Python数据分析与展示-【第一周】数据分析之表示（MOOC课程笔记）

简介

文章作为个人速查知识笔记使用，不确保完全正确，现基本更新结束，笔记来源：中国大学MOOC-Python数据分析与展示

【第一周】数据分析之表示

单元1：NumPy库入门

NumPy的引用

ndarray对象的属性

ndarray数组的创建方法

ndarray数组的维度变换

ndarray数组向列表的转换

数组的索引和切片

索引：获取数组中特定位置元素的过程
切片：获取数组元素子集的过程

NumPy一元函数

NumPy二元函数

单元小结

单元2：NumPy数据存取与函数

数据的存取与函数

数据的CSV文件存取-常用作二维数据存取

CSV(Comma-Separated Value,逗号分隔值）
CSV是一种常见的文件格式，用来存储批量数据

存储成CSV文件用法：


加载CSV文件用法：

CSV文件的局限性

CSV只能有效存储一维和二维数组
np.savetxt()和np.loadtxt()只能有效存取一维和二维数组

多维数据的存取

任意维度数据的存储：
数据分割字符串使用逗号时：

数据分割字符串为空串时（sep默认参数是空串）写入文件为二进制：

二进制格式有更小的体积，可以当做备份使用

任意维度数据的读取：

注意：
（1）存储format=“%d”则读取使用dtype=np.int对应
（2）并且tofile方法存储成一维数据，原来数据维度丢失，故使用reshape方法将一维数据还原成原来的维度形状

数据分割字符串是逗号时：

数据分割字符串是空串时：

需要注意

fromfile方法读取时需要知道文件数据类型

NumPy的便捷文件存取

数据存取小结

对于我们编写程序来说，中间使用文件进行缓存，使用load和save方式是非常快捷有效的方法；存储一个文件与其他程序做交互或者对接，要考虑使用CSV文件或者前面tofile方法生成其他程序可以识别的文件。

NumPy的随机数函数

NumPy的随机数函数子库

NumPy的统计函数

NumPy的梯度函数

单元小结

实例1：图像的手绘效果

图像的数组表示

图像的RGB色彩模式


PIL库

图像的数组表示

图像的变换

基本原理

“图像的手绘效果”实例分析

这里牵扯到除开Python外的其他许多知识

from PIL import Image
import numpy as np

a = np.asarray(Image.open('./beijing.jpg').convert('L')).astype('float')

depth = 10. 						# (0-100)
grad = np.gradient(a)				#取图像灰度的梯度值
grad_x, grad_y = grad 				#分别取横纵图像梯度值
grad_x = grad_x*depth/100.
grad_y = grad_y*depth/100.
A = np.sqrt(grad_x**2 + grad_y**2 + 1.)
uni_x = grad_x/A
uni_y = grad_y/A
uni_z = 1./A

vec_el = np.pi/2.2 					# 光源的俯视角度，弧度值
vec_az = np.pi/4. 					# 光源的方位角度，弧度值
dx = np.cos(vec_el)*np.cos(vec_az) 	#光源对x 轴的影响
dy = np.cos(vec_el)*np.sin(vec_az) 	#光源对y 轴的影响
dz = np.sin(vec_el) 				#光源对z 轴的影响

b = 255*(dx*uni_x + dy*uni_y + dz*uni_z) 	#光源归一化
b = b.clip(0,255)

im = Image.fromarray(b.astype('uint8')) 	#重构图像
im.save('./beijingHD.jpg')

“图像的手绘效果”实例编写

第一周内容结束