2080青菜,铜陵学院体育部,10月15日是什么节日
课程主要内容：
常用ide：
本课程主要使用：anaconda
anaconda：一个集合，包括conda、某版本python、一批第三方库等
-支持近800个第三方库
-适合科学计算领域
-包含多个主流工具
-开源免费
-跨平台
本身不是个ide 是将多个工具集成在一起的
conda
-一个工具，用于包管理和环境管理
-包管理与pip类似，管理python第三方库
-环境管理能够允许用户使用不同版本的python，并能灵活切换
conda将工具、第三方库、python版本、conda都当作包，同等对待
conda有命令行工具
c:\users\king\anaconda3\scripts\conda.exe –version 可以查看conda版本
conda update conda 升级conda
刚开始的是命令行，现在也集成为gui，anaconda默认生成root的环境空间
编程工具：spyder
默认不舒服 改下
交互式编程环境：ipython
-是一个功能强大的交互式shell
-适合进行交互式数据可视化和gui相关应用
ipython几个技巧
？：可以在变量或者函数前面加？获得通用信息
%run ：可以执行.py程序 注意：%run在一个空的命名空间执行%
trouble shooting:
在ubuntu18中安装了anaconda3,启动spyder报错segmentation fault (core dumped)
安装conda install pyopengl 然后再启动 卡住半天没了 出现killed报错 我日 然后升级了下anaconda3到最新才好了
数据的维度
一维数据 列表、集合
二维数据 表格是经典的二维数据 用列表表示
多维数据 二维数据在更多维度上展开 比如时间维度 用列表表示
高维数据 仅使用最基本的二元关系展示复杂关系 key-value形式组织数据 用字典类型或者其他json、xmal、yaml等
numpy的数组对象：ndarray
numpy是一个开源的python科学计算基础库
-一个强大的n维数组对象ndarray
-广播函数功能
-整合c/c++/fortran代码的工具
-线性代数、傅里叶变换、随机数生成等功能
numpy是scipy、pandas等数据处理或科学计算库的基础
使用 import numpy as np
ndarray是一个多维数组，由两部分组成，要求数组元素类型相同，数组下标从0开始
-元数据（数据维度，数据类型等）
-实际数据
np.array() –ndarray别名是array
轴(axis):保存数据的维度
秩(rank):轴的数量
例子：
里面的int32不是python基础类型，是numpy定义的类型，更多类型如下：
为啥要这么多数据类型？
-科学计算涉及大量数据，对性能和存储都有较高要求
-对元素类型精细定义，有助于numpy合理使用存储空间并优化性能，有助于程序员对程序规模由合理评估
ndarray数组也可以由非同质对象构成
非同质ndarray元素为对象类型
非同质ndarray数组无法发挥numpy优势，尽量避免使用
ndarray数组的创建和变换
1) 从python列表元组等类型创建数组
x = np.array(list/tuple)
x = np.array(list/tuple,dtype=np.float32) 不指定类型的时候numpy自动关联一个合适的
除了arange函数，其他都是浮点数
ndarray数组的变换：维度变换、元素类型变换
ndarray数组向列表变换
ls = a.tolist()
ndarray数组的操作
索引和切片
ndarray一维数组的索引和列表一样
ndarray数组的运算
数组与标量的运算等于每个元素都和这个标量算一下
maximum等经过运算存在数据类型隐式转换
数据的csv文件存取
csv只能存储读取一维和二维数据，这是它的局限
多维数据的存取
对于ndarray数组 有个方法 a.tofile(frame,sep=’’,format=’%s’)
-frame 文件、字符串 sep：数据分隔符，如果是空串，写入文件为二进制 format：写入数据的格式
可以保存为二进制，小些，但是无法人类读懂，如果知道是这样写的，可以还原，作为一种保存数据的方法
如何还原呢，np.fromfile(frame,dtype=float,count=-1,sep=’’)
-dtype:读取的数据类型 count：读入元素的个数-1表示全部
使用这个方法需要知道存入文件时候的数组维度和元素类型，就是元数据，所以fromfile和tofile需要配合使用，可以将元数据另外存储解决
numpy的便捷文件存取
np.save(fname,array)或者np.savez(fname,array)
-fname:文件名以.npy或者.npz
np.load(fname)
numpy的随机数函数
numpy的random子库 np.random.*
numpy的统计函数
numpy的梯度函数
图像的数组表示
rgb色彩表示
pil库 处理图像的第三方库 pip install pillow from pil import image
image是pil库中代表图像的类(对象)
图像是一个由像素组成的二维矩阵，每个元素是一个rgb值
图像的变换
图像的手绘实例
手绘特征：黑白灰色、边界线条较重、相同或者相近色彩趋于白色、略有光源效果
我要评论from pil import image
import numpy as np
a = np.asarray(image.open('./beijing.jpg').convert('l')).astype('float')
depth = 10. # (0-100)
grad = np.gradient(a) #取图像灰度的梯度值
grad_x, grad_y = grad #分别取横纵图像梯度值
grad_x = grad_x*depth/100.
grad_y = grad_y*depth/100.
a = np.sqrt(grad_x**2 + grad_y**2 + 1.)
uni_x = grad_x/a
uni_y = grad_y/a
uni_z = 1./a
vec_el = np.pi/2.2 # 光源的俯视角度，弧度值
vec_az = np.pi/4. # 光源的方位角度，弧度值
dx = np.cos(vec_el)*np.cos(vec_az) #光源对x 轴的影响
dy = np.cos(vec_el)*np.sin(vec_az) #光源对y 轴的影响
dz = np.sin(vec_el) #光源对z 轴的影响
b = 255*(dx*uni_x + dy*uni_y + dz*uni_z) #光源归一化
b = b.clip(0,255)
im = image.fromarray(b.astype('uint8')) #重构图像
im.save('./beijinghd.jpg')
由各种数据可视化类组成，内部结构复杂，是受matlab启发
matplotlib.pyplot是绘制各类可视化图形的命令子库，相当于快捷方式
import matplotlib.pyplot as plt
plt.savefig(‘test’,dpi=600) #保存为png文件
绘制多个图形，分区域plt.subplot(3,2,4)
pylot的plot函数
plt.plot(x,y,format_string,**kwargs)
-format_string 表示曲线的格式字符串 **kwargs表示第二组或更多(x,y,format_string) 当绘制多条曲线x不能省略，当绘制一条时候可以省略x用索引值
format_string由颜色字符、风格字符、标记字符组成
pyplot的中文显示
方法1：修改绘制区域的全部字体
方法2：
pylot的文本显示
首先字符串前边的r代表是原始字符串，也就是里边的内容不需要转移，这个一般在正则表达式的时候也这么用，而这里是latext的用法，在python中使用latext，需要在文本的前后加上$符号，也就是你所用的那样，然后就是latext的文本了，当你输入了以上内容，matplotlib会自动为你解析的，\pi代表的就是π
pylot子绘图区域
这种方法每次都要写（3，3），用另外一种方法gridspec类
pylot饼图绘制
pylot直方图绘制
pylot极坐标绘制
pyplot散点图绘制
面向对象的绘制方法是matplotlib库的推荐方法，pillow库的函数变为对象的方法
引力波数据源
import numpy as np
import matplotlib.pyplot as plt
from scipy.io import wavfile
rate_h, hstrain= wavfile.read(r"h1_strain.wav","rb")
rate_l, lstrain= wavfile.read(r"l1_strain.wav","rb")
#reftime, ref_h1 = np.genfromtxt('gw150914_4_nr_waveform_template.txt').transpose()
reftime, ref_h1 = np.genfromtxt('wf_template.txt').transpose() #使用python123.io下载文件
htime_interval = 1/rate_h
ltime_interval = 1/rate_l
fig = plt.figure(figsize=(12, 6))
# 丢失信号起始点
htime_len = hstrain.shape[0]/rate_h
htime = np.arange(-htime_len/2, htime_len/2 , htime_interval)
plth = fig.add_subplot(221)
plth.plot(htime, hstrain, 'y')
plth.set_xlabel('time (seconds)')
plth.set_ylabel('h1 strain')
plth.set_title('h1 strain')
ltime_len = lstrain.shape[0]/rate_l
ltime = np.arange(-ltime_len/2, ltime_len/2 , ltime_interval)
pltl = fig.add_subplot(222)
pltl.plot(ltime, lstrain, 'g')
pltl.set_xlabel('time (seconds)')
pltl.set_ylabel('l1 strain')
pltl.set_title('l1 strain')
pltref = fig.add_subplot(212)
pltref.plot(reftime, ref_h1)
pltref.set_xlabel('time (seconds)')
pltref.set_ylabel('template strain')
pltref.set_title('template')
fig.tight_layout()
plt.savefig("gravitational_waves_original.png")
plt.show()
plt.close(fig)
结果
pandas提供高性能易用数据类型和分析工具
import pandas as pd
pandas库的series类型 –一维
也支持自定义索引
b.index b.values 获得索引和数据 类似ndarray和字典
两套索引并存 但是不能混用
series类型也与字典类型类似 可以in, get()
pandas库的dataframe类型 –二维
由共用相同索引的一组列组成，实际上就是一个表格
是一个表格型的数据类型，每列值类型可以不同
既有行索引也有列索引
常用于表达二维数据，单可以表达多维数据
dataframe基本操作类似series，根据行列索引
pandas库的数据数据类型操作
如何改变结构呢 增加 或重排：重新索引 删除:drop
索引是不可修改类型 索引的操作就是对数据的操作 numpy不存在索引 必须通过维度来操作
series只有0轴 dataframe由0轴 1轴，drop默认操作0轴
pandas库的数据类型运算
算术类型运算
比较运算
数据和索引建立关联关系 达到操作索引就是操作数据
数据的排序
可以对索引排序
也可以对数据排序
基本的统计分析函数
累计统计分析
滚动计算（窗口计算）
数据的相关分析
如对本文有疑问，请在下面进行留言讨论，广大热心网友会与你互动！！ 点击进行留言回复
Python爬虫:Request Payload和Form Data的简单区别说明
浅谈Python中threading join和setDaemon用法及区别说明
Python3-异步进程回调函数(callback())介绍
python继承threading.Thread实现有返回值的子类实例
Python中使用threading.Event协调线程的运行详解
网友评论