第9周 Python计算生态概览

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：采用合适方法用程序表达数据
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：数据/语言/图像/视觉等方面深度分析与决策

python库之数据分析
python库之数据可视化
python库之文本处理
python库之机器学习

Numpy: 表达N维数组的最基础库
Python接口使用，C语言实现，计算速度优异
Python数据分析及科学计算的基础库，支撑Pandas等
提供直接的矩阵运算、广播函数、线性代数等功能

def pySum():a = [0, 1, 2, 3, 4]b = [9, 8, 7, 6, 5]c = []for i in range(len(a)):c.append(a[i]**2 + b[i]**3)return c
print(pySum())

import numpy as npdef npSum():a = np.array([0, 1, 2, 3, 4])b = np.array([9, 8, 7, 6, 5])c = a**2 + b**3return cprint(npSum())

http://www.numpy.org

Pandas: Python数据分析高层次应用库
提供了简单易用的数据结构和数据分析工具
理解数据类型与索引的关系，操作索引即操作数据
Python最主要的数据分析功能库，基于Numpy开发
Series = 索引 + 一维数据
DataFrame = 行列索引 + 二维数据
http://pandas.pydata.org

Scipy: 数学、科学和工程计算功能库
提供了一批数学算法及工程数据运算功能
类似Matlab，可用于如傅里叶变换、信号处理等应用
Python最主要的科学计算功能库，基于Numpy开发
http://www.scipy.org

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
http://matplotlib.org

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
http://seaborn.pydata.org/

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
http://docs.enthought.com/mayavi/mayavi/

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

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)

http://mstamy2.github.io/PyPDF2

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

from nltk.corpus import treebank
t = treebank.parsed_sents('wsj_0001.mrg')[0]
t.draw()

http://www.nltk.org/

Python-docx: 创建或更新Microsoft Word文件的第三方库
提供创建或更新.doc或.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

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')

http://python-docx.readthedocs.io/en/latest/index.html

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
http://scikit-learn.org/

TensorFlow: AlphaGo背后的机器学习计算框架
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

import tensorflow as tf
init = tf.global_variables_initializer()
sess = tf.Session()
sess.run(init)
res = sess.run(result)
print('result:', res)

https://www.tensorflow.org/

MXNet: 基于神经网络的深度学习计算框架
提供可扩展的神经网络及深度学习计算功能
可用于自动驾驶、机器翻译、语音识别等众多领域
Python最重要的深度学习计算框架

9.2 实例15：霍兰德人格分析雷达图

雷达图 Radar Chart
雷达图是多特性直观展示的重要方式

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

需求：雷达图方式验证霍兰德人格分析
输入：各职业人群结合兴趣的调研数据
输出：雷达图

#HollandRadarDraw
import numpy as np
import matplotlib.pyplot as plt
import matplotlibmatplotlib.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)', '研究型(I)'])
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]]))
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()

目标 + 沉浸 + 熟练

9.3 从Web解析到网络空间

python库之网络爬虫
Requests: 最友好的网络爬虫功能库
提供了简单易用的类HTTP协议网络爬虫功能
支持连接池、SSL、Cookies、HTTP(S)代理等
Python最主要的页面级网络爬虫功能库

import requests
r = requests.get('https://api.github.com/user',\auth = ('user', 'pass'))
r.status_code
r.headers['content-type']
r.encoding
r.text

http://www.python-requests.org/

Scrapy: 优秀的网络爬虫框架
提供了构建网络爬虫系统的框架功能，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
Python最主要且最专业的网络爬虫框架
https://scrapy.org

pyspider: 强大的Web页面爬取系统
提供了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
Python重要的网络爬虫类第三方库
http://docs.pyspider.org

python库之Web页面信息提取
Beautiful Soup: HTML和XML的解析库
提供了解析HTML和XML等Web信息的功能
又名beautifulsoup4或bs4，可以加载多种解析引擎
常与网络爬虫库搭配使用，如Scrapy、requests等
https://www.crummy.com/software/BeautifulSoup/bs4

Re: 正则表达式解析和处理功能库
提供了定义和解析正则表达式的一批通用功能
可用于各类场景，包括定点的Web信息提取
Python最主要的标准库之一，无需安装

re.search()
re.match()
re.findall()
re.split()
re.finditer()
re.sub()

https://docs.python.org/3.6/library/re.html

Python-Goose: 提取文章类型Web页面的功能库
提供了对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
Python最主要的Web信息提取库

from goose import Goose
url = 'http://www.elmundo.es/elmundo/2012/10/28/espana/1351388909.html'
g = Goose({'use_meta_language': False, 'target_language': 'es'})
article = g.extract(url=url)
article.cleaned_text[:150]

https://github.com/grangier/python-goose

python库之Web开发
Django: 最流行的Web应用框架
提供了构建Web系统的基本应用框架
MTV模式：模型（model）、模板（Template）、视图（Views）
Python最重要的Web应用框架，略微复杂的应用框架
https://www.djangoproject.com

Pyramid: 规模适中的Web应用框架
提供了简单方便构建Web系统的应用框架
不大不小，规模适中，适合快速构建并适度扩展类应用
Python产品级Web应用框架，起步简单可扩展性好

from wsgiref.simple_server import make_server
from pyramid.config import Configurator
from pyramid.response import Response
def hello_world(request):return Response('Hello World!')
if _name_ == '_main_':with Configurator() as config:config.add_route('hello', '/')config.add_view(hello_world, route_name='hello')app = config.make_wsgi_app()server = make_server('0.0.0.0', 6543, app)server.serve_forever()

https://trypyramid.com/

Flask: Web应用开发微框架
提供了最简单构建Web系统的应用框架
特点是：简单、规模小、快速

from flask import Flask
app = Flask(_name_)
@app.route('/')
def hello_world():return 'Hello, World!'

http://flask.pocoo.org

Python库之网络应用开发
WeRoBot: 微信公众号开发框架
提供了解析微信服务器消息及反馈消息的功能
建立微信机器人的重要技术手段

import werobot
robot = werobot.WeRoBot(token='tokenhere')
@robot.handler
def hello(message):return 'Hello World!'

https://github.com/offu/WeRoBot

aip: 百度AI开放平台接口
提供了访问百度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
Python百度AI应用的最主要方式
https://github.com/Baidu-AIP/python-sdk

MyQR: 二维码生成第三方库
提供了生成二维码的系列功能
基本二维码、艺术二维码和动态二维码
https://github.com/x-hw/amazing-qr

9.4 从人机交互到艺术设计

python库之图形用户界面 GUI
PyQt5: Qt开发框架的Python接口
提供了创建Qt5程序的Python API接口
Qt是非常成熟的跨平台桌面应用开发系统，完备GUI
推荐的Python GUI开发第三方库
https://www.riverbankcomputing.com/software/pyqt

wxPython: 框平台GUI开发框架
提供了专用于Python的跨平台GUI开发框架
理解数据类型与索引的关系，操作索引即操作数据

import wx
app = wx.App(False)
frame = wx.Frame(None, wx.ID_ANY, "Hello World")
frame.Show(True)
app.MainLoop()

https://www.wxpython.org

PyGobject: 使用GTK+开发GUI的功能库
提供了整合GTK+、WebKitGTK+等库的功能
GTK+: 跨平台的一种用户图形界面GUI框架
实例：Anaconda采用该库构建GUI

import gi
gi.require_version("Gtk", "3.0")
from gi.repository import Gtk
window = Gtk.Window(title="Hello World")
window.show()
window.connect("destroy", Gtk.main_quit)
Gtk.main()

https://pygobject.readthedocs.io

python库之游戏开发
PyGame: 简单的游戏开发功能库
提供了基于SDL的简单游戏开发功能及实现引擎
理解游戏对外部输入的响应机制及角色构建和交互机制
Python游戏入门最主要的第三方库
http://www.pygame.org

Panda3D: 开源、跨平台的3D渲染和游戏开发库
一个3D游戏引擎，提供Python和C++两种接口
支持很多先进特性：法线贴图、光泽贴图、卡通渲染等
由迪士尼和卡内基梅隆大学共同开发
http://www.panda3d.org

cocos2d: 构建2D游戏和图形界面交互式应用的框架
提供了基于OpenGL的游戏开发图形渲染功能
支持GPU加速，采用树形结构分层管理游戏对象类型
适用于2D专业级游戏开发
http://python.cocos2d.org/

Python库之虚拟现实
VR Zero: 在树莓派上开发VR应用的Python库
提供大量与VR开发相关的功能
针对树莓派的VR开发库，支持设备小型化，配置简单化
非常适合初学者实践VR开发及应用
https://github.com/WayneKeenan/python-vrzero

pyovr: Oculus Rift的python开发接口
针对Oculus VR设备的Python开发库
基于成熟的VR设备，提供全套文档，工业级应用设备
Python+虚拟现实领域探索的一种思路
https://github.com/cmbruns/pyovr

Vizard: 基于Python的通用VR开发引擎
专业的企业级虚拟现实开发引擎
提供详细的官方文档
支持多种主流的VR硬件设备，具有一定通用性
http://www.worldviz.com/vizard-virtual-reality-software

Python库之图形艺术
Quads: 迭代的艺术
对图片进行四分迭代，形成像素风
可以生成动图或静态图像
简单易用，具有很高展示度
https://github.com/fogleman/Quads

ascii_art: ASCII艺术库
将普通图片转为ASCII艺术风格
输出可以是纯文本或彩色文本
可采用图片格式输出
https://github.com/jontonsoup4/ascii_art

turtle: 海龟绘图体系
Random Art
https://docs.python.org/3/library/turtle.html

9.5 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()

艺术：思想优先，编程是手段
设计：想法和编程同等重要
工程：编程优先，思想次之