程环境-使用jupyter

MAC系统安装教程https://wenku.csdn.net/column/and2yb9ip2

1.下载homebrew包管理工具

https://gitee.com/cunkai/HomebrewCN/raw/master/Homebrew.sh)

2.安装Python环境

jupyter-CSDN博客文章浏览阅读1.6k次。

解决办法1、找到jupyter的安装位置pip3

show

jupyter根据location可以找到jupyter的位置/Users/wangyajing/Library/Python/3.8/bin2、vim编写vim

~/.zshrc

PATH/Users/wangyajing/Library/Python/3.8/bin/:$PATH结束后输入:wq并回车退出编辑3、载入命令并启动jupyter

notebooksource

jupyterhttps://blog.csdn.net/qq_35443700/article/details/122645657

安装效果

环境变量配置-CSDN博客文章浏览阅读5k次点赞5次收藏14次。

关于终端环境变量设置_mac

zshrc

环境变量配置https://blog.csdn.net/StoryZX/article/details/118684079

4.下载Anaconda使用conda

notebook将环境资源隔离可以下载Anaconda使用conda

Download

这样我们就可以使用conda实现包的安装管理和环境资源管理了。

5.使用conda设置虚拟环境

当第三个参数为负数时-CSDN博客文章浏览阅读792次点赞13次收藏65次。

参考教程菜鸟教程https://www.runoob.com/python3/python3-tutorial.html使用的开发工具是Jupyter

NotebookAnaconda下面我主要是介绍一些需要注意的点和练习过程说在前面动手很重要一、python基本语法1.标识符规则在

Python

当第三个参数为负数时https://blog.csdn.net/hehe_soft_engineer/article/details/102821470Python常用语法看这些就够了下篇_用format求立方-CSDN博客文章浏览阅读1.5k次点赞11次收藏75次。

Python常用语法看这些就够了下篇九、Python

Python

代码段。

1.import语句引入模块导入方式import模块名在使用模块内的函数时需要使用模块名.函数名

的方式调用例一个..._用format求立方https://blog.csdn.net/hehe_soft_engineer/article/details/102904263

def

quicksort(right)print(quicksort([3,6,8,10,1,2,1]))

Prints

comprehension的示例。

列表推导是一种创建列表的简洁方式它从一个或多个迭代器如列表、元组、集合、字典等中构建列表。

①for

left变量将存储这个新列表其中包含所有小于pivot的arr中的元素。

arr

list2。

如果你想要修改一个列表并添加另一个列表的所有元素你可以使用

extend()

list1.extend(list2)print(list1)

输出:

与大多数语言一样Python有许多基本类型包括整数、浮点数、布尔值和字符串。

这些数据类型的行为方式与其他编程语言相似。

(1)整数与浮点数

注意与许多语言不同Python没有一元递增(x)或递减(x--)操作符。

print(type(x))

https://docs.python.org/3.8/library/stdtypes.html#numeric-types-int-float-complex

(2)逻辑运算

Python实现了布尔逻辑的所有常见操作符但使用了英语单词而不是符号(||等)

True

在Python中列表相当于数组但可以重新调整大小包含不同类型的元素

[3,

documentationhttps://docs.python.org/3.8/tutorial/datastructures.html#more-on-lists

①切片

除了每次访问一个链表元素外Python还提供了访问子链表的简洁语法这就是所谓的切片

nums

使用enumerate内置函数将一个可遍历的数据对象如列表、元组或字符串组合为一个索引序列同时列出数据和数据下标一般用在

for

字典存储(键、值)对类似于Java中的Map或Javascript中的对象。

你可以像这样使用它

{cat:

documentationhttps://docs.python.org/3.8/library/stdtypes.html#dict

①遍历字典

https://docs.python.org/3.8/library/stdtypes.html#sethttps://docs.python.org/3.5/library/stdtypes.html#set

①遍历集合

遍历集合与遍历列表的语法相同然而由于集合是无序的你无法把集合中元素的访问顺序作为元素间顺序。

animals

元组是一个(不可变的)有序值列表。

元组在很多方面与列表相似其中一个最重要的区别是元组可以用作字典的键也可以用作集合的元素而列表不能。

下面是一个简单的例子

{(x,

https://docs.python.org/3.8/tutorial/datastructures.html#tuples-and-sequences

4.函数

https://docs.python.org/3.8/tutorial/controlflow.html#defining-functionshttps://docs.python.org/3.5/tutorial/controlflow.html#defining-functions

5.类class

self.name.upper())else:print(Hello,

self.name)g

...https://docs.python.org/3/tutorial/classes.html#

三、学习Numpy

Numpy是Python科学计算的核心库。

它提供了一个高性能的多维数组对象以及用于处理这些数组的工具。

NumPy

Manualhttps://numpy.org/doc/stable/reference/index.html#reference

1.Arrays

numpy数组是由相同类型的值组成的网格数组的索引为一个非负整数元组。

维数是数组的秩数组的形状是一个整数元组给出了数组在每个维度上的大小。

(1)访问元素

我们可以从嵌套的Python列表中初始化numpy数组并使用方括号访问元素

import

与Python列表类似numpy数组也可以被切片。

由于数组可能是多维的因此必须为数组的每个维度指定切片[row1:row2,col1:col2]操作符切片下标从0开始不包括结束位置下标

import

你也可以混合使用整型索引和切片索引。

然而这样做将得到一个比原始数组低的数组。

import

整数数组索引的一个有用技巧是从矩阵的每一行中选择或改变一个元素

Create

使用切片对numpy数组进行索引时得到的数组视图始终是原始数组的子数组。

相比之下整数数组索引允许你使用另一个数组中的数据来构建任意数组。

下面是一个例子

import

布尔数组索引允许你从数组中挑选任意元素。

这种类型的索引通常用于选择满足某种条件的数组元素。

下面是一个例子

np.array([[1,2],

每个numpy数组都是由相同类型的元素组成的网格。

Numpy提供了大量的数值数据类型可用于构造数组。

Numpy在创建数组时尝试猜测数据类型但构造数组的函数通常还包含一个可选的参数来显式指定数据类型。

下面是一个例子

np.array([1,

numpy模块提供了操作数组逐元素的基本数学函数既可以作为运算符重载也可以作为函数使用

dtypenp.float64)

请注意与MATLAB不同*是逐元素乘法而不是矩阵乘法。

相反我们使用dot函数来计算向量的内积、向量与矩阵的乘积以及矩阵的乘积。

dot既可以作为numpy模块中的函数使用也可以作为数组对象的实例方法使用:

np.array([9,10])

np.array([[1,2],[3,4]])print(np.sum(x))

Compute

除了使用数组计算数学函数外我们经常需要对数组中的数据进行重塑或操作。

这种类型的操作最简单的例子是矩阵转置;要转置矩阵只需使用数组对象的T属性

更多数组操作链接Array

广播是一种强大的机制numpy可以对不同形状的数组进行算术运算。

通常我们有一个较小的数组和一个较大的数组我们希望多次使用较小的数组对较大的数组执行某些操作。

will

上面的方法可行然而当矩阵x非常大时在Python中计算显式循环可能会很慢。

注意将向量v与矩阵x的每一行相加等价于将vv的多个副本垂直堆叠然后对x和v进行逐元素求和从而形成一个矩阵vv。

举个例子直观展示

will

Numpy中的广播允许我们在不创建v的多个副本的情况下进行计算直接相加体现广播特性

will

v仍然有效;这行代码就好像v的形状是(4,3)一样其中每一行都是v的一个副本并且求和是逐元素进行的。

①如果两个数组的秩不相同则在低秩数组的形状前加1直到两个形状的长度相同。

②如果这两个数组在某个维度上的大小相同或者其中一个数组的大小为1则称这两个数组在该维度上是兼容的。

⑤在任意维度中如果一个数组的大小为1而另一个数组的大小大于1则第一个数组的行为就像沿着第二个数组维度复制的一样

Compute

Numpy提供了高性能多维数组以及基本的计算和操作这些数组的工具。

SciPy在此基础上提供了大量numpy数组操作函数适用于不同类型的科学和工程应用。

SciPy

要想熟悉SciPy最好的方法是浏览它的文档。

我们将重点介绍SciPy中对这门课可能有用的部分。

1.图像操作

SciPy提供了一些处理图像的基本函数。

例如它有函数将图像从磁盘读入numpy数组将numpy数组作为图像写入磁盘以及调整图像的大小。

下面是展示这些函数的一个简单示例

注意原来代码中的scipy.misc已经被弃用要使用Pillow来代替

#原代码

np.asarray(img)#给图片上色通过缩放每个color

channel(red,

#将红色通道缩放1倍绿色通道缩放0.95倍蓝色通道缩放0.9倍

#最后将浮点数组转换回uint8类型

0.9]).astype(np.uint8)print(img_tinted:,img_tinted.dtype,

array

Image.fromarray(img_tinted)#对img_tinted_pil对象进行resize操作

img_tinted_resized

img_tinted_resized.save(flower_tinted2.png)

上色大小调整后效果图

matplotlib中最重要的函数是plot它允许你绘制二维数据。

下面是一个简单的例子

import

只需要做一点点额外的工作就可以轻松地一次绘制多条线并添加标题、图例和坐标轴标签

Compute

你可以使用subplot函数在同一幅图中绘制不同的图形。

举个例子

Compute

#子图1绘制图片上色后的图注意数据类型必须是uint8所以这里使用array矩阵img_tinted前面四、1出现过

Show

#子图2绘制resize后的图这里的img_tinted_resized是Image对象所以需要转化为矩阵形式

plt.imshow(np.asarray(img_tinted_resized))

plt.show()

本节将作为一个关于Python编程语言及其在科学计算中的使用的速成课程。

介绍了Jupyter

notebook这是一种非常方便的编程Python代码的方式。

介绍了Python的常用语法、数据类型、运算符、容器等内容。

介绍了Numpy库、Scipy库以及Matplotlib库的作用以及常见的API用法对我们科学计算、图片操作和绘图有很大的帮助。