《从深度学习基础到车道线模型训练与部署》学习（三）

1.Python常用库之一：Numpy库

NumPy是Python语言的一个扩充程序库。支持高级大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。总而言之，包含：

• 一个强大的N维数组对象 ndarray
• 广播功能函数
• 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

2.Python常用库之二：Pandas库

Pandas是用于数据操纵和分析，建立在Numpy之上的。Pandas为Python带来了两种新的数据结构：Pandas Series和Pandas DataFrame，借助这两种数据结构，我们能够轻松直观地处理带标签数据和关系数据。Pandas功能：

• 允许为行和列设定标签
• 可以针对时间序列数据计算滚动统计学指标
• 轻松处理NaN值
• 能够将不同的数据集合并在一起
• 与Numpy和Matplotlib集成

3.%pylab inline的使用

在jupyter notebook代码开头添加pylab的内嵌语句，pylab是 Matplotlib 和Ipython提供的一个模块，提供了类似Matlab的语法

%pylab inline
%matplotlib inline
import numpy as np  
import matplotlib.pyplot as plt  

#以自然数序列作为多项式的系数，使用polyld函数创建多项式  
func = np.poly1d(np.array([1,2,3,4]).astype(float))  
print func
#使用Numpy的linspace函数创建X轴的数值，在-10和10之间产生30个均匀分布的值  
x=np.linspace(-10,10,30)  
#计算我们在第一步中创建的多项式的值  
y=func(x)  

plt.plot(x,y)  
plt.xlabel('x',fontsize=12)   
plt.ylabel('y(x)',fontsize=12)   
plt.show()
————————————————
版权声明：本文为CSDN博主「allinallinallin」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/to_Baidu/article/details/52426732