python初级第三库(人工智能,web解析,人机交互)
第一章:python必备库-从数据处理到人工智能第二章:python必备库-从web解析到网络空间第三章:python必备库-从人机交互到艺术设计第一章python必备库-从数据处理到人工智能一、概述1.1 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
·
第一章:python必备库-从数据处理到人工智能
第二章:python必备库-从web解析到网络空间
第三章:python必备库-从人机交互到艺术设计
第一章
python必备库-从数据处理到人工智能
一、概述
1.1 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
Python库之数据可视化
Python库之文本处理
Python库之机器学习
二、Python库之数据分析
2.1 numpy
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,支撑Pandas等
提供直接的矩阵运算、广播函数、线性代数等功能
2.2 pandas
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Numpy开发
能操作sql、json、pickle、csv、excel、ini等文件
Series = 索引 + 一维数据
DataFrame = 行列索引 + 二维数据
2.3 scipy
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Numpy开发
三、Python库之数据可视化
3.1 matplotlib
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
3.2 Seaborn
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
3.3 Mayavi
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Numpy、TVTK、Traits、Envisage等第三方库
四、Python库之文本处理
4.1 PyPDF2
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
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)
4.2 NLTK
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
from nltk.corpus import treebank
t = treebank.parsed_sents('wsj_0001.mrg')[0]
t.draw()
4.3 Python-docx
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
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')
五、Python库之机器学习
5.1 Scikit-learn
Scikit-learn:机器学习方法工具集,与数据处理相关的第三方库,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、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
5.2 TensorFlow
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
import tensorflow as tf
init = tf.global_variables_initializer()
sess = tf.Session()
sess.run(init)
res = sess.run(result)
print('result:', res)
5.3 MXNet
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
六、单元小结
6.1 从数据处理到人工智能
Numpy、Pandas、SciPy
Matplotlib、Seaborn、Mayavi
PyPDF2、NLTK、python-docx
Scikit-learn、TensorFlow、MXNet
"霍兰德人格分析雷达图"Matplotlib
第二章
python必备库-从web解析到网络空间
一、概述
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
二、Python库之网络爬虫
2.1 Requests
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
import requests
r = requests.get('https://api.github.com/user', auth=('user', 'pass'))
r.status_code
r.headers['content-type']
r.encoding
r.text
2.2 Scrapy
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
2.3 pyspider
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pyspider: 强大的Web页面爬取系统
三、Python库之Web信息提取
3.1 Beautiful Soup
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,可以加载多种解析引擎
常与网络爬虫库搭配使用,如Scrapy、requests等
3.2 Re
Re: 正则表达式解析和处理功能库,https://docs.python.org/3.6/library/re.html
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
3.3 Python-Goose
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
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]
四、Python库之Web网站开发
4.1 Django
Django: 最流行的Web应用框架,https://www.djangoproject.com
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
4.2 Pyramid
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
# 10行左右Hello Word程序
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()
4.3 Flask
Flask: Web应用开发微框架,http://flask.pocoo.org
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
from flask import Flask
app = Flask(__name__)
@app.route('/')
def hello_world():
return 'Hello, World!'
五、Python库之网络应用开发
5.1 WeRoBot
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
# 对微信每个消息反馈一个Hello World
import werobot
robot = werobot.WeRoBot(token='tokenhere')
@robot.handler
def hello(message):
return 'Hello World!'
5.2 aip
aip: 百度AI开放平台接口,https://github.com/offu/WeRoBot
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
5.3 MyQR
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
六、单元小结
6.1 从Web解析到网络空间
Requests、Scrapy、pyspider
Beautiful Soup、Re、Python-Goose
Django、Pyramid、Flask
WeRobot、aip、MyQR
第三章
python必备库-从人机交互到艺术设计
一、概述
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
二、Python库之图形用户界面
2.1 PyQt5
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 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
2.2 wxPython
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
import wx
app = wx.App(False)
frame = wx.Frame(None, wx.ID_ANY, "Hello World") frame.Show(True)
app.MainLoop()
2.3 PyGObject
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()
三、Python库之游戏开发
3.1 PyGame
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构建和交互机制
Python游戏入门最主要的第三方库
3.2 Panda3D
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
由迪士尼和卡尼基梅隆大学共同开发
3.3 cocos2d
ocos2d: 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
四、Python库之虚拟现实
4.1 VR Zero
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
4.2 pyvr
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+虚拟现实领域探索的一种思路
4.3 Vizard
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,具有一定通用性
五、Python库之图形艺术
5.1 Quads
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
可以生成动图或静图图像
简单易用,具有很高展示度
5.2 ascii_art
ascii_art: ASCII艺术库,https://github.com/jontonsoup4/ascii_ar
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
5.3 turtle
turtle: 海龟绘图体系,https://docs.python.org/3/library/turtle.html
六、单元小结
6.1 从人机交互到艺术设计
PyQt5、wxPython、PyGObject
PyGame、Panda3D、cocos2d
VR Zero、pyovr、Vizard
Quads、ascii_art、turtle
更多推荐
已为社区贡献6条内容
所有评论(0)