DL1. python入门

1.   深度学习及其学习以及数据科学领域，应用较多，凭借NumPy， SciPy等优秀的数据计算和统计分析库，应用较多，
2.   Python的版本：分为2.x和3.x， 3.x写的代码2.x无法执行。
3.   深度学习涉及的外部库：

a)   NumPy库：用于数值计算的库，提供数学算法和矩阵的操作接口。
b)   MatPlotlib库：绘制图形的库。
4.   Anaconda 3.x内部除了python3.x的环境以外，还集成了含上述库在内的必要库。

-------------------1.3 python解释器---------·------------------
1. Cmd中输入 python –version 可以查询python的版本。
2. Cmd python 可以启动python解释器，解释器与matlab的界面有点像

3.   算数运算：
a)   加减略；乘法（*）除法（/）乘方（**）
4.   数据类型：
a)   三种：整数，小数，字符串。 Int float “hello”

b)   用type（val）可以查看val的类型
5.   变量：命名规范与C语言类似，
a)   动态变量类型，即不需要显式的指定某变量的类型
b)   类型自动转换：小数与整数，结果为小数
c)   举例：x=10; x=x+0.1; type(x) = “float”

6.   打印值与注释：
a)   打印使用print（val）,不同于C语言，没有格式化的打印
b)   #为注释的意思，放在前面
7.   列表：（类似数组）
a)   定义：a= [1,2,3,4,5]

b)   打印全部：print(a) 打印某元素print(a[4])
c)   获取长度：len(a)
d)   访问谋个元素：a[3] 注意下标从0开始
e)   访问某一子表：
i.   下标为0-2的元素： a[0:2]

ii.   1-最后　　的元素：　ａ［１：］
iii.   索引为3之前的元素： a[:3]
iv.   最后一个元素的前一个元素之前的所有数据a[:-1]
v.   最后一个元素到前两个元素之前的所有数据a[:-2]

vi.   X:y [x,y) 即左边是包含，右边不包含
vii.   注意y可以是-1，即最后一个元素，-2代表倒数第二个元素
viii.   凡是【】形式的访问，右侧都是不包含的
8.   字典：以键值对的形式存储数据，类似《新华字典》

a)   定义：me={key1:val1, key2:val2} 即为建立联系，对于key和val的类型均没有限制，同一本字典的不同key类型可以不同。
b)   添加： me[newkey] = newval
c)   访问： me[key] 即访问key所对应的val
9.   布尔类型：类型“bool” 可取值【True False】（首字母必须大写）

a)   Type() = bool
b)   运算符：and or not A and b; a or b not c
10.   If语句：
if a (a可以是int float bool类型)

print(“111”) 前面可以是四个空格
print(“111”) 前面也可以是一个tab
#python中，四个空格或一个tab表示缩进，缩进不仅代表格式，还代表所属关系
Else:
Print(“222”)
Print(“333”)

#此行前面不加空格，即代表else结束，即if结束。

11. For循环语句：用于循环处理。
For a in [1, 3, 5]: #即 for val in [a,b,c]
Print(“a”) #注意结果为1， 3， 5
注意运行的次数为3次，但是结果为 1 3 5

此外需要注意的一点是 for in后面的可以是7节中的列表
12. 函数：
def xxx(object1, pbject2):
print(“hello” + object1 + object2 + “!”) 字符串拼接使用“+”

调用：xxx(mlw niubi)

-------------------·--·-python中类的定义以及实例化-------·-----------
1. Python脚本文件以 .py 为后缀。在其中书写一系列语句，然后在cmd界面（不需要进入python解释器模式）直接python xx.py 即可运行该py文件。
2. 类：相当于结构体。之前我们了解的类(int str等通过type获取的)是pytjon默认集成的，我们可以自己定义类。类的定义如下

class mlw: //类名称 mlw
def __init__(self, arg1, arg2): //构造函数，注意其名字一定为__init__, 参数随意
self.arg1 = arg1
self.arg2 = arg2
print("Initialized!")
def func1(self): //定义其他功能函数
def func2(self): //定义其他功能函数

3.   类的实例化： mlw val1(arg1, arg2); //定义名为val1的mlw类变量。同时传参给构造函数，注意实参的类型和数量必须符合构造函数的要求，不然失败。
4.   类的成员以及函数的引用：
a)   类的成员的引用： val1.arg1 val1.arg2

b) 类的成员函数的使用： val1.func1() val1.func2() 注意后面必须加括号。
----------·--------·------------------------

-----------------·--------NumPy--------------·--------------
1. 用于数组和矩阵的运算，NumPy中的数组类（numpy.array）中提供了很多方法，
2. 导入：NumPy是外部库，所谓外部就是不包含在python的默认库中，需要导入：对话模式下执行：import numpy as np 即可完成导入。

3.   import libxxx as xxx ：导入libxxx库，然后连接到符号xxx。后续通过xxx即可调用该库。
具体使用：
1.   生成NumPy数组：Resault = np.array(val)
a)   Val：入参，是python列表类型。
b)   Resault出参，是nump.ndarray 类型的数据。

2.   NumPy之间的算数运算：运算的需要是同维数，加减乘除即对应的元素加减乘除。Numpy数组也可与标量进行运算，就是对每个成员与该标量进行运算。
3.   NumPy的N维数组：即矩阵
a)   定义： val = np.array(【[1,2], [3,4], [5,6]】) []内的为一行
b)   获取维数：该类中集成了shape函数，用于返回维数。

c)   获取矩阵元素的类型：该类中集成了dtype函数，用于返回元素的类型
d)   两个维数相同的矩阵可以进行运算，注意乘法是点乘，即对应元素计算。
e)   矩阵可以与标量进行运算，方法是遍历每个元素计算。基于广播实现的。

f)   一维数组称为向量二维数组称为矩阵，三维及以上的称为张量。
4.   广播：NumPy中不同维数的数组之间可以运算，比如矩阵和标量之间，因为NumPy有自动补全的机制，用于解决不同维数之间矩阵计算的问题，关于自动补全的方法不详细介绍，
5.   访问矩阵元素：元素索引从0开始（与python通用的列表相同）
a)   访问某行：val[xx] 访问xx行的所有元素，注意xx也是从0开始的。

b)   访问某个元素： val[xx][yy] 访问xx行yy列的元素
c)   Np.flatten函数用于将np.array矩阵中的元素转换为数组。
i.   Val = val.flatten() val仍然是numpy.ndarray类型的。注意按行存储。
d)   注意matlab是按列存储的。
e)   Val【np.array([0, 2, 4])】获取索引为0 2 4 的元素

f) 数组的布尔型运算：对数组进行布尔型运算，会得到一个true false的数组 val>3
g) Val【val>3】打印出所有大于3的元素的值。
对于NumPy的使用，以实际的训练为主。
几个方法的介绍：

1. Np.arange(min, max, step) 类似于matalab定义一个向量
2. Np中集成了sin cos等函数： y=np.sin(x) //其中x是自己生成的向量。

------------·------------matplotlib库--------·-·-----------
1.   外部库，需要导入：import matplotlib.pyplot as plt
2.   显示图形示例：
a)   X=np.arange(min, max, step)

b)   Y=np.sin(x)
c)   Plt.plot(x,y) 调用plt类中的绘制函数
d)   Plt.show() 调用plt类中的显示函数

3.   Plt.plot(x, y, label=”sin”, linestyle=”-”) 其中label是图形的标示符，linestyle是曲线的类型。
4.   Plt.xlabel(“str”) x轴的标记 plt.ylabel(“str”) y轴的标记
5.   Plt.title(“title”) 图像的标题
6.   Plt.legend() plt.show()
7.   显示图像：略。

DL1. python入门相关推荐

python速成要多久2019-8-28_2019最全Python入门学习路线，不是我吹，绝对是最全
近几年Python的受欢迎程度可谓是扶摇直上,当然了学习的人也是愈来愈多.一些学习Python的小白在学习初期,总希望能够得到一份Python学习路线图,小编经过多方汇总为大家汇总了一份Python学 ...
Python入门学习方法有哪些?
Python编程语言是相对比较简单的一门编程语言,在IT行业,很多零基础学员都会优先选择Python语言进行学习,希望可以进入到IT这个大家庭,那么想要学好Python编程,针对Python入门学习方 ...
全了！从Python入门到入魔
总被读者问到,我看完了python入门的书,后面就不知道要学什么了.今天就给你们整理全套入门到进阶的教程. 这套教程非常全面而且详细,从Python入门到Python进阶.Django.Flask等W ...
全了！从Python入门到精通
总被读者问到,我看完了python入门的书,后面就不知道要学什么了.今天就给你们整理全套入门到进阶的教程. 这套教程非常全面而且详细,从Python入门到Python进阶.Django.Flask等W ...
卧槽！微软Python入门课居然汉化了！
去年,微软上线了自己的Python入门课程.一时间,好评如潮.但是真正看完这个课程的国人非常少,因为它的翻译实在是太烂了(英文听力好的人应该看的还是很爽的).很明显,微软直接采用了机器翻译,导致视频的 ...
python入门：工欲善其事，必先利其器
未来将是一个全民编程的年代.本头条号以科普为基础,旨在向大家介绍如何快速掌握这门编程语言,从而能为自己的工作和生活带来高效和便利.本期的主题是python入门,希望通过下面三个步骤把大家带到pytho ...
15天Python入门-3-流程控制-选择结构
15天Python入门-3-流程控制-选择结构时代赋能生命的意义是成为你自己已关注 1 人赞同了该文章设想一个场景,你需要控制机器人和顾客打招呼,假设机器人(在大多数情况下)能够判断出顾客的性 ...
Python入门 Python自学路线 Python如何学习
本文介绍Python入门 Python自学路线 Python如何学习.先说点题外话吧:首先呢,我刚开始接触编程的时候,学的是C,那时候Python还没有这么火,后来学了C++,PHP,Java,前端. ...
微软推出Python入门课，登上GitHub趋势榜第一(附视频）
来源:新智元本文约900字,建议阅读10分钟. 本文带你看视频轻松学习python课程! [ 导读 ] 微软针对 Python 初学者,推出了一套免费的教程视频.这套课程最大的特定是轻松简洁,一上线 ...

DL1. python入门

DL1. python入门相关推荐

最新文章

热门文章