滚动窗口

基础算法是基于滚动窗口（rolling window）模式。窗口滚动过数据，然后计算出窗口内数据的平均值。

中值滤波

中心思想就是逐项的遍历信号，并用相邻信号的中值替换当前项。这种方法可以使得滤波处理非常快速，而且对一维数据集合和两维数据集合都适用。

matplotlib

参数

动态配置参数

执行过程中，可以通过两种方式运行参数：

• 使用参数字典 rcParams

  import matplotlib as mpl
  mpl.rcParams['lines.linewidth']=2
  mpl.rcParams['lines.color']='r'
  

• 使用 matplotlib.rc() 函数修改

  import matplotlib as mpl
  mpl.rc('lines', linewidth=2, color='r')
  

若想重置动态修改后的配置参数，可以调用 matplotlib.rcdefaults() 将配置重置。

永久配置参数

配置永久的参数，可以避免一些重复配置，针对不同的影响范围，可以通过调整配置文件的位置来分别配置。

分类

项目级

当前目录下新增文件 matplotlibrc ，仅影响目录下的 matplotlib 的配置。

用户级

$HOME/.matplotlib/matplotlibrc ，当前用户下的都按这个配置文件控制。

安装级

site-packages 目录下，所有调用的模块都会按此配置执行，但是如果使用的是虚拟环境（conda/pdm/virtualvenv）等，则仅是项目下配置。

如果不清楚配置文件的地址，可以使用命令获取对应的位置：

import matplotlib as mpl
print(mpl.get_configdir())

配置项

axes

设置坐标轴边界和表面的颜色、坐标刻度值大小和网格的显示

backend

设置目标输出 TkAgg 和 GTKAgg

figure

控制 dpi 、边界颜色、图形大小和子区（subplot）设置

font

字体集（font family）、字体大小和样式设置

grid

设置网格颜色和线型

legend

设置图例和其中文本的显示

line

设置线条（颜色、线型、宽度等）和标记

patch

填充 2D 空间的图形对象，如多边形和圆。控制线宽、颜色和抗锯齿设置

savefig

可以对保存的图形进行单独设置。例如设置渲染文件背景为白色

text

设置字体颜色、文本解析等

verbose

设置 matplotlib 在执行期间信息输出，如 silent/helpful/debug 和 debug-annoying

xticks/yticks

为 x、y 轴的主刻度和次刻度设置颜色、大小、方向，以及标签的大小

autoscale

设置是否自动缩放坐标轴

xlim/ylim

手动设置坐标轴范围

常用方法

figure()

创建新的图表

subplot()

subplot(231) 是指把图表分成 2 × 3 的网络，也可以使用 subplot(2,3,1) ，通过添加 axisbg=(r,b,g) 设置坐标轴的背景色

axvline/axhline

会根据给定的 x 和 y 值相应地绘制出相对于坐标轴的水平线和垂直线

axhspan\axvspan

添加一个跨坐标轴的水平带，xmin/ymin ，xmax/ymax 指定了水平带的宽度。

grid

切换网格显示状态， which 指定绘制的网格刻度类型（major,minor,both）， axis 指定绘制哪组网络线（both,x,y）

图表

bar

主要用来显示正确的数据，用于可视化数据的分布统计。

• barh 则表示横向的柱状图
• 设置参数 bottom=y 可以将第二个柱状图和前一个连接起来形成堆叠柱状图

• 参数

  bins : 表示一定间隔下数据点的垂直矩形

  range : bin 的范围，当 bins 参数为序列时，此参数无效，范围外的值将被忽略，默认为 None

  normed : 如果为 True ，直方图将进行归一化处理，形成概率密度，默认为 False

  histtype : 默认为 bar 类型的直方图，默认为 bar - barstacked: 多种数据的堆叠直方图 - step: 创建未填充的线型图 - stepfilled: 创建默认填充的线形图

  align : 用户 bin 边界之间矩形条的居中设置，默认为 mid 也可以选择 left 和 right

  color : 指定直方图的颜色

  orientation : 默认为垂直直方图，设置为 horizontal 创建水平直方图

  hatch : 可以用来填充不同的图形

• 误差条形图

  误差条形图来可视化数据集合的测量不确定度或者指出错误。误差条可以简单的表示误差偏离数据集合的情况，可以显示一个标准差、标准误差、或者 95% 的置信区间。

  width : 给定误差条的宽度，默认 0.8

  bottom : 如果指定了 bottom ，其值会加到高度中，默认为 None

  edgecolor : 指定误差条的颜色

  linewidth : 误差条边界宽度，可以设为 None 和 0 （此时误差条边界不显示）

  orientation : 有 vertical 和 horizontal 两个值

  xerr/yerr : 用于在柱状图上生成误差条

boxplot

可以创建条线图，图中的箱体从下四分位数延伸到上四分位数，并带有一条中值线。

最小值

数据集合的最小值

第二四分位数

其以下为数据集合中较低的 25% 数据

中值

数据集合的中值

第三四分位数

其以上为数据集合中较高的 25% 数据

最大值

给定数据集合的最大值

scatter

• 散点图可以展示数据的分布

pie

饼图描述数值的比例关系，每个扇区的弧长大小为其所表示的数量比例。

autopct

格式化绘制在圆弧中的标签，可以是一个格式化的字符串或者是一个可调用对象

startangle

默认从 x 轴开始逆时针排列，如果设置为 90 ，则从 y 轴开始

scatter

散点图标记两个变量相关关系的图。通常有自变量和应变量两个数据。通常可以用在拟合函数之前绘制，来识别数据的关联。

color

颜色

marker

设置点状标记，默认为 circle

alpha

透明度

edgecolors

标记的边界颜色

label

图例框

fill_between

可以为设置的区域设置对应的填充色

x

x 定点

y1/y2

条件的值

where

设定的条件来填充曲线，可以是布尔值，也可以是表达式

图表信息设置

刻度器

刻度是图形的一部分，locator_params

刻度定位器

指定刻度所在的位置

刻度格式器

指定刻度显示的样式

主刻度、次刻度

默认不显示次刻度，主刻度和次刻度可以被独立指定位置和格式化

日期变换

matplotlib.dates.date2num()

日期转数字

matplotlib.dates.num2date()

数字转日期

maptlotlib.dates.drange()

日期的序列

图例

legend(bbox_to_anchor=(0., 1.02, 1., .102), loc=3,
       ncol=3, mode="expand", borderaxespad=0)

legend

增加图例图标

• ncol=3: 设置列数，位置为 lower left 。
• bbox_to_anchor: 起始位置(0.0, 1.02, 1, 0.102)，分别为起始位置(0., 1.02)，宽度 1 和 高度 .102 。
• mode: expand 表示扩展到整个坐标轴区域
• borderaxespad: 指定了坐标轴和图例边界之间的间距

annotate("important value", (55,20), xycoords='data',
         xytext=(5, 38),
         arrowprops=dict(arrowstyle='->'))

annotate

显示一个指标器图标，可以在 xy 坐标位置数点添加一个字符器描述

• xycoord: data 指定注解和数据使用相同的坐标第
• xytext: 注解文本的起始位置通过此参数指定
• arrowprops: 字典中定义了很多箭头属性，用 arrowstyle 来指定箭头网格

ax.spines['bottom'].set_position(('data', 0))
ax.spines['left'].set_position(('data', 0))

ax.spines.set_position()

把轴线移到位置 (0,0)

numpy

图像映射内存

image = numpy.memmap(filename, dtype=numpy.uint8, shape=(375,500))

如果想做边缘检测、图像去噪，或者轮廓查找，可以从 scikit 工具中查找相应的算法。

可以看 scikit 的示例库学习相应的内容： https://scikit-imagw.org/docs/dev/auto_examples/

离散数据处理

convolve

返回两个一维序列的离散线性卷积

linspace

生成一个给定间隔的等距数字序列

ones

定义了一个所有元素值为 1 的序列或者矩阵，可以用它来生成用于求平均值的窗口

scipy

计算序列中条值的百分位

from scipy.stats import percentileofscore

percentileofscore

计算某个值在当前序列中的百分比的位置