一维与二维数组的数据处理与可视化

### 一维与二维数组的数据处理与可视化 在数据处理和分析中，一维和二维数组是常用的数据结构。下面将详细介绍一维和二维数组的相关操作，包括数组的创建、填充、数据处理以及可视化等内容。 #### 1. 序列化与一维数组 序列化可用于几乎任何相关类。对于大量的 P0D 数组序列，使用 HFile 类是最佳选择。同时，在后续操作中，可以使用 Jython 字典将各种对象存储在序列化文件中，并在之后使用键来获取它们。 #### 2. 二维数组（P1D 类） 在很多情况下，我们需要在二维空间中展示数据，此时 P1D 类就派上了用场。它是专门为二维数据操作而设计的核心类之一，与用于在二维平面上显示函数的 F1D 类名称相似。 ##### 2.1 P1D 对象的声明与填充 P1D 对象的声明与 P0D 类类似，但需要使用 `add(x,y)` 方法至少填充两个数字。以下是一个简单的示例： ```python >>> from jhplot import * >>> p1=P1D("x-y points") >>> p1.add(10,20) >>> p1.add(20.,40.) ``` 不过，在 Python 循环中使用 `add(x,y)` 方法并非最优选择。为避免性能损失，可以使用该类的高级方法来传递包含数字的容器，而不是直接传递数字。例如，我们可以从两个 P0D 数组填充 P1D 对象： ```python >>> from jhplot import * >>> p1=P1D("x-y points") >>> p01=P0D("px"); p02=P0D("py") >>> ax=p01.randomNormal(100,1.0,0.5) >>> ay=p02.randomNormal(100,10.0,1.0) >>> p1.fill(ax,ay) ``` 上述代码还可以进一步简化，直接将 P0D 数组传递给 P1D 构造函数： ```python >>> p1=P1D("x-y points",p01,p02) ``` 需要注意的是，输入数组的大小必须相同。 ##### 2.2 P1D 数组的数据操作 填充完 P1D 数组后，我们可以进行以下操作： - **替换数据点**：使用 `set(i,x,y)` 方法，其中 `i` 表示 (x, y) 点在数组中的位置（索引）。 - **清空数组**：使用 `clear()` 方法。 - **获取数组大小**：使用 `size()` 方法。 - **提取数据点**：可以使用 `getX(i)` 和 `getY(i)` 方法（`0 ≤i < size()`），也可以直接获取 x 和 y 值的数组，而无需遍历容器中的所有元素： ```python >>> from jhplot import * >>> p1= P1D("x-y points") >>> p1.add(10,20) >>> p1.add(20,50) >>> ax=p1.getArrayX() # get all X values as array >>> ay=p1.getArrayY() # get all Y values as array ``` 此外，还可以从外部文件初始化 P1D 对象： ```python >>> p1= P1D("data from file", "data.d") ``` 输入文件的格式很简单，每对数字应位于新的一行。若要添加注释，可在每行开头使用 "#"。 ##### 2.3 带误差的数据 P1D 对象不仅可以存储 (x, y) 数据，还能保存 x 和 y 值的误差信息，这使其非常适合存储测量数据。误差分为两种类型： - **统计误差（一级误差）**：由于随机事件计数中固有的统计不确定性导致。 - **系统误差（二级误差）**：主要源于仪器误差或其他非随机原因。 一个位于 (x, y) 位置的点由十个双精度数字表征：两个数字表示 (x, y) 中的中心位置，另外八个数字指定其误差。以下是添加带误差数据的示例： ```python # 仅添加统计误差 >>> p1.add(x,y,err) # 添加不对称统计误差 >>> p1.add(x,y,err_up, err_down) # 仅添加一级误差 >>> p1.add(x,y,xLeft,xRight,yUpper,yLower) # 添加一级和二级误差 >>> p1.add(x,y,xLeft,xRight,yUpper,yLower,xLeftSys, xRightSys,yUpperSys,yLowerSys) ``` 有时，我们可能需要重置误差为零，可使用以下方法： ```python >>> p1.setErrToZero(a) # set 1st-level errors to 0 >>> p1.setErrAllToZero(a) # set 1st and 2nd errors to 0 >>> p1.setErrSysToZero(a) # set 2nd-level error to 0 ``` 其中，`a = 0` 表示 x 值，`a = 1` 表示 y 值。 若需要根据计数事件的数量生成新的误差（统计误差为 √y），可以使用 `p1.setErrSqrt(a)` 方法，`a=0` 时设置 x 的一级误差，`a=1` 时设置 y 的一级误差。 获取 P1D 对象的最小或最大索引值可使用以下方法： ```python >>> p1=p1.getMinIndex(a) # index with min >>> p1=p1.getMaxIndex(a) # index with max ``` 其中，`a=0` 表示 x 值，`a=1` 表示 y 值。 要查找 P1D 数组的所有主要统计特征，可使用 `getStat()` 方法： ```python from jhplot import * p1= P1D() p1.add(12,100); p1.add(22,80); p1.add(28,110); p1.add(54,50); statX=p1.getStat(0) # statistics of X values f ```