Python的基础知识

深度学习就是通过训练数据，训练出一个有效的f。

python基础

break 跳出循环体
contiune 跳出此次循环进入下一层循环
pass 占位符，什么都不做，一般用于空函数防止报错

数据类型

截取是左闭右开

list里面的元素可以修改

元组元素不可以修改，但是它里面的list里面的元素可以修改


set可以用于给list tuple去重




字符串：

1. 连接 a+b
2. a*3 字符串重复3次
3. a[1:4] 切片 左闭右开
   4.‘-’.joint(a)
4. 三引号，所见即所得。单引号和双引号一样
   列表：
   [ ]
   1.索引
   
   2.添加元素
5. append()添加一个元素
6. a.extend(b) 合并两个列表 或者 a+b
7. a.insert(1,") 在1处添加一个元素
   3.删除元素
8. del a[i]
9. a.remove(‘’)
10. a.pop(i)
    4.切片
    语法：[start:stop:step]
    step代表切片步长，为负数表示从后往前取；切片区间为[start，stop)，包含start但不包含stop
    5.排序
11. sorted(a) 默认升序
12. sorted(a, reverse=True) 降序

** 元组 **
（ ）
元组只有一个元素时，需要在后面加逗号。
元组不可以修改里面的元素，也不能往里添加新的元素。
13. b=tuple(a) 可把list变成tuple
14. 切片 和list一样
15. 索引 b.cout(4) 返回元素为4的个数 b.index(4) 返回元素为4的索引
16. 拆包和装包

** 字典 **
{ }
17. c.items() 键值对 keys()所有的键 values() 所有的值 返回的都是列表
18. 删除 del(c[key]) pop(key)

python json

python 常用的库

numpy

创建数组

1. np.array(list/turple)
2. 生成已知大小类型的数组，empty() zeros() ones((2,3),dtype=‘int64’)
3. np.arange(10,31,5) 10到31的步长为5的数据
   维度、形状
4. ndim shape size dtpye
5. reshape() 重新定义形状为2行3列
   数组的计算
6. 大小相等的数组之间的任何算术运算都会运算到元素级，数组与标量的算术运算也会将那个标量值传播到各个元素. + - * /
7. 矩阵乘法 np.dot(a,b)
8. np.sum(a, axis=1) 1每行求和，0每列求和 max() min() 求数组最值 mean()求数组平均值 argmax argmin 求最值的索引
9. a.flatten() 多维变一维
   数组的索引与切片
   a[1][2] a[1,2] a[1,0：2] 第二行0到1的列

padas

自动把索引相同的进行运算

PIL

图像处理库
from PIL import Image

1. 旋转 .rotate(45)
2. crop() 剪切
3. 缩放 resize()
4. 镜像 transpose()

Matplotlib

import matplotlib.pyplot as plt
plt.figure() 生成画布
plt.plot() 绘图
plt.legend() 图例
plt.xlabel()
plt.ylabel()
plt.show()
plt.scatter() 散点图
plt.bar()直方图

import matplotlib.pyplot as plt
import numpy as np 
####曲线图
l1, = plt.plot(x,y1,color='red',linewidth=1)
l2, = plt.plot(x,y2,color='blue',linewidth=5)
plt.legend(handles=[l1,l2],labels=['aa','bb'],loc='best') #把图例放在最好的位置
plt.xlabel('x')
plt.ylabel('y')
plt.xlim((0,1))  #x轴只截取一段进行显示
plt.ylim((0,1))  #y轴只截取一段进行显示
plt.show()
###散点图
dots1 =np.random.rand(50)
dots2 =np.random.rand(50)
plt.scatter(dots1,dots2,c='red',alpha=0.5) #c表示颜色，alpha表示透明度
plt.show()
###直方图
x = np.arange(10)
y = 2**x+10
plt.bar(x,y,facecolor='#9999ff',edgecolor='white')
for ax,ay in zip(x,y):
    plt.text(ax,ay,'%.1f' % ay,ha='center',va='bottom')
plt.show()

数据增强： numpy+PIL