【9】Python计算生态概览

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：采用合适方法用程序表示数据
• 数据清洗：数据归一化、数据转换、异常值处理
• 数据统计：数据的该要理解，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

http://www.numpy.org

• 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，支持Pandas等
• 提供直接的矩阵运算、广播函数、线性代数等功能

Pandas：Python数据分析高层次应用库

http://pandas.pydata.org

• 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Mumpy开发

Series = 索引+一维数据
DataFrame = 行列索引+二维数据

SciPy：数学、科学和工程计算功能库

http://www.scipy.org

• 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Mumpy开发

傅里叶变换、信号处理、线性代数、图像处理、稀疏图压缩、稀疏图运算、优化算法...

Python库之数据可视化

Matplotlib：高质量的二维数据可视化功能库

http://matplotlib.org

• 提供了超过100种数据可视化展示效果
• 通过matplotlib.pyplot子库条用各可视化效果
• Python最主要的数据可视化功能库，基于Numpy开发

Seaborn：统计类数据可视化功能库

http://seaborn.pydata.org

• 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

Mayavi：三维科学数据可视化功能库

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

• 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Mumpy、TVTK、Traits、Envisage等第三方库

Python库之文本处理

PyPDF2：用来处理pdf文件的工具集

http://mstamy2.github.io/PyPDF2

• 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

NLTK：自然语言文本处理第三方库

http://www.nltk.org

• 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

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

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

• 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库之机器学习

Scikit-Learn：机器学习方法工具集

http://scikit-learn-org

• 提供一批统一化的机器学习方法功能接口
• 提供聚类、分类、归类、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

TensorFlow：AlphaGo背后的机器学习计算框架

https://www.tensorflow.org

• 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

MXNet：基于神经网络的深度学习计算框架

https://mxnet.incubator.apache.org

• 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

实例15：“霍兰德人格分析雷达图”

雷达图（Radar Chart）:多特性直观展示的重要方式
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、现实型
• 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结果
• 输出：雷达图

库：

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

代码：

#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()

举一反三

目标+沉浸+熟练

• 编程的目标感：寻找感兴趣的目标，寻觅之
• 编程的沉浸感：寻找可实现的目标，思考之
• 编程的熟练度：练习、练习、再练习，熟练之

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

http://www.python-requests.org

• 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

Scrapy：优秀的网络爬虫框架，Python数据分析高层次应用库

https://scrapy.org

• 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

PySpider：强大的Web页面爬取系统

http://docs.pyspider.org

• 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

Python库之Web信息提取

Beautiful Soup：HTML和XML的解析库

https://www.crummy.com/software/BeautifulSoup/bs4

• 提供了解析HTML和XML等Web信息的功能
• 又名beautifulsoup4或bs4，可加载多种解析引擎
• 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

• 提供可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Web信息提取
• Python最主要的标准库之一，无需安装

Python-Goose：提取文章类型Web页面的功能库

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

• 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库之Web网站开发

Django：最流行的Web应用框架

https://www.djangoproject.com

• 提供了构建Web系统地基本应用框架
• 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

Pyramid：规模适中的Web应用框架

https://trypyramid.com

• 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

Flask：Web应用开发微框架

http://flask.pocoo.org

• 提供了最简单构建Web系统地应用框架
• 特点是：简单、规模小、快速
• Django > Pyramid > Flask

Python库之网络应用开发

WeRoBot：微信公众号开发框架

https://github.com/offu/WeRoBot

• 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

aip：百度AI开放平台接口

https://github.com/Baidu-AIP/python-sdk

• 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在用户端使用的主要方式

MyQR：二维码生成第三方库

https://github.com/sylnsfar/qrcode

• 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

从人机交互到艺术设计

Python库之图形用户界面

PyQt5：Qt开发框架的Python接口

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

• 提供了创建Qt5程序的Python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

wxPython：跨平台GUI开发框架

https://www.wxpython.org

• 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

PyGObject：使用GTK+开发GUI的功能库

https://pygobject.readthedocs.io

• 提供了整合GTK+、WebKitGTK+等库的功能
• GTK+：跨平台的一种图形界面GUI框架
• 实例：Anaconda采用该库构建GUI

Python库之游戏开发

PyGame：简单的游戏开发功能库

http://www.pygame.org

• 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创建和交互机制
• Python游戏入门最主要的第三方库

Panda3D：开源、跨平台的3D渲染和游戏开发库

http://www.panda3d.org

• 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

cocos2d：构建2D游戏和图形界面交互式应用的框架

http://python.cocos2d.org

• 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

Python库之虚拟现实

VR Zero：在树莓派上开发VR应用的Python库

https://github.com/WayneKeenan/python-vrzero

• 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

pyovr：Oculus Rift的Python开发接口

https://github.com/cmbruns/pyovr

• 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+VR领域探索的一种思路

Vizard：基于Python的通用VR开发引擎

http://www.worldviz.com/vizard-virtual-reality-software

• 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，具有一定的通用性

Python库之图形艺术

Quads：迭代的艺术

https://github.com/fogleman/Quads

• 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，具有很高的展示度

ascii_art：ASCII艺术库

https://github.com/jontonsoup4/ascii_art

• 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

turtle：海龟绘图体系 Random Art

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

实例16：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

玫瑰花绘制

• 绘制机理：turtle基本图形绘制
• 绘制思想：因人而异

实例展示

#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()

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
• 方式方法
• 为谁编程