文章目录
week9 python计算生态概览
9.1 从数据处理到人工智能
9.2 霍兰德人格分析雷达图
9.3 从web解析到网络空间
9.4 从人机交互到艺术设计
9.5 实例16:玫瑰花绘制
9.1 从数据处理到人工智能
-
数据分析:
-
最基础的库是Numpy(c语言实现,python接口,速度快),是其他众多数据分析库的基础,表达N维数组的最基础库
-
Pandas:数据分析高层次应用,提供了简单易用的数据结构分析工具,理解数据类型与数据索引的关系,操作索引及操作数据
- series=索引+一维数组
- DataFrame=行列索引+二维数据
-
Scipy:提供了一批数学算法及工程数据运算功能,类似matlab,用于数学科学计算
- 数据表示
- 数据清洗
- 数据统计
-
数据可视化:
- Matplotlib:高质量二维数据可视化功能库,基于Numpy开发
- 有超过100种数据可视化展示效果
- 通过matplotlib.pyplot库调用各种可视化效果
- Seaborn:统计类数据可视化功能库
- 提供了一批高层次的统计类数据可视化展示效果
- 主要展示数据间的分布、分类和线性关系等内容
- 基于Matplotlib开发,支持Numpy和Pandas
- Mayavi:提供了一批简单易用的3D科学计算数据可视化展示效果
- 三维科学可视化的主要库
- 数据挖掘
- 人工智能
- Matplotlib:高质量二维数据可视化功能库,基于Numpy开发
-
文本处理:
- PyPDF2:用来处理PDF文件的工具集
- 支持获取信息、分隔/整合文件、加密解密等
- 完全python语言实现,无需额外依赖,功能稳定
- NLTK:自然语言处理的第三方库
- 提供了简单易用的自然语言文本的处理功能
- 语言文本分类、标记、语法句法、语义分析等
- Python-docx:创建或更新Microsoft Word文件的第三方库
- 增加配置段落、图片、表格、文字等,功能全面
- PyPDF2:用来处理PDF文件的工具集
-
机器学习:
- Scukit-learn:机器学习方法工具集
- 提供一批统一化的机器学习方法共能接口
- 提供据类、分类、回归、强化学习等计算功能
- 机器学习最基本且最优秀的Python第三方库
- Tensorflow:AlphaGo背后的机器学习计算框架
- 谷歌公司推动的开源机器学习框架
- 将数据流图为基础,图节点代表运算,边代表张量
- 深度学习:
- MXNet:基于神经网络的深度学习计算框架
- 可用于自动驾驶、机器翻译、语音识别等众多领域
- Scukit-learn:机器学习方法工具集
9.2 霍兰德人格分析雷达图
- 霍兰德人格分析:
- 霍兰德认为:人格兴趣与职业之间有一种内在联系
- 需求:以雷达图方式验证霍兰德人格分析
- 输入:各职业人群兴趣的调研数据
- 输出:雷达图
#HollandRadarDraw
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
matplotlib.rcParams['font.family']='SimHei'
radar_labels = np.array(['研究型(I)','艺术型(A)','社会型(S)',\
'企业型(E)','常规型(C)','现实型(R)']) #雷达标签
nAttr = 6
data = np.array([[0.40, 0.32, 0.35, 0.30, 0.30, 0.88],
[0.85, 0.35, 0.30, 0.40, 0.40, 0.30],
[0.43, 0.89, 0.30, 0.28, 0.22, 0.30],
[0.30, 0.25, 0.48, 0.85, 0.45, 0.40],
[0.20, 0.38, 0.87, 0.45, 0.32, 0.28],
[0.34, 0.31, 0.38, 0.40, 0.92, 0.28]]) #数据值
data_labels = ('艺术家', '实验员', '工程师', '推销员', '社会工作者','记事员')
angles = np.linspace(0, 2*np.pi, nAttr, endpoint=False)
data = np.concatenate((data, [data[0]]))
angles = np.concatenate((angles, [angles[0]]))
fig = plt.figure(facecolor="white")
plt.subplot(111, polar=True)
plt.plot(angles,data,'o-', linewidth=1, alpha=0.2)
plt.fill(angles,data, alpha=0.25)
plt.thetagrids(angles*180/np.pi, radar_labels)
plt.figtext(0.52, 0.95, '霍兰德人格分析', ha='center', size=20)
legend = plt.legend(data_labels, loc=(0.94, 0.80), labelspacing=0.1)
plt.setp(legend.get_texts(), fontsize='large')
plt.grid(True)
plt.savefig('holland_radar.jpg')
plt.show()
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Y3VWUdFb-1588092553211)(week9_files/week9_2_0.svg)]
9.3 从web解析到网络空间
- 网络爬虫:使用程序爬网站信息
- Requests:最友好的网络爬虫功能库
- 提供了简单易用的类HTTP协议网络爬虫功能
- 支持连接池、SSL、 Cookies、HTTP(s)代理等
- python最主要的页面级爬虫工具
- Scrapy:优秀的网络爬虫框架
- 提供了构建网络爬虫系统的框架功能,功能半成品
- 支持批量和定时网页爬取、提供数据处理流程
- Python最专业的网页爬虫
- pyspider:强大的Web页面爬取系统
- 提供了完整的网页爬取系统构建功能
- 支持数据库后端、消息队列、优先级、分布式架构等
- Requests:最友好的网络爬虫功能库
- Web信息提取
- Beautiful Soup:HTML和XML解析库
- 可以加载多种搜索引擎
- 常与网络爬虫库搭配使用
- Re:正则表达式解析和处理库
- 提供了定义和解析正则表达式的一批通用功能
- 可用于各类场景,包括定点的Web信息提取
- Python-Goose:提取文章型Web页面的功能库
- 提供了对Web页面中文章信息/视频等元数据的提取功能
- 针对特定类型Web页面,应用覆盖面较广
- Python最主要的Web信息提取库
- Beautiful Soup:HTML和XML解析库
- Web网站开发:
- Django:最流行的Web应用开发
- 提供了构建Web系统的基本应用框架
- MTV模式:模型(model)、模板(Template)、视图(views)
- 适合专业网站构建
- Pyramid:规模适中的Web应用框架
- Flask:Web应用开发微框架:简单、规模小、快速
- Django:最流行的Web应用开发
- 网络应用开发
- WeRoBot:微信公众号开发框架
- aip:百度AI开放平台接口
- 提是供了访问百度A服务的 Python功能接口
- 语音、人脸、OCR、NLP、知识图谱、图像搜索等领域
- Python百度AI应用的最主要方式
- MyQR:二维码生成工具库
9.4 从人机交互到艺术设计
- 图形用户界面
- PyQt5:Qt开发框架的Python接口
- 提供了创建Qt5程序的PythonAPI接口
- 成熟的跨平台桌面应用开发系统,具有完备GUI
- wxPython:跨平台GUI开发框架
- 提供了专用于Python的跨平台GUI开发框架
- 理解数据类型与索引的关系,操作索引及操作数据,基于Numpy开发
- PyGObject:使用GTK+开发GUI库的功能库
- 提供了整合GTK+、 WebkitGTK+等库的功能
- GTK+:跨平台的一种用户图形界面GUII框架
- PyQt5:Qt开发框架的Python接口
- 游戏开发:
- PyGame:简单的游戏开发功能库
- 提供了基于SDL的简单游戏开发功能及实现引擎
- 理解游戏对外部输入的响应机制及角色构建和交互机制
- Pothon游戏入门最主要的第三方库
- Panda3D:开源、跨平台的3D渲染和游戏开发库
- 个3D游戏引擎,提供 Python和C++两种接口
- 支持很多先进特性:法线贴图、光泽贴图、卡通渲染等
- cocos2d:构建2D游戏和图形界面交互式应用的框架
- 提供了基于 OpenGL的游戏开发图形渲染功能
- 支持GPU加速,采用树形结构分层管理游戏对象美型
- 适用于2D专业级游戏开发
- PyGame:简单的游戏开发功能库
- 虚拟现实:
- VR Zero:在树莓派上开发R应用的 Python库
- 提供大量与VR开发相关的功能
- 针对树莓派的R开发库,支持设备小型化,配置简单化
- 非常适合初学者实践VR开发及应用
- pyovr: Oculus Rift的 Python开发接口
- 针对 Oculus VR设备的 Python开发库
- 基于成熟的VR设备,提供全套文档,工业级应用设备
- Python+虚拟现实领域探索的一种思路
- Vizard:基于 Python的通用R开发引擎
- 专业的企业级虚拟现实开发引擎
- 提供详细的官方文档
- 支持多种主流的R硬件设备,具有一定通用性
- VR Zero:在树莓派上开发R应用的 Python库
- 图形艺术:
- Quads:迭代的艺术
- 对图片进行四分选代,形成像素风
- 可以生成动图或静图图像
- 简单易用,具有很高展示度
- ascl art:ASCⅡ艺术库
- 将普通图片转为ASC艺术风格
- 输出可以是纯文本或彩色文本
- 可采用图片格式输出
- turtle:海龟绘图体系
- Quads:迭代的艺术
9.5 实例16:玫瑰花绘制
- 输出:玫瑰花
艺术:思想优先,编程是手段
设计:想法和编程同等重要
工程:编程优先,思想次之
#RoseDraw.py
import turtle as t
# 定义一个曲线绘制函数
def DegreeCurve(n, r, d=1):
for i in range(n):
t.left(d)
t.circle(r, abs(d))
# 初始位置设定
s = 0.2 # size
t.setup(450*5*s, 750*5*s)
t.pencolor("black")
t.fillcolor("red")
t.speed(100)
t.penup()
t.goto(0, 900*s)
t.pendown()
# 绘制花朵形状
t.begin_fill()
t.circle(200*s,30)
DegreeCurve(60, 50*s)
t.circle(200*s,30)
DegreeCurve(4, 100*s)
t.circle(200*s,50)
DegreeCurve(50, 50*s)
t.circle(350*s,65)
DegreeCurve(40, 70*s)
t.circle(150*s,50)
DegreeCurve(20, 50*s, -1)
t.circle(400*s,60)
DegreeCurve(18, 50*s)
t.fd(250*s)
t.right(150)
t.circle(-500*s,12)
t.left(140)
t.circle(550*s,110)
t.left(27)
t.circle(650*s,100)
t.left(130)
t.circle(-300*s,20)
t.right(123)
t.circle(220*s,57)
t.end_fill()
# 绘制花枝形状
t.left(120)
t.fd(280*s)
t.left(115)
t.circle(300*s,33)
t.left(180)
t.circle(-300*s,33)
DegreeCurve(70, 225*s, -1)
t.circle(350*s,104)
t.left(90)
t.circle(200*s,105)
t.circle(-500*s,63)
t.penup()
t.goto(170*s,-30*s)
t.pendown()
t.left(160)
DegreeCurve(20, 2500*s)
DegreeCurve(220, 250*s, -1)
# 绘制一个绿色叶子
t.fillcolor('green')
t.penup()
t.goto(670*s,-180*s)
t.pendown()
t.right(140)
t.begin_fill()
t.circle(300*s,120)
t.left(60)
t.circle(300*s,120)
t.end_fill()
t.penup()
t.goto(180*s,-550*s)
t.pendown()
t.right(85)
t.circle(600*s,40)
# 绘制另一个绿色叶子
t.penup()
t.goto(-150*s,-1000*s)
t.pendown()
t.begin_fill()
t.rt(120)
t.circle(300*s,115)
t.left(75)
t.circle(300*s,100)
t.end_fill()
t.penup()
t.goto(430*s,-1070*s)
t.pendown()
t.right(30)
t.circle(-600*s,35)
t.done()
系统基本信息获取
描述
获取系统的递归深度、当前执行文件路径、系统最大UNICODE编码值等3个信息,并打印输出。
输出格式如下:
RECLIMIT:<深度>, EXEPATH:<文件路径>, UNICODE:<最大编码值>
import sys
print("RECLIMIT:{}, EXEPATH:{}, UNICODE:{}".format(sys.getrecursionlimit(), sys.executable,sys.maxunicode))
RECLIMIT:3000, EXEPATH:E:\creative\python\python.exe, UNICODE:1114111
二维数据表格输出
描述
tabulate能够对二维数据进行表格输出,是Python优秀的第三方计算生态。
参考编程模板中给定的数据和代码,编写程序,能够输出如下风格效果的表格数据。
from tabulate import tabulate
data = [ ["北京理工大学", "985", 2000], \
["清华大学", "985", 3000], \
["大连理工大学", "985", 4000], \
["深圳大学", "211", 2000], \
["沈阳大学", "省本", 2000], \
]
print(tabulate(data, tablefmt="grid"))
+--------------+------+------+
| 北京理工大学 | 985 | 2000 |
+--------------+------+------+
| 清华大学 | 985 | 3000 |
+--------------+------+------+
| 大连理工大学 | 985 | 4000 |
+--------------+------+------+
| 深圳大学 | 211 | 2000 |
+--------------+------+------+
| 沈阳大学 | 省本 | 2000 |
+--------------+------+------+
期末考试
- 无空隙回声输出
描述
获得用户输入,去掉其中全部空格,将其他字符按收入顺序打印输出。
s=input()
ls=s.split(' ')
for i in ls:
print(i,end='')
Alice+Bob
- 文件关键行数
描述
关键行指一个文件中包含的不重复行。关键行数指一个文件中包含的不重复行的数量。
统计附件文件中与关键行的数量。
with open('latex.log', 'r', encoding='utf-8') as f:
row_set = set(f.readlines())
print('共{}关键行'.format(len(row_set)))
共411关键行
- 字典翻转输出
读入一个字典类型的字符串,反转其中键值对输出。
即,读入字典key:value模式,输出value:key模式。
try:
s=input()
dict_1 = dict(eval(s))
dict_2 = dict(zip(dict_1.values(),dict_1.keys()))
print(dict_2)
except:
print('输入错误')
{1: 'a', 2: 'b'}
- 《沉默的羔羊》之最多单词
描述
附件是《沉默的羔羊》中文版内容,请读入内容,分词后输出长度大于2且最多的单词。
如果存在多个单词出现频率一致,请输出按照Unicode排序后最大的单词。
#标准答案
import jieba
f = open("沉默的羔羊.txt",encoding='utf-8')
ls = jieba.lcut(f.read())
#ls = f.read().split()
d = {}
for w in ls:
d[w] = d.get(w, 0) + 1
maxc = 0
maxw = ""
for k in d:
if d[k] > maxc and len(k) > 2:
maxc = d[k]
maxw = k
if d[k] == maxc and len(k) > 2 and k > maxw:
maxw = k
print(maxw,maxc)
f.close()
史达琳 701