全国计算机等级考试二级Python（2021年9月）备考笔记 第九天

Python语言程序设计-嵩天老师(MOOC)听课笔记 第9周

知识点一

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，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:表达N维数组的最基础库
  

• NumPy库: 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
• pandas库: 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
• SciPy: 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
  
• Matplotlib: 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
  
  Seaborn: 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
  
• Mayavi: 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)

• PyPDF2: 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()

• 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

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
• 机器学习最基本且优秀的Python第三方库
  
• Scikit-learn: 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)

• TensorFlow: 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，语言识别等众多领域
• Python最重要的深度学习计算框架
  
• MXNet: https://mxnet.incubator.apache.org/

实例 霍兰德人格分析

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

• 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
• 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

实例展示

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)'])
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]]))
radar_labels=np.concatenate((radar_labels,[radar_labels[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()

输出结果:

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

知识点二

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

• Requests: 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
• Scrapy: Python数据分析高层次应用库 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
• pyspider: http://docs.pyspider.org

Python库之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: 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: 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]

• Python-Goose: https//github.com/grangier/python-goose

Python库之Web网站开发

• 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
  
• Django: 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()

• Pyramid: 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 好

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

• 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!'

• WeRoBot: 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
  
• aip: 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
• MyQR: https://github.com/sylnsfar/qrcode

Python库之图形用户界面

• 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
• PyQt5: https://www.riverbankcomputing.com/software/pyqt

• 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

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

• wxPython: 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()

• PyGObject: 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
  
• PyGame: 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
• 由迪士尼和卡尼基梅隆大学共同开发
  
• Panda3D: 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
  
• cocos2d: 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
  
  
• VR Zero: 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
  
• pyovr: 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
• Vizard: 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，具有很高的展示度
  
• Quads: 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
  
• ascii_art: https://github.com/jontonsoup4/ascii_art

• turtle: 海龟绘图体系

• 
• Random Art
• turtle: https://docs.python.org/3/library/turtle.html

实例 玫瑰花绘制

问题分析

• 玫瑰花绘制

• 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

#代码如下:
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)
#绘制一个绿色的叶子
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()

举一反三

• 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

• 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

第九周测验题目

程序设计题

第一题 系统基本信息获取

题目描述:获取系统的递归深度、当前执行文件路径、系统最大UNICODE编码值等3个信息，并打印输出。
输出格式:
RECLIMIT:<深度>, EXEPATH:<文件路径>, UNICODE:<最大编码值>
提示：请在sys标准库中寻找上述功能
输入示例：无
输出示例：RECLIMIT:500, EXEPATH:/bin/python, UNICODE:1411

代码如下:
import sys
print("RECLIMIT:{}, EXEPATH:{}, UNICODE:{}".format(sys.getrecursionlimit(), sys.executable, sys.maxunicode))

第二题 二维数据表格输出

题目描述：tabulate能够对二维数据进行表格输出，是Python优秀的第三方计算生态。‪‬‪‬‪‬‪‬‪‬‮‬‫‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬
参考编程模板中给定的数据和代码，编写程序，能够输出如下风格效果的表格数据。

from tabulate import tabulate
data = [ ["北京理工大学", "985", 2000], \
         ["清华大学", "985", 3000], \
         ["大连理工大学", "985", 4000], \
         ["深圳大学", "211", 2000], \
         ["沈阳大学", "省本", 2000], \
    ]
print(tabulate(data, tablefmt="grid"))