python第九章，计算生态概念

muyurenzheng

2020-01-10

关注关注

1，从数据处理到人工智能。

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。

数据清理：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：

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
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
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

提供了超过一百种数据可视化展示效果
通过matplotlib.pyplot子库调用哥可视化效果
python最主要的数据可视化功能库，基于Numpy开发
http://matolotilb.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，分割/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
http://mstamy2.githup.io/PyPDF2

NLTK:自然语言文本处理第三方库：

提供了一批简单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，语法分析等
最优秀的Python自然语言处理库
http://www.nltk.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.dox .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
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
http://www.tensorflow.org/

NXNet: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
https://mxnet.incubator.apache.org/

霍兰德人格分析雷达图

#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()

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

Scrapy:优秀的网络爬虫框架

提供了构建网络爬虫和定时网页爬取，提供数据处理流程等
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Web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beauitfulsoup4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。

Re:正则表达式解析和处理功能库

提供了定义与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
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
https://github.com/grangier/python-goose

Python库之Web网站开发

Diango：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：构建（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
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
Django > Pyramid > Flask
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及反馈消息的功能
建立微信机器人的重要技术手段
https://github.com/offu/WeRoBot

aip:百度AI开放平台接口

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/sylnsfar/qrcode

从人机交互到艺术设计

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:跨平台GUI开发框架

提供了专用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
Python最主要的数据分析功能库，基于NUmpy开发
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
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，发现贴圈，光泽贴圆，卡通渲染等
由迪士尼和卡尼集梅隆大学共同开发
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
适用与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

provr:Oculus Rift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
可以生成动图或静图图像
简单易用，具有很高展示度
https://github.com/fogleman/Quads

ascill_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://docs.python.org/3/library/turtle.html

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()

来源：mooc 嵩天 python；

python 大数据 python数据挖掘