python 相关包学习（一）

函数

zip

zip() 函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。

如果各个迭代器的元素个数不一致，则返回列表长度与最短的对象相同，利用 * 号操作符，可以将元组解压为列表。

在 Python 3.x 中为了减少内存，zip() 返回的是一个对象。

a = [1,2,3]
b = [4,5,6]
c = [4,5,6,7,8]
zipped = zip(a,b)     # 打包为元组的列表
[(1, 4), (2, 5), (3, 6)]
 zip(a,c)              # 元素个数与最短的列表一致
[(1, 4), (2, 5), (3, 6)]
 zip(*zipped)          # 与 zip 相反，*zipped 可理解为解压，返回二维矩阵式
[(1, 2, 3), (4, 5, 6)]

cv2 : opencv-python

安装 pip install opencv-python

用于读取图片/展示图片/保存图片/添加文字/颜色转换/复制图片/翻转图片

cv2.imread(filepath,flags)

import cv2 
# 彩色，cv2.IMREAD_COLOR：默认参数，读入一副彩色图片
img = cv2.imread("1.jpg",cv2.IMREAD_COLOR)
img1 = cv2.imread("1.jpg",1)
#灰度读取，cv2.IMREAD_GRAYSCALE：读入灰度图片
img2=cv2.imread('picture.jpg',cv2.IMREAD_GRAYSCALE)
img3=cv2.imread('picture.jpg',0)
# 展示图片google conlab里要用
#from google.colab.patches import cv2_imshow
#cv2_imshow（img1）
cv2.imshow('cat',img2)
#添加文字
new_img = cv2.putText(
    img=img1,
    text="hello",  #文本
    org=(0, 50),    #字体开始写的左上角位置
    fontFace=cv2.FONT_HERSHEY_SIMPLEX, #字体
    fontScale=2, #字体大小
    color=(255, 0, 0),   #颜色
    thickness=2  #字体粗细
)
#翻转，使用函数cv2.flip(img,flipcode)翻转图像，flipcode控制翻转效果，复制图像。

# flipcode = 0：沿x轴翻转；flipcode > 0：沿y轴翻转；flipcode < 0：x,y轴同时翻转
new_img = cv2.flip(img1, flipCode=-1)

permutation()

np.random.permutation()：随机排列序列。

import numpy as np
# 0~5乱排
b = np.random.permutation(5)
print(b)
# 列表乱排
a = np.random.permutation([1,2,3,4,5,6,7,8,9])
print(a)
# c是一个3X3的矩阵
c = np.arange(9).reshape((3,3))
print(c)
# 对这个这个3×3矩阵来说，只是对行进行随机排序。
d = np.random.permutation(c)
print(d)

np.pad()函数

在卷积神经网络中，为了避免因为卷积运算导致输出图像缩小和图像边缘信息丢失，常常采用图像边缘填充技术，即在图像四周边缘填充0，使得卷积运算后图像大小不会缩小，同时也不会丢失边缘和角落的信息。

pad(array, pad_width, mode, **kwargs)
返回值：数组

array——表示需要填充的数组；pad_width——表示每个轴（axis）边缘需要填充的数值数目。参数输入方式为：（(before_1, after_1), …(before_N, after_N)），其中(before_1, after_1)表示第1轴两边缘分别填充before_1个和after_1个数值。

取值为：{sequence, array_like, int}

mode——表示填充的方式（取值：str字符串或用户提供的函数）,总共有11种填充模式；

A = np.arange(95,99).reshape(2,2)    #原始输入数组
#print(A)
 array([[95, 96],
       [97, 98]])
# 开始填充，（3,2）表示在A的第[0]轴填充（二维数组中，0轴表示行），即在0轴前面填充3个宽度的0，比如数组A中的95,96两个元素前面各填充了3个0；在后面填充2个0，
#（2,3）表示在A的第[1]轴填充（二维数组中，1轴表示列），即在1轴前面填充2个宽度的0，后面填充3个宽度的0
#（我理解，（上，左），（下，右））
np.pad(A,((3,2),(2,3)),'constant',constant_values = (0,0))

[[ 0  0  0  0  0  0  0]
 [ 0  0  0  0  0  0  0]
 [ 0  0  0  0  0  0  0]
 [ 0  0 95 96  0  0  0]
 [ 0  0 97 98  0  0  0]
 [ 0  0  0  0  0  0  0]
 [ 0  0  0  0  0  0  0]]