一、前言
最近做python實驗的時候，重點考察了對題述的庫的使用，經過一段時間學習，將其匯總至一處，方便取用，
二、Numpy庫
首先安裝numpy庫，只需要在cmd視窗輸入pip install numpy即可，注意保證網速
匯入庫的時候，注意給numpy起個簡稱
import numpy as np
numpy中含有很強大的陣列，它的主要物件時多維陣列，陣列的維度叫做軸Axes，軸的個數叫做秩Rank，
# 通過串列創建一位陣列
np.array([1,2,3])
# Rank=1,len(Axes)=3
np.array([(1,2,3),(4,5,6)])
# Rank=2,len(Axes)=3此外，numpy還可以創建全是0，或者全是1的n維陣列
# 創建一個三行四列的二維陣列，全是0
np.zeros((3,4))
# 創建一個2*3*4的三維陣列，全是1
np.ones((2,3,4))更厲害的是，它還可以使用full函式指定陣列內容
# 創建一個5*5的二維陣列，值都為2
np.full((5,5),2)它還能創建等引陣列，一維或者二維...
# 創建一維等引陣列[0,1,2,3,4]
np.arange(5)
# 指定范圍2——5，生成的陣列為[2,3,4]
np.arange(2,5)注意的是，在創建二維等引陣列時，還可以使用reshape指定它的行列數，
# 創建二維等引陣列[0,1,2][3,4,5]
print(np.arange(6).reshape((2,3)))加上亂數，也可以創建隨機陣列
# 隨機創建一個二行三列的陣列
np.random.rand(2,3)
# 創建一個隨機的二維陣列，但數字小于5，二行三列
np.random.randint(5,size=(2,3))
此外，它還可以進行求和操作，默認是對整個陣列進行操作，但是如果進行軸的設定，就可以單獨對行或者列求和，
# 假設a為一個二行三列的陣列
# 對二行三列求和
np.sum(a)
# 對列求和,因為axis為0
np.sum(a,axis=0)
# 對行求和，因為axis為1
np.sum(a,axis=1)
在C語言或者java中，經常要求平均和排序，在numpy中已經實作好了
# 對陣列a求平均，也可以像上面一樣按照行列操作
np.mean(a)
# 對陣列a排序，可以按照行列排序
np.argsort()
# 按照列排序
np.argsort(axis=0)
很重要的是！對于二維陣列A、B，如果想將他們進行矩陣的運算，那么其實是有兩種方法的
# 對于二維陣列A和B，如果求其乘法
A=np.array([[1,2],[3,4]])
B=np.array([[5,6],[7,8]])
# 可以使用dot方法
np.dot(A,B)
# 當然也可以先將其轉化為矩陣，然后直接進行*運算就行
np.mat(A)*np.mat(B)
其余矩陣基本操作有
# 計算對角線的和
np.tarce(A)
# 矩陣a的逆置
a.T
# 或者
np.linalg.inv(a)對二維陣列一些基本操作的函式有
np.mean()# 平均值
np.cumsum(axis=0)# 按列累加
np.std()# 方差
np.var()# 標準差
np.argmax()# 最大值索引二、pandas庫
安裝pandas庫需要在cmd輸入pip install pandas
在匯入的時候需要寫上
import pandas as pd
其實，pandas作為資料處理的重要法寶，主要是對一維二維資料的處理，一維是Series，二維是Dataframe，資料匯入后會產生索引，所以下面代碼
# 將一維串列轉化為Series
data=[1,"B",3,"D",5,6,"G",8,9]
s1=pd.Series(data)輸出s1，可以發現
資料前面多了索引，但是最有意思的是，可以手動設定索引，比如
index1=[11,12,13,14,15,16,17,18,19] #手動設定索引 數值型別
index2=["你","這","瓜","要","熟","我","肯","定","要"]#手動設定索引 字符型別
s2=pd.Series(data,index=inlst)
s3=pd.Series(data,index=inlst1)
這樣輸出s2和s3就有了
對于二維資料，我們使用Dataframe，主要用來處理Excel檔案等，但是我們可以清楚的發現，在處理二維資料的時候，經常容易出現因為字串長短不一而造成的不對齊問題 ，我們可以通過下面陳述句解決
pd.set_option('display.unicode.east_asian_width',True)在Dataframe中有很多很重要的屬性
df1.values #查看所有元素
df1.index # 查看所有行名，重命名行名
df1.columns # 查看所有列名，重命名列名
df1.T #行列資料轉換
df1.head(10) #查看前十條資料，默認五條
df1.tail(10) #查看后十條資料，默認五條
df1.shape() #查看行數和列數，df1.shape[0]，就是看行，shape[1]就是看列
所以它亦可以單獨修改行或者列的索引喲，
還有一點需要提一下，在匯入檔案時，encoding可以指定字符集型別，默認值為None，但是我們通常指定為utf-8，不修改的話可能會出錯哈
三、matplotlib庫
安裝matplotlib庫需要在cmd輸入pip install matplotlib
在匯入的時候需要寫上
import matplotlib.pyplot as plt
import matplotlib
想必大家都知道，這是一個繪圖的庫，縱觀我Qt和javaGUI的學習，在繪圖之前我們需要一個視窗或者是畫板，matplotlib也不例外，它需要一個Figure物件
fig=plt.figure()在擁有物件之后，我們還需要軸！添加步驟如下
ax=fig.add_subplot(111)# 引數的解釋為，在畫板的第一行第一列的位置確定一個物件
# 如果通過 fig.add_subplot(2,2,1)可以將整個面板畫成2*2 的形式，第三個引數的范圍就是1到4
之后還有一些基本設定
# 下面引數含義分別是x軸范圍，y軸范圍，圖的標題，x軸標簽，y軸標簽
# ax.set(xlim=[0,5],ylim=[0,5],title='林哥的圖',xlabel="X軸",ylabel="Y軸")
# 上述繪圖方法的簡便方式是
# plt.plot([1,2,3,4],[10,20,25,40],color='lightblue',linewidth=3)
# plt.xlim(0,5)
# plt.show()matplotlib庫常與numpy庫結合使用，因為numpy中含有三角函式之類的復雜函式，可以通過matplotlib顯示出來，例如希望畫一個正弦影像
# 先設定影像的x軸范圍，0到π，其中np.pi指的是π
x=np.linespace(0,np.pi)
sinx=np.sin(x)
# 第一個引數就是范圍，第二個是函式
ax.plot(x,sinx)
plt.show()等等！還有一個問題，matplotlib不支持中文！所以為了讓中文顯示出來，需要加上這兩行代碼
matplotlib.rcParams['font.family'] = 'SimHei'
matplotlib.rcParams['font.sans-serif'] = ['SimHei']它還可以繪制散點圖、條形圖、直方圖、餅圖、箱型圖、泡泡圖、等高線、雷達圖等等..
四、wordcloud庫
安裝wordcloud庫需要在cmd輸入pip install wordcloud
在匯入的時候需要寫上
import wordcloud
import os
import wordcloud
from wordcloud import WordCloud
from matplotlib import pyplot as plt
# 加上這句話可以使wordcloud支持中文
os.environ['FONT_PATH'] = '/usr/share/fonts/wenquanyi/wqy-microhei/wqy-microhei.ttc'
# 我覺得更好的方法是使用font等于底下這一串，之后在wordcloud那一行加上font_path=font
font = r'C:\Windows\Fonts\simfang.ttf'
w=wordcloud.WordCloud()
# 加載詞云文本
w.generate("word by python ")
w.to_file("file")# 輸出詞云檔案
# 配置引數
wo=wordcloud.WordCloud(width=400,height=400,min_font_size=4,font_step=2,font_path=r'C:\Windows\Fonts\simfang.ttf')
# width 指定詞云物件生成圖片的寬度，默認400像素
# >>>w=wordcloud.WordCloud(width=600)
# height 指定詞云物件生成圖片的高度，默認200像素
# >>>w=wordcloud.WordCloud(width=400)
# min_font_size可以指定云字體的最小字號，默認四號
# font_step 可以指定云中字體的步進間隔，默認為1
# font_path 指定字體檔案的路徑，默認為None，一般我們設定為r'C:\Windows\Fonts\simfang.ttf'
# max_words指定詞云顯示的最大單詞數量，默認為200
# stop_words 指定詞云的排除詞串列，默認無
# mask指定詞云形狀，默認為長方形，需要參考imread函式
# from scipy.misc import imread
# mk=imread(filepath) 在里面填充檔案圖片路徑就行
# background_color 指定詞云的背景顏色，默認為黑色，
太懶了，就直接把筆記復制過來了...
五、opencv-python 庫
import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt
# openCV 常見函式
# cv.imread(filepath,flags) filepath指的是圖片路徑，flags指的是圖片標志
# IMREAD_COLOR默認引數，讀入彩色圖片
# cv.imshow(wname,img)
# 第一個引數是顯示圖形的視窗的名稱
# 第二個引數是要顯示的影像，視窗大小自動調整為圖片大小
img=cv.imread('cat.jpg')
# # 等待鍵盤輸入，這樣可以讓視窗時間維持長點
# cv.waitKey(0)
# cv.destroyAllWindow()銷毀所有視窗
# cv.destroyWindow()銷毀指定視窗
# cv.imwrite(file,img,num) 保存一張影像
# 第一個引數是要保存的檔案名
# 第二個引數是要保存的影像，
# 第三個引數表示壓縮級別，默認為3
# cv.copy() 影像復制
# cv.cvtColor() 影像顏色空間轉換
# img2=cv.cvtColor(img,cv2.COLOR_RGB2GRAY) 灰度化，彩色轉為灰色
# cv.resize(img,img2,dsize) 輸入原始影像，輸出新影像，影像的大小
# cv.flip(img,0)# 影像翻轉：flipcode=0沿x軸翻轉，>0沿y軸翻轉，<0沿xy同時翻轉
# cv.warpAffine(img,M,(400,600)) 影像變換，平移、裁剪、旋轉
# cv2.warpAffine(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]]) →dst
rows,cols,_=img.shape
# 第一個引數是旋轉中心，第二個是旋轉角度，第三個引數表示縮放系數，1表示維持原圖
matrix=cv.getRotationMatrix2D((cols/2,rows/2),90,0.6)
# 需要用另一張影像保存
img1=cv.warpAffine(img,matrix,(cols,rows))
cv.imshow('mywindow',img1)
cv.waitKey(0)
cv.destroyWindow(img1)
太懶了+1
六、PIL庫
from PIL import Image
import matplotlib.pyplot as plt
im=Image.open('cat.jpg')
# 創建新圖
# img_t=Image.new('RGBA',(256,256))
# 縮放影像
w,h=im.size
im.thumbnail((w//2,h//2))
im.show()
# 影像旋轉 im.transpose(Image.ROTATE_180)
# 幾何變換
# out=im.resize((128,128))
# out=im.rotate(45) 逆時針旋轉45°
# 顏色變換
# im = Image.open('chrome.png').convert("L")
# 模糊效果圖片
# im2=im.filter(ImageFilter.BLUR)
# 圖片增強
# im3=ImageEnhance.Contrast(im) # 調整對比度
# im3.enhance(1,3).show("30% more contrast")
# 此外還有ImageDraw類創建新的圖片，有基本繪圖操作
# ImageFont類有矢量字體支持
太懶了+2
七、總結
總的來說，這次對這么多庫的基本學習都是基于實驗的需要，所以這篇博客所用到的知識僅僅是我在學習時覺得對本人實驗有用的，不足之處，還望斧正，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/316353.html
標籤：AI
上一篇：在python中的串列中添加條件
下一篇：我怎樣才能有2個輸入if陳述句？