第9周python计算生态概览-Python语言程序设计(学习笔记)

文章原创,最近更新：2018-05-16

1.辅学内容
2.从数据处理到人工智能
3.实例15：霍兰德人格分析雷达图
4.从Web解析到网络空间
5.从人机交互到艺术设计
6.实例16：玫瑰花绘制
7.所有代码汇总
原链接 语言程序设计北京理工大学

1.辅学内容

1.1前课复习

Python程序设计思维

• 计算思维：抽象计算过程和自动化执行
• 计算生态：竞争发展、相互依存、快速更迭
• 用户体验：进度展示、异常处理等
• IPO、自顶向下、模块化、配置化、应用开发的四个步骤图

Python第三方库安装

• PyPI:Python Package Index
• pip命令的各种用法
• Anaconda集成开发工具及安装方法
• UCI页面的“补丁”安装方法

1.2本课概要

第9章 Python计算生态概览

• 9.1从数据处理到人工智能
• 9.2实例15：霍兰德人格分析雷达图
• 9.3从Web解析到网络空间
• 9.4从人机交互到艺术设计
• 9.5实例16：玫瑰花绘制

方法论

• 纵览Python计算生态，看见更大的世界

实践能力

• 初步编写带有计算生态的复杂程序

1.3练习与作业

练习（可选）

• 5道编程题@Python123

作业

• 15道单选题@Python123

2.从数据处理到人工智能

2.1单元开篇

1)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

2)从数据处理到人工智能

• 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

2.2python库之数据分析

1)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

Numpy官方网站:http://www.numpy.org

2)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

Pandas官方网站:http://pandas.pydata.org

备注:此处可以理解为pandas扩展了一维以及二维数据的表示.因而形成了更高数据的操作和简化数据分析的运行.

3)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

SciPy官方网站:http://www.scipy.org

2.3python库之数据可视化

1)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

Matplotlib官方网站:http://www.matplotlib.org

2)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

Seaborn官方网站:http://seaborn.pydata.org/

3)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

Mayavi官方网站:http://docs.enthought.com/mayavi/mayavi/

2.4python库之文本处理

1)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

PyPDF2官方网站:http://mstamy2.github.io/PyPDF2

以下截图代码是将两个pdf的文档合成一个:

2)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

NLTK官方网站:http://www.nltk.org/

以下截图代码是将自然语言文本变成一个树形结构,以及分析各部分逻辑之间的相互关系:

3)Python-docx：创建或更新Microsoft Word文件的第三方库

• 提供创建或更新.doc.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

Python-docx官方网站:http://python-docx.readthedocs.io/en/latest/index.html

以下截图代码是在一个文档中增加标题,增加段落,增加分页符并且存储为外部文件,:

2.5python库之机器学习

1)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

Scikit-learn官方网站:http://scikit-learn.org/

2)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

TensorFlow官方网站:https://www.tensorflow.org/

3)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

MXNet官方网站:https://mxnet.incubator.apache.org/

2.6单元小结

3.实例15：霍兰德人格分析雷达图

3.1“霍兰德人格分析雷达图”问题分析

问题分析-霍兰德人格分析

• 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
• 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

问题分析-霍兰德人格分析雷达图

• 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

问题分析-霍兰德人格分析雷达图

• 通用雷达图绘制：matplotlib库
• 专业的多维数据表示：numpy库
• 输出：雷达图

3.2“霍兰德人格分析雷达图”实例展示

这里仅是数据展示,因为涉及到第三方库numpy以及matplotlib库很多函数是无法短时间可以说明的.

首先是用import 引用第三方库.

用numpy的array将多维的数据组织起来.

用matplotlib绘制雷达图的方法,需要绘制的雷达图.并且将之前的数据嵌入到雷达图的表示数据中.

将雷达图绘制形成相关的文件.

将代码运行一遍,看看效果就可以.

3.3“霍兰德人格分析雷达图”举一反三

1)举一反三:目标+沉浸+熟练

• 编程的目标感：寻找感兴趣的目标，寻（wa）觅（jue）之
• 编程的沉浸感：寻找可实现的方法，思（zuo）考（mo）之
• 编程的熟练度：练习、练习、再练习，熟练之

4.从Web解析到网络空间

4.1单元开篇

1)从Web解析到网络空间

• Python库之网络爬虫
• Python库之Web信息提取
• Python库之Web网站开发
• Python库之网络应用开发

4.2Python库之网络爬虫

1)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

Requests官方网站:http://www.python-requests.org/

2)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

Scrapy官方网站:https://scrapy.org

3)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

pyspider官方网站:http://docs.pyspider.org

4.3Python库之Web信息提取

1)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

Beautiful Soup官方网站:https://www.crummy.com/software/BeautifulSoup/bs4

2)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官方网站:https://docs.python.org/3.6/library/re.html

3)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

Python-Goose官方网站:https://github.com/grangier/python-goose

4.4Python库之Web网站开发

1)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

Django官方网站:https://www.djangoproject.com

2)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

Pyramid官方网站:https://trypyramid.com/

3)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

Flask官方网站:http://flask.pocoo.org

4.5Python库之网络应用开发

1)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

WeRoBot官方网站:https://github.com/offu/WeRoBot

2)aip：百度Al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

aip官方网站:https://github.com/Baidu-AIP/python-sdk

3)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

MyQR官方网站:https://github.com/sylnsfar/qrcode

4.6单元小结

5.从人机交互到艺术设计

5.1单元开篇

1)从人机交互到艺术设计

• Python库之图形用户界面
• Python库之游戏开发
• Python库之虚拟现实
• Python库之图形艺术

5.2Python库之图形用户界面

1)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(图形用户界面)
• 推荐的Python GUI开发第三方库

PyQt5官方网站:https://www.riverbankcomputing.com/software/pyqt

2)wxPython：跨平台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
• Python最主要的数据分析功能库，基于Numpy开发

wxPython官方网站:https://www.wxpython.org

3)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

PyGObject官方网站:https://pygobject.readthedocs.io

5.3Python库之游戏开发

1)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

PyGame官方网站:http://www.pygame.org

2)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
• 由迪士尼和卡尼基梅隆大学共同开发

Panda3D官方网站:http://www.panda3d.org

3)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

cocos2d官方网站:http://python.cocos2d.org/

5.4Python库之虚拟现实

1)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

VR Zero官方网站:https://github.com/WayneKeenan/python-vrzero

2)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

pyovr官方网站:https://github.com/cmbruns/pyovr

3)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

Vizard官方网站:http://www.worldviz.com/vizard-virtual-reality-software

5.5Python库之图形艺术

1)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

Quads官方网站:https://github.com/fogleman/Quads

2)asci art:ASClI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

asci art官方网站:https://github.com/jontonsoup4/ascii_art

3)turtle：海龟绘图体系

turtle官方网站:https://docs.python.org/3/library/turtle.html

5.6单元小结

6.实例16：玫瑰花绘制

6.1“玫瑰花绘制”问题分析

1)问题分析-玫瑰花绘制

• 需求：用Python绘制一朵玫瑰花，献给所思所念
• 输入：你的想象力！
• 输出：玫瑰花

• 绘制机理：turtle基本图形绘制
• 绘制思想：因人而异
• 思想有多大、世界就有多大

6.2“玫瑰花绘制”实例展示

import turtle库,定义一个曲线函数

绘制花朵的主体部分

绘制花枝形状

绘制其中的一个绿色叶子

绘制另外的一个绿色叶子

6.3“玫瑰花绘制”举一反三

1)艺术之于编程，设计之于编程

• 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

2)编程不重要，思想才重要！

• 认识自己：明确自己的目标，有自己的思想（想法）
• 方式方法：编程只是手段，熟练之，未雨绸缪为思想服务
• 为谁编程：将自身发展与祖国发展相结合，创造真正价值

7.所有代码汇总

代码1:

#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()

代码2:

#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()