1, 1, 2000)
>>> y = np.cos(x) + 0.3*np.random.rand(2000)
>>> p = np.polynomial.Chebyshev.fit(x, y, 90)

>>> t = np.linspace(-1, 1, 200)
 
>>> plt.plot(x, y, ‘r.‘)   
[<matplotlib.lines.Line2D object at ...>]
>>> plt.plot(t, p(t), ‘k-‘, lw=3)   
[<matplotlib.lines.Line2D object at ...>]

切比雪夫多項式在插值時十分有用。

二、加載數據文件

1、文本文件（.txt）

>>> data = np.loadtxt(‘data/populations.txt‘)  # 註意路徑要使用‘/‘
>>> np.savetxt(‘
 
pop2.txt‘, data)
>>> data2 = np.loadtxt(‘pop2.txt‘)

註意：如果你的文本文件比較復雜，你可以試一下：

（1） np.genfromtxt

（2） 使用Python的 I/O函數 和 例如 正則表達式用來解析

tips：IPython中的幾個常用的文件系統的文件及文件夾命令：

In [1]: pwd      # show current directory
‘/home/user/stuff/2011-numpy-tutorial‘
In [2]: cd ex
‘/home/user/stuff/2011-numpy-tutorial/ex‘
In [3]: ls
populations.txt  species.txt

2、圖像文件

（1）使用matplotlib庫：

>>> img = plt.imread(‘C:/Users/Steacy/Downloads/me.jpg‘)
>>> img.shape, img.dtype
((680, 654, 3), dtype(‘uint8‘))
>>> plt.imshow(img)
<matplotlib.image.AxesImage object at 0x000001B7E219C390>
>>> plt.savefig(‘plot.png‘)
>>> plt.imsave(‘red_plot‘, img[:,:,0], cmap=plt.cm.gray)
>>> plt.show()

>>> plt.imshow(plt.imread(‘C:/Users/Steacy/red_plot‘))
<matplotlib.image.AxesImage object at 0x000001B7E293C390>
>>> plt.show()

（2）使用其他庫

>>> from scipy.misc import imsave
>>> imsave(‘tiny_me.png‘,img[::6,::6])
>>> plt.imshow(plt.imread(‘C:/Users/Steacy/tiny_me.png‘), interpolation=‘nearest‘)
<matplotlib.image.AxesImage object at 0x000001B7E5034C18>
>>> plt.show()

3、Numpy二進制文件 - 高效 I/O 操作

>>> data = np.ones((3, 3))
>>> np.save(‘pop.npy‘, data)
>>> data3 = np.load(‘pop.npy‘)

4、其他常見的文件類型

（1）HDF5：h5py, PyTables

（2）NetCDF：scipy.io.netcdf_file, netcdf4-python, ...

（3）Matlab：scipy.io.loadmat, scipy.io.savemat

（4）MatrixMarket：scipy.io.mmread, scipy.io.mmwrite

（5）IDL：scipy.io.readsav

NumPy學習筆記：4、高級運算