seaborn的特点在Matplotlib上构建，支持numpy和pandas的数据结构可视化，甚至是scipy 和statsmodels的统计模型可视化•多个内置主题及颜色主题•可视化单一变量、二维变量用于比较数据集中各变量的分布情况•可视化线性回归模型中的独立变量及不独立变量•可视化矩阵数据，通过聚类算法探究矩阵间的结构•可视化时间序列数据及不确定性的展示•可在分割区域制

series 相当于一维数组要有向量化操作思想- series是类似一维数组的对象，即一个列向量- 初始化series①通过列表初始化series,默认数字为索引ser_obj=pandas.Series(list)②通过字典初始化series，字典的key为索引country_dicts = {'CH': '中国',...

图像数据图像数据是多维数组，前两维表示了图像的高、宽第三维表示图像的通道个数，比如RGB，第三个维度为3，因为有三个通道；灰度图像没有第三个维度图像数据是由NumPy的多维数组（ndarray）表示的，因此对图像的分割和索引像操作ndarray一样操作即可色彩空间RGB, HSV, Gray…图片可以有很多种表示方法，如RGB，HSV，Gray。这些的区别在于对颜色划分...

基本图表的绘制及应用场景Matplotlib目的是为Python构建一个Matlab式的绘图接口Matplotlib如何显示中文pyplotpyplot模块包含了常用的matplotlib API函数import matplotlib.pyplot as pltplt.plot() 绘制单个点plt.figure()plt.plot(1.5, 1.5,...

之前学过的机器学习都是对一些有标签的数据通过分类器进行学习，那么对带标签的图像如何进行学习呢？如果我们用一些特征来描述这些图片则也可以进行机器学习，因此我们来介绍几种常用的图像特征描述。（虽然现在有了CNN，CNN可以自己进行特征提取，但还是需要对OPenCV传统的特征提取方法有一些了解的）我们对特征的描述是根据最后的应用场景设计特征，如应用场景更关心颜色则用颜色特征，因此无普适性（ 但是CNN

OpenCV图像IO读取图像cv2.imread(‘图片路径’,’读取图片的方式’)读取图片方式：①读取灰度图像数据cv2.IMREAD_GRAYSCALEeg:img_gray_data = cv2.imread('./images/messi.jpg', cv2.IMREAD_GRAYSCALE)要想获得图片的其他信息print('数据类...

用pycharm进行debug① 直接在代码中设断点（点击代码的左边）②右击点击debug有几种debug方式，我们可以在pycharm的下方中的debugger进行选择①step over 单步运行即一行一行代码运行②step into③ step into my code 跳到函数中运行交互式查看结果第一步：点击pycharm下方的console第二步：点击sho

之前学过的机器学习都是对一些有标签的数据通过分类器进行学习，那么对带标签的图像如何进行学习呢？如果我们用一些特征来描述这些图片则也可以进行机器学习，因此我们来介绍几种常用的图像特征描述。（虽然现在有了CNN，CNN可以自己进行特征提取，但还是需要对OPenCV传统的特征提取方法有一些了解的）我们对特征的描述是根据最后的应用场景设计特征，如应用场景更关心颜色则用颜色特征，因此无普适性（ 但是CNN

OpenCV图像IO读取图像cv2.imread(‘图片路径’,’读取图片的方式’)读取图片方式：①读取灰度图像数据cv2.IMREAD_GRAYSCALEeg:img_gray_data = cv2.imread('./images/messi.jpg', cv2.IMREAD_GRAYSCALE)要想获得图片的其他信息print('数据类...

因为sklearn是不能像TensorFlow一样进行GPU计算的，那么为了提高速度，我们可以更改模型的n_jobs参数。n_jobs参数为用几个核来跑，默认是1。当我们使n_jobs=-1时表示用电脑中的所有核来跑，比如你的电脑是8核的，则用8个核进行并行计算。