本文主要是介绍9 python计算生态概括，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
Python计算生态概括
一、从数据处理到人工智能
1.概括
数据表示->数据清洗->数据统计->数据可视化->数据挖掘->人工智能
-数据表示：采用合适方式用程序表达数据
-数据清洗：数据归一化、数据转换、异常值处理
-数据统计：数据的概要理解，数量、分布、中位数等
-数据可视化：直观展示数据内涵的方式
-数据挖掘：从数据分析获得知识，产生数据外的价值
-人工智能：依托于数据/语言/图像/视觉等方面深度分析与决策
2.Python库的数据分析
①Numpy：表达N维数组的最基础库
②Pandas：Python数据分析高层次应用库
- Series = 索引 + 一维数组
- DataFrame = 行列索引 + 二维数组
③SciPy：数学、科学和工程计算功能库，类似Matlab（可用于傅里叶变换等）
类：傅里叶变换、信号处理、线性代数、图像处理、稀疏图压缩、稀疏图运算、优化算法等
3.Python库的数据可视化
①Matolotlib：高质量的二维数据可视化功能库
-提供超过一百种可视化展示效果
-通过matplotlib.pyplot子库调用各可视化效果
②Seaborn：统计类数据可视化功能库
-主要展示数据间的分布、分类、线性关系等内容
③Mayavi：三维科学数据可视化功能库
4.Python库的文本处理
①PyPDF2：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
http://mstamy2.github.io/PyPDF2
from PyPDF2 import PdfFileReader,PdfFileMerger
merger=PdfFileMerger()
input1=open("document1.pdf","rb")
input2=open("document2.pdf","rb")
merger.append(fileobj=input1,pages=(0,3))
merger.merge(position=2,fileobj=input2,pages=(0,1))
output=open("document-output.pdf","wb")
merger.write(output)②NLTK：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
http://www.nltk.org/
from nltk.corpus import treebank
t=treebank.parsed_sents('wsj_0001.mrg')[0]
t.draw()③Python-docx：创建或更新Microsoft Word文件的第三方库
-增加并配置段落、图片、表格、文字等
http://python-docx.readthedocs.io/en/latest/index.html
from docx import Document
document=Document()
document.add_heading('Document Title',0)
p=document.add_paragraph('A plain paragraph having some ')
document.add_page_break()
document.save('demo.docx')5.Python库的机器学习
①Scikit-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
②TensorFlow：AlphaGo背后的机器学习计算框架
-将数据流图作为基础，图节点代表运算，边代表张量
import tensorflow as tf
init=tf.global_variables_initializer()
sess=tf.Session()
res=sess.run(result)
print('result:',res)③MXNet：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
二、实例15：霍兰德人格分析雷达图
1.问题分析
雷达图 Rader Chart
霍兰德人格分析：人格兴趣与职业之间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
- 绘制雷达图：使用matplotlib库
- 专业的多维数据表示：numpy库
2.代码
#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,frac = 1.2)
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()三、从Web解析到网络空间
1.网络爬虫
①Requests：网络爬虫功能库
-提供了类HTTP协议网络爬虫功能，Python页面级网络爬虫
-支持连接池、SSL、Cookies、HTTP(S)代理
import requests
r=requests.get('https://api.github.com/user',\auth=('user','pass'))
r.status_code
r.headers['content-type']
r.ending
r.text②Scrapy：优秀的网络爬虫框架
-提供了构建网络爬虫的框架功能，功能半成品
-支持批量和定时网页爬取，提供数据处理流程等
③pyspider：web网页爬取系统
-提供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
2.Web信息提取
①Beautiful Soup：HTML和XML的解析库
-又名beautufulsoup4或者bs4，可以加载多种解析引擎
-经常与网络爬虫库搭配使用，如Scrapy、requests等
②Re：正则表达式解析和处理功能库
-可用于各类场景，包括定点的Web信息提取
③Python-Goose：提取文章类型Web页面的功能库
-提供了针对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
3.Web网站开发
①Django：最流行的Web应用框架
-提供构建Web系统的基本应用框架
-MTV模式：模型(model)、模板(Template)、视图(Views)
③Pyramid：规模适中的Web应用框架
4.网络应用开发
①WeRoBot：微信公众号开发框架
-建立微信机器人的重要技术手段
②aip：百度AI开发平台接口
-提供访问百度AI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
③MyQR：二维码生成（基本、艺术、动态）
四、从人机交互到艺术设计
1.图形用户界面
①PyQy5：Qt开发框架的Python接口
-非常成熟的跨平台桌面应用开发系统，完备GUI
②wxPython：跨平台GUI开发框架
import wx
app=wx.App(False)
frame=wx.Frame(None,wx.ID_ANY,"Hello World")
frame.show(True)
app.MainLoop()③PyGObject：使用GTK+开发GUI的功能库
2.游戏开发
①PyGame：简单的游戏开发功能库
②Panda3D：开源、跨平台的3D渲染和游戏开发库
-3D游戏引擎，支持很多先进特性（法线贴图、光泽贴图、卡通渲染等）
③cocos2d：构建2D游戏和图形界面交互式应用的框架
-支持GPU加速，采用树形结构分层管理游戏对象类型
3.虚拟现实
①VR Zero：在树莓派上开发VR应用的Python库
②pyovr：Oculus Rift的Python开发接口
③Vizard：基于Python的通用VR开发引擎
4.图形艺术
①Quads：迭代的艺术（像素风）
②ascii_art：ASCII艺术库，转换为ASCII艺术风格
③turtle：海龟绘图体系
五、实例16：玫瑰花绘制
#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()这篇关于9 python计算生态概括的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
