北理工嵩天Python语言程序设计笔记（10 Python计算生态概览）_北理工python语言与大数据分布式计算-CSDN博客

本文链接：https://blog.csdn.net/yyywxk/article/details/127692361

前言

本文是对《北理工嵩天/黄天宇/礼欣 Python语言程序设计》的学习笔记，供自己查阅使用。

文章目录

10 Python计算生态概览

10.1 从数据处理到人工智能

10.1.1 Python库之数据分析

Numpy: 表达N维数组的最基础库

Pandas: Python数据分析高层次应用库

Series = 索引+ 一维数据
DataFrame= 行列索引+ 二维数据

SciPy: 数学、科学和工程计算功能库

10.1.2 Python库之数据可视化

Matplotlib: 高质量的二维数据可视化功能库

提供了超过100种数据可视化展示效果
通过matplotlib.pyplot子库调用各可视化效果
Python最主要的数据可视化功能库，基于Numpy开发

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
主要展示数据间分布、分类和线性关系等内容
基于Matplotlib开发，支持Numpy和Pandas

Mayavi：三维科学数据可视化功能库

提供了一批简单易用的3D科学计算数据可视化展示效果
目前版本是Mayavi2，三维可视化最主要的第三方库
支持Numpy、TVTK、Traits、Envisage等第三方库

10.1.3 Python库之文本处理

PyPDF2：用来处理pdf文件的工具集

提供了一批处理PDF文件的计算功能
支持获取信息、分隔/整合文件、加密解密等
完全Python语言实现，不需要额外依赖，功能稳定

NLTK：自然语言文本处理第三方库

提供了一批简单易用的自然语言文本处理功能
支持语言文本分类、标记、语法句法、语义分析等
最优秀的Python自然语言处理库

Python-docx：创建或更新Microsoft Word文件的第三方库

提供创建或更新.doc.docx等文件的计算功能
增加并配置段落、图片、表格、文字等，功能全面

10.1.4 Python库之机器学习

Scikit-learn：机器学习方法工具集

提供一批统一化的机器学习方法功能接口
提供聚类、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：机器学习计算框架

谷歌公司推动的开源机器学习框架
将数据流图作为基础，图节点代表运算，边代表张量
应用机器学习方法的一种方式，支撑谷歌人工智能应用

10.2 实例15: 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应有一种内在的对应关系
- 人格分类：研究型、艺术型、社会型、企业型、传统型、现实性
- 职业：工程师、实验员、艺术家、推销员、记事员、社会工作者

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)'])
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, 6, endpoint=False)
data = np.concatenate((data, [data[0]]))
angles = np.concatenate((angles, [angles[0]]))
radar_labels = np.concatenate((radar_labels, [radar_labels[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()