《用python玩转数据》1

ps:突然发现记事本直接复制过来简直乱七八糟,可是现在忙于学习,不想改。

算了,暂时自己看懂就行了

《用python玩转数据》

1.1
print
raw_input()


注释
续行符 \
   在''' ''' ,小括号,中括号,大括号中,不用续行符
一行多语句 ;


1.1.3
标识符
赋值 多元赋值
    x=1;y=2; x,y=y,x -->x=2,y=1
语句


1.1.4 数据类型
整型/长整型
布尔型:True False
浮点型:9.8e3
复数性:实数加虚数
  复数.conjugate()  #复数的共轭
    x=2.4 + 5.6j
    x.real  --> 2.4 #取实数部分
    x.imag  --> 5.6 #取虚数部分
  
1.1.5 基本运算
  算术运算符的优先级
   乘方 ** 整除 // 取余 %


  from __future__ import division
  引进这个模块,可以进行正常的运算,即 3/2=1.5


  3<4<7 #same as (3<4)and(4<7)
  4>3==3 #same as (4>3)and(3==3)


  字符运算符
     -原始字符串操作符(r/R):
         用于一些不希望转义字符起作用的地方
     -Unicode字符串操作符(u/U)
转换成Unicode字符串
  print u[r]'string'


1.1.6 函数、模板、包、库
   dir(__builtins__)
   查看内建函数


1.2.1条件
    if 
1.2.2 循环
    range(start,end,step=1) 
    xrange语法跟range一样,返回生成器,内存处理效率更高(python2)
1.2.3 循环 while for
    列表解析
    [i+1 for i in range(10) if i%2 == 0]  --> [1,3,5,7,9]
1.2.4 break continue(for 和 while 与else搭配使用)
1.2.5自定义函数
    print 函数名.doc 查看函数文档
  传递函数
    def addMe2Me(x):
        return(x+x)
    def self(f,y):
        print(f(y))
  >>self(addMe2Me,2.2)
  4.4
  lambda函数
    my_add= lambda x,y:x+y
  >>my_add(3,5)
  8
1.2.6递归 汉诺塔

1.2.7 变量作用域


学习课程是:https://www.coursera.org这里面的《用python玩转数据》

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
《用 Python 玩转数据》项目一:基于 PyTorch 的图像识别 《用 Python 玩转数据》项目一是一本由清华大学教授刘江所著的数据科学实战指南,该书介绍了基于 Python数据处理、可视化、建模和应用等方面的知识和技能,丰富了读者的数据科学实践能力。其中,第一章的项目就是基于 PyTorch 的图像识别。 PyTorch 是一个基于 Python 的科学计算库,它支持自动求导技术,让深度学习的建模和训练变得更加简单易用。在图像识别的项目中,主要分为以下几个步骤: 1. 数据预处理 首先,需要准备一组有标签的图片数据集,将其按照一定比例划分为训练集和测试集。对于图片,需要对其进行标准化处理,使其像素值落在 [0,1] 的取值范围内,并对其进行大小调整,以便于后续处理。 2. 搭建模型 在 PyTorch 中,可以通过定义 nn.Module 的子类来定义神经网络模型。对于图像识别,可以使用卷积神经网络(Convolutional Neural Network,CNN)模型,其具有良好的特征提取和分类能力。在模型搭建时,需要指定模型的结构、激活函数、优化器等参数,然后训练模型。 3. 训练模型 将准备好的训练集数据输入到模型中,通过反向传播算法不断更新模型的参数,使其能够逐步适应数据集的特征。在训练过程中,需要设置一些超参数,如学习率、批次大小、迭代次数等,以便于模型的优化和训练效果的提升。 4. 测试模型 训练完成后,可以将准备好的测试集数据输入到模型中,计算模型对测试集数据的预测值和真实值之间的误差,并输出模型在测试集上的准确率。 通过这个项目,读者可以了解到 PyTorch 在图像识别方面的应用,并掌握相关的数据预处理、模型搭建、训练和测试等技术。同时,也可以通过实际操作来深入理解深度学习的基本原理和算法,提高数据科学实践能力。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值