精华内容
下载资源
问答
  • python 技巧
    万次阅读 多人点赞
    2021-10-03 22:13:12

    给大家安利一个免费且实用的 Python 刷题(面经大全)网站,👉点击跳转到网站

    博主前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住也分享一下给大家,👉点击跳转到网站

    直接跳到末尾 去评论区领书

    今天,我给大家带来了一些基本的 Python 编程技巧。所有这些技巧都可以帮助您减少代码并优化执行。你可以在处理常规任务时轻松地在实时项目中使用它们。

    目录

    1.就地交换两个数字
    2.比较运算符的链接
    3.使用三元运算符进行条件赋值。
    4.使用多行字符串。
    5.将列表元素存储到新变量中。
    6.打印导入模块的文件路径。
    7.使用交互式“_”运算符。
    8.字典/集合理解。
    9.调试脚本。
    10.设置文件共享。
    11.在 Python 中检查对象。
    12.简化 if 语句。
    13.在运行时检测 Python 版本。
    14.组合多个字符串。
    15.反转 string/list 的四种方法。
    16.玩枚举。
    17.在 Python 中使用枚举。
    18.从函数返回多个值。
    19.使用 splat 运算符解包函数参数。
    20.使用字典来存储 switch。
    21.计算一行中任意数字的阶乘。
    22.查找列表中出现频率最高的值。
    23.重置递归限制。
    24.检查对象的内存使用情况。
    25.使用 slots 减少内存开销。
    26.Lambda 模仿打印功能。
    27.从两个相关序列创建字典。
    28.在线搜索字符串中的多个前缀。
    29.形成一个统一的列表,不使用任何循环。
    30.在 Python 中实现真正的 switch-case 语句。
    文末送书

    技巧1 就地交换两个数字

    Python 提供了一种在一行中进行赋值和交换的直观方式。请参考下面的例子。

    x, y = 10, 20
    print(x, y)
     
    x, y = y, x
    print(x, y)
     
    #1 (10, 20)
    #2 (20, 10)
    

    右边的赋值为一个新的元组播种。而左边的立即将那个(未引用的)元组解包到名称 <a><b>

    分配完成后,新元组将被取消引用并标记为垃圾收集。变量的交换也发生在最终。

    回到目录


    技巧2 比较运算符的链接。

    比较运算符的聚合是另一个有时可以派上用场的技巧。

    n = 10 
    result = 1 < n < 20 
    print(result) 
    
    # True 
    
    result = 1 > n <= 9 
    print(result) 
    
    # False
    

    回到目录


    技巧3 使用三元运算符进行条件赋值。

    三元运算符是 if-else 语句的快捷方式,也称为条件运算符。

    [on_true] if [expression] else [on_false]
    

    以下是一些示例,您可以使用它们使代码紧凑简洁。

    下面的语句与它的意思相同,即“如果 y 为 9,则将 10 分配给 x,否则将 20 分配给 x ”。如果需要,我们可以扩展运算符的链接。

    x = 10 if (y == 9) else 20
    

    同样,我们可以对类对象做同样的事情。

    x = (classA if y == 1 else classB)(param1, param2)
    

    在上面的例子中,classA 和 classB 是两个类,其中一个类构造函数将被调用。

    下面是一个没有的例子。加入评估最小数字的条件。

    def small(a, b, c):
    	return a if a <= b and a <= c else (b if b <= a and b <= c else c)
    	
    print(small(1, 0, 1))
    print(small(1, 2, 2))
    print(small(2, 2, 3))
    print(small(5, 4, 3))
    
    #Output
    #0 #1 #2 #3
    

    我们甚至可以在列表推导式中使用三元运算符。

    [m**2 if m > 10 else m**4 for m in range(50)]
    
    #=> [0, 1, 16, 81, 256, 625, 1296, 2401, 4096, 6561, 10000, 121, 144, 169, 196, 225, 256, 289, 324, 361, 400, 441, 484, 529, 576, 625, 676, 729, 784, 841, 900, 961, 1024, 1089, 1156, 1225, 1296, 1369, 1444, 1521, 1600, 1681, 1764, 1849, 1936, 2025, 2116, 2209, 2304, 2401]
    

    回到目录


    技巧4 使用多行字符串

    基本方法是使用从 C 语言派生的反斜杠。

    multiStr = "select * from multi_row \
    where row_id < 5"
    print(multiStr)
    
    # select * from multi_row where row_id < 5
    

    另一个技巧是使用三引号。

    multiStr = """select * from multi_row 
    where row_id < 5"""
    print(multiStr)
    
    #select * from multi_row 
    #where row_id < 5
    

    上述方法的共同问题是缺乏适当的缩进。如果我们尝试缩进,它会在字符串中插入空格。

    所以最终的解决方案是将字符串拆分成多行,并将整个字符串括在括号中。

    multiStr= ("select * from multi_row "
    "where row_id < 5 "
    "order by age") 
    print(multiStr)
    
    #select * from multi_row where row_id < 5 order by age
    

    回到目录


    技巧5 将列表元素存储到新变量中

    我们可以使用一个列表来初始化一个 no。的变量。在解压列表时,变量的数量不应超过编号。列表中的元素。

    testList = [1,2,3]
    x, y, z = testList
    
    print(x, y, z)
    
    #-> 1 2 3
    

    回到目录


    技巧6 打印导入模块的文件路径

    如果您想知道代码中导入的模块的绝对位置,请使用以下技巧。

    import threading 
    import socket
    
    print(threading)
    print(socket)
    
    #1- <module 'threading' from '/usr/lib/python2.7/threading.py'>
    #2- <module 'socket' from '/usr/lib/python2.7/socket.py'>
    

    回到目录


    技巧7 使用交互式“_”运算符

    这是一个有用的功能,我们很多人都不知道。

    在 Python 控制台中,每当我们测试表达式或调用函数时,结果都会发送到临时名称 _(下划线)。

    >>> 2 + 1
    3
    >>> _
    3
    >>> print _
    3
    

    “_”引用上次执行的表达式的输出。

    回到目录


    技巧8 字典/集合理解

    就像我们使用列表推导一样,我们也可以使用字典/集合推导。它们易于使用且同样有效。这是一个例子。

    testDict = {i: i * i for i in xrange(10)} 
    testSet = {i * 2 for i in xrange(10)}
    
    print(testSet)
    print(testDict)
    
    #set([0, 2, 4, 6, 8, 10, 12, 14, 16, 18])
    #{0: 0, 1: 1, 2: 4, 3: 9, 4: 16, 5: 25, 6: 36, 7: 49, 8: 64, 9: 81}
    

    注意 -两个语句中只有 <:> 的区别。此外,要在 Python3 中运行上述代码,请将 替换为 。

    回到目录


    技巧9 调试脚本

    我们可以在 模块的帮助下在 Python 脚本中设置断点。请按照以下示例进行操作。

    import pdb
    pdb.set_trace()
    

    我们可以在脚本的任何地方指定 <pdb.set_trace()> 并在那里设置断点。这是非常方便的。

    回到目录


    技巧10 设置文件共享

    Python 允许运行 HTTP 服务器,您可以使用它从服务器根目录共享文件。下面是启动服务器的命令。

    Python 2

    python -m SimpleHTTPServer
    

    Python 3

    python3 -m http.server
    

    以上命令将在默认端口 8000 上启动服务器。您还可以通过将自定义端口作为最后一个参数传递给上述命令来使用自定义端口。

    回到目录


    技巧11 在 Python 中检查对象

    我们可以通过调用 dir() 方法来检查 Python 中的对象。这是一个简单的例子。

    test = [1, 3, 5, 7]
    print( dir(test) )
    
    ['__add__', '__class__', '__contains__', '__delattr__', '__delitem__', '__delslice__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__getslice__', '__gt__', '__hash__', '__iadd__', '__imul__', '__init__', '__iter__', '__le__', '__len__', '__lt__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__reversed__', '__rmul__', '__setattr__', '__setitem__', '__setslice__', '__sizeof__', '__str__', '__subclasshook__', 'append', 'count', 'extend', 'index', 'insert', 'pop', 'remove', 'reverse', 'sort']
    

    回到目录


    技巧12 简化 if 语句

    要验证多个值,我们可以通过以下方式进行。

    if m in [1,3,5,7]:
    

    代替:

    if m==1 or m==3 or m==5 or m==7:
    

    或者,我们可以使用 ‘{1,3,5,7}’ 而不是 ‘[1,3,5,7]’ 作为 ‘in’ 运算符,因为 ‘set’ 可以通过 O(1) 访问每个元素。

    回到目录


    技巧13 在运行时检测 Python 版本

    有时,如果当前运行的 Python 引擎低于支持的版本,我们可能不想执行我们的程序。为此,您可以使用以下代码片段。它还以可读格式打印当前使用的 Python 版本。

    import sys
    
    #Detect the Python version currently in use.
    if not hasattr(sys, "hexversion") or sys.hexversion != 50660080:
        print("Sorry, you aren't running on Python 3.5\n")
        print("Please upgrade to 3.5.\n")
        sys.exit(1)
        
    #Print Python version in a readable format.
    print("Current Python version: ", sys.version)
    

    或者,您可以在上面的代码中使用sys.version_info >= (3, 5)替换sys.hexversion!= 50660080。这是一位知情读者的建议。

    在 Python 2.7 上运行时的输出。

    Python 2.7.10 (default, Jul 14 2015, 19:46:27)
    [GCC 4.8.2] on linux
       
    Sorry, you aren't running on Python 3.5
    
    Please upgrade to 3.5.
    

    在 Python 3.5 上运行时的输出。

    Python 3.5.1 (default, Dec 2015, 13:05:11)
    [GCC 4.8.2] on linux
       
    Current Python version:  3.5.2 (default, Aug 22 2016, 21:11:05) 
    [GCC 5.3.0]
    

    回到目录


    技巧14 组合多个字符串

    如果您想连接列表中所有可用的标记,请参见以下示例。

    >>> test = ['I', 'Like', 'Python', 'automation']
    

    现在,让我们从上面给出的列表中的元素创建一个字符串。

    >>> print ''.join(test)
    

    回到目录


    技巧15 反转 string/list 的四种方法

    反转列表本身

    testList = [1, 3, 5]
    testList.reverse()
    print(testList)
    
    #-> [5, 3, 1]
    

    在循环中迭代时反转

    for element in reversed([1,3,5]): print(element)
    
    #1-> 5
    #2-> 3
    #3-> 1
    

    反转一个字符串

    "Test Python"[::-1]
    

    这使输出为“nohtyP tseT”

    使用切片反转列表

    [1, 3, 5][::-1]
    

    上面的命令将输出 [5, 3, 1]。

    回到目录


    技巧16 玩枚举

    使用枚举器,在循环中很容易找到索引。

    testlist = [10, 20, 30]
    for i, value in enumerate(testlist):
    	print(i, ': ', value)
    
    #1-> 0 : 10
    #2-> 1 : 20
    #3-> 2 : 30
    

    回到目录


    技巧17 在 Python 中使用枚举。

    我们可以使用以下方法来创建枚举定义。

    class Shapes:
    	Circle, Square, Triangle, Quadrangle = range(4)
    
    print(Shapes.Circle)
    print(Shapes.Square)
    print(Shapes.Triangle)
    print(Shapes.Quadrangle)
    
    #1-> 0
    #2-> 1
    #3-> 2
    #4-> 3
    

    回到目录


    技巧18 从函数返回多个值。

    支持此功能的编程语言并不多。但是,Python 中的函数确实会返回多个值。

    请参考以下示例以查看它的工作情况。

    # function returning multiple values.
    def x():
    	return 1, 2, 3, 4
    
    # Calling the above function.
    a, b, c, d = x()
    
    print(a, b, c, d)
    

    #-> 1 2 3 4

    回到目录


    技巧19 使用 splat 运算符解包函数参数。

    splat 运算符提供了一种解压参数列表的艺术方式。为清楚起见,请参阅以下示例。

    def test(x, y, z):
    	print(x, y, z)
    
    testDict = {'x': 1, 'y': 2, 'z': 3} 
    testList = [10, 20, 30]
    
    test(*testDict)
    test(**testDict)
    test(*testList)
    
    #1-> x y z
    #2-> 1 2 3
    #3-> 10 20 30
    

    回到目录


    技巧20 使用字典来存储 switch。

    我们可以制作一个字典存储表达式。

    stdcalc = {
    	'sum': lambda x, y: x + y,
    	'subtract': lambda x, y: x - y
    }
    
    print(stdcalc['sum'](9,3))
    print(stdcalc['subtract'](9,3))
    
    #1-> 12
    #2-> 6
    

    回到目录


    技巧21 计算一行中任意数字的阶乘。

    Python 2.x.

    result = (lambda k: reduce(int.__mul__, range(1,k+1),1))(3)
    print(result)
    #-> 6
    

    Python 3.x.

    import functools
    result = (lambda k: functools.reduce(int.__mul__, range(1,k+1),1))(3)
    print(result)
    

    #-> 6
    回到目录


    技巧22 查找列表中出现频率最高的值。

    test = [1,2,3,4,2,2,3,1,4,4,4]
    print(max(set(test), key=test.count))
    
    #-> 4
    

    回到目录


    技巧23 重置递归限制。

    Python 将递归限制限制为 1000。我们可以重置它的值。

    import sys
    
    x=1001
    print(sys.getrecursionlimit())
    
    sys.setrecursionlimit(x)
    print(sys.getrecursionlimit())
    
    #1-> 1000
    #2-> 1001
    

    请仅在需要时应用上述技巧。

    回到目录


    技巧24 检查对象的内存使用情况。

    在 Python 2.7 中,32 位整数消耗 24 字节,而在 Python 3.5 中使用 28 字节。为了验证内存使用情况,我们可以调用 方法。

    Python 2.7.

    import sys
    x=1
    print(sys.getsizeof(x))
    
    #-> 24
    

    Python 3.5.

    import sys
    x=1
    print(sys.getsizeof(x))
    
    #-> 28
    

    回到目录


    技巧25 使用 __slots__ 减少内存开销。

    你有没有观察到你的 Python 应用程序消耗了大量资源,尤其是内存?这是使用<__slots__>类变量在一定程度上减少内存开销的一种技巧。

    import sys
    class FileSystem(object):
    
    	def __init__(self, files, folders, devices):
    		self.files = files
    		self.folders = folders
    		self.devices = devices
    
    print(sys.getsizeof( FileSystem ))
    
    class FileSystem1(object):
    
    	__slots__ = ['files', 'folders', 'devices']
    	
    	def __init__(self, files, folders, devices):
    		self.files = files
    		self.folders = folders
    		self.devices = devices
    
    print(sys.getsizeof( FileSystem1 ))
    
    #In Python 3.5
    #1-> 1016
    #2-> 888
    

    显然,您可以从结果中看到内存使用量有所节省。但是当一个类的内存开销不必要地大时,你应该使用 __slots__ 。仅在分析应用程序后执行此操作。否则,您将使代码难以更改并且没有真正的好处。

    回到目录


    技巧26 Lambda 模仿打印功能。

    import sys
    lprint=lambda *args:sys.stdout.write(" ".join(map(str,args)))
    lprint("python", "tips",1000,1001)
    
    #-> python tips 1000 1001
    

    回到目录


    技巧27 从两个相关序列创建字典。

    t1 = (1, 2, 3)
    t2 = (10, 20, 30)
    
    print(dict (zip(t1,t2)))
    
    #-> {1: 10, 2: 20, 3: 30}
    

    回到目录


    技巧28 在线搜索字符串中的多个前缀。

    print("http://www.baidu.com".startswith(("http://", "https://")))
    print("https://juejin.cn".endswith((".com", ".cn")))
    
    #1-> True
    #2-> True
    

    回到目录


    技巧29 形成一个统一的列表,不使用任何循环。

    import itertools
    test = [[-1, -2], [30, 40], [25, 35]]
    print(list(itertools.chain.from_iterable(test)))
    
    #-> [-1, -2, 30, 40, 25, 35]
    

    如果您有一个包含嵌套列表或元组作为元素的输入列表,请使用以下技巧。但是,这里的限制是它使用了 for 循环。

    def unifylist(l_input, l_target):
        for it in l_input:
            if isinstance(it, list):
                unifylist(it, l_target)
            elif isinstance(it, tuple):
                unifylist(list(it), l_target)
            else:
                l_target.append(it)
        return l_target
    
    test =  [[-1, -2], [1,2,3, [4,(5,[6,7])]], (30, 40), [25, 35]]
    
    print(unifylist(test,[]))
    
    #Output => [-1, -2, 1, 2, 3, 4, 5, 6, 7, 30, 40, 25, 35]
    

    统一包含列表和元组的列表的另一种更简单的方法是使用 Python 的 < more_itertools > 包。它不需要循环。只需执行 < pip install more_itertools >,如果还没有的话。

    import more_itertools
    
    test = [[-1, -2], [1, 2, 3, [4, (5, [6, 7])]], (30, 40), [25, 35]]
    
    print(list(more_itertools.collapse(test)))
    
    #Output=> [-1, -2, 1, 2, 3, 4, 5, 6, 7, 30, 40, 25, 35]
    

    回到目录


    技巧30 在 Python 中实现真正的 switch-case 语句。

    这是使用字典来模仿 switch-case 构造的代码。

    def xswitch(x): 
    	return xswitch._system_dict.get(x, None) 
    
    xswitch._system_dict = {'files': 10, 'folders': 5, 'devices': 2}
    
    print(xswitch('default'))
    print(xswitch('devices'))
    
    #1-> None
    #2-> 2
    

    回到目录


    🥇 评论区抽粉丝送书啦

    💌 欢迎大家在评论区提出意见和建议!(抽两位幸运儿送书,实物图如下)💌

    在这里插入图片描述

    《Python 入门到人工智能实战》

    【内容简介】

    《Python 入门到人工智能实战》是针对零基础编程学习者编写的教程。从初学者角度出发,每章以问题为导向,辅以大量的实例,详细地介绍了Python 基础、机器学习,以及最好也最易学习的两个平台PyTorch 和Keras。
      全书共20 章,包括Python 安装配置、Python 语言基础、流程控制语句、序列、函数、对象、文件及异常处理、数据处理和分析的重要模块(NumPy、Pandas)、机器学习基础、机器学习常用调优方法、神经网络、卷积神经网络,以及使用PyTorch、Keras 实现多个人工智能实战案例等。书中所有知识都结合具体实例进行讲解,涉及的程序代码给出了详细的注释,使读者可以轻松领会。

    也有不想靠抽,想自己买的同学可以参考下面的链接

    京东自营购买链接:

    《Python入门到人工智能实战》(吴茂贵,等) - 京东图书

    当当自营购买链接:

    《Python入门到人工智能实战》(吴茂贵,等) - 当当图书

    📣 注意:

    大家点赞关注,三天后也就是 10月6日 从评论区留言的同学中抽取两位送书

    🌊 面试题库:Java、Python、前端核心知识点大全和面试真题资料
    🌊 电子图书:图灵程序丛书 300本、机械工业出版社6000册免费正版图书
    🌊 办公用品:精品PPT模板几千套,简历模板一千多套
    🌊 学习资料:2300套PHP建站源码,微信小程序入门资料

    如果中奖了联系不上则视为放弃,可以从下方公众号里找到作者的联系方式,每周都会送四本书,后面送书力度还会加大,一年送几百上千本不是问题,回复【进群】领书不迷路,群内 每位成员 我都会送一本。回复【资源】可获取上面的资料👇🏻👇🏻👇🏻

    更多相关内容
  • Python技巧

    2018-04-11 09:22:16
    Python技巧,个人资源,旨在分享个人Python使用技巧。
  • Python Tips 一些初学者到中级用户的Python技巧
  • 下面有一些相对不常见但非常有用的Python技巧,小编来和大家一起学习一下
  • Python 是一门非常优美的语言,其简洁易用令人...作者 Gautham Santhosh 带我们回顾了 17 个非常有用的 Python 技巧,例如查找、 分割和合并列表等。这 17 个技巧都非常简单,但它们都很常用且能激发不一样的思 路。
  • Python技巧篇:如何巧妙运用Python处理Word文档

    千次阅读 多人点赞 2022-05-05 19:32:45
    平时在工作与学习中都会操作到Word文件格式,特别是很多数据的时候,靠人力去识别操作非常容易出错。今天就带大家用python来处理Word文件。

    前言

    大家好,我是辣条
    之前有给大家分享了一篇:《Python实例篇:自动操作Excel文件(既简单又特别实用)》

    根据很多粉丝反馈是有用处的,于是乎应广大群众号召,今天给大家再来一波Python操作Word文档,我可是长期更新分享的,订阅一下我的博客不会错的

    大家平时在工作与学习中都会操作到Word文件格式,特别是很多数据的时候,靠人力去识别操作非常容易出错。今天就带大家用python来处理Word文件。

    在这里插入图片描述

    工具

    python3.7
    Pycharm
    Excel
    python-docx


    生成Word案例

    ​ 创建一个demo.doc文档,代码如下:

    from docx import Document
    from docx.shared import Cm,Pt
    from docx.document import Document as Doc
    
    #构建doc对象
    document = Document()
    
    #操作文档标题
    document.add_heading('这是python写的!',0)
    
    #操作段落文本
    p = document.add_paragraph('我喜欢python,因为python可以做许多事情...')
    #段落添加内容
    run = p.add_run('大家也可以来学习!')
    #对run内容加粗
    run.bold = True
    #设置run字体
    run.font.size = Pt(18)
    
    #标题级别设置
    document.add_heading('我是一级标题',level=1)
    
    #操作图片(图片所在路径)
    document.add_picture('刘亦菲.png', width=Cm(5.2))
    
    # 添加有序列表
    document.add_paragraph(
        '我是有序列表1', style='List Number'
    )
    document.add_paragraph(
        '我是有序列表1', style='List Number'
    )
    
    
    # 添加无序列表
    document.add_paragraph(
        '我是无序列表1', style='List Bullet'
    )
    document.add_paragraph(
        '我是无序列表2', style='List Bullet'
    )
    
    # 设置表格内容
    records = (
        ('孙悟空', '男', '1111-1-1'),
        ('白骨精', '女', '2222-2-2')
    )
    # 添加表格,rows设置行 cols设置列
    table = document.add_table(rows=1, cols=3)
    hdr_cells = table.rows[0].cells
    #设置列名
    hdr_cells[0].text = '姓名'
    hdr_cells[1].text = '性别'
    hdr_cells[2].text = '出生日期'
    # 操作写入行
    for name, sex, birthday in records:
        row_cells = table.add_row().cells
        row_cells[0].text = name
        row_cells[1].text = sex
        row_cells[2].text = birthday
    
    #保存doc文档
    document.save('demo.docx')
    
    

    ​ 效果如下:

    在这里插入图片描述

    更多属性设置可以参考官方文档:https://python-docx.readthedocs.io/en/latest/index.html

    读取操作word文档

    ​ 现有文档如下:

    在这里插入图片描述

    ​ 读取代码:

    from docx import Document
    from docx.document import Document as Doc
    
    #获取文档路径,循环读取内容
    doc = Document('离职证明.docx')  # type: Doc
    for no, p in enumerate(doc.paragraphs):
        print(no, p.text)
    

    ​ 效果如下:

    在这里插入图片描述

    ​ 如果需要批量操作,则可以使用字典形式组织数据类型,比如name,start_time,end_time,job等,再使用循环写入文件即可批量生成该类文档。

    总结:

    ​ 当需要批量操作文档时候,可以使用python-docx库来操作,可以较大提升工作效率。如果需要更多属性操作,请参考上面官方文档。

    展开全文
  • python技巧之图像处理抠字

    千次阅读 2021-11-03 09:35:19
    效果展示:由图一转换至图二。...@说明 :python技巧之图像处理 @时间 :2020/10/23 20:30:26 @作者 :侃侃 @版本 :3.8 ''' from PIL import Image import matplotlib.pyplot as plt import numpy as np filepath="E:

    效果展示:由图一转换至图二。

    图一

    图片

    图二

    图片

    #!/usr/bin/env python
    # -*- encoding: utf-8 -*-
    '''
    @文件    :20201022.py
    @说明    :python技巧之图像处理
    @时间    :2020/10/23 20:30:26
    @作者    :侃侃
    @版本    :3.8
    '''
    
    
    from PIL import Image
    import matplotlib.pyplot as plt 
    import numpy as np
    
    filepath="E:\\MJC\\工具资料\\微信公众号\\20201022\\1.jpg"
    pic = np.array(Image.open(filepath)) 
    print(pic.shape) #((1030, 1853, 3))
    
    N=90
    for i in range(pic.shape[0]):
        for j in range(pic.shape[1]):
            if (pic[i][j][0] > N)&(pic[i][j][1] > N)&(pic[i][j][2] > N):
                pic.itemset((i,j,0),255)
                pic.itemset((i,j,1),255)
                pic.itemset((i,j,2),255)
            else:
                pic.itemset((i,j,0),0)
                pic.itemset((i,j,1),0)
                pic.itemset((i,j,2),0)          
    plt.imshow(pic) 
    plt.axis('off') 
    plt.show()
    plt.savefig("E:\\MJC\\工具资料\\微信公众号\\20201022\\0.jpg")
    
    
    
    展开全文
  • Python 技巧 —— 矩阵操作

    千次阅读 多人点赞 2020-12-04 21:21:33
    欢迎关注“小白玩转Python”,发现更多 “有趣”使用 NumPy 学习矩阵和求解线性方程组的完整指南矩阵作为一种数学资源被用于一些现实世界的应用。在本文中,您将使用强大的 NumP...

    欢迎关注 “小白玩转Python”,发现更多 “有趣”

    使用 NumPy 学习矩阵和求解线性方程组的完整指南

    矩阵作为一种数学资源被用于一些现实世界的应用。在本文中,您将使用强大的 NumPy 库学习 Python 中的矩阵,如下所示:

    1. 什么是 NumPy,什么时候应该使用它?

    2. 使用 NumPy 构造矩阵

    3. 矩阵的运算和实例

    4. 如何执行矩阵切片

    另外:我们还将探讨如何使用 Python 中的矩阵来计算线性方程模型。

    让我们从 Python 的矩阵开始。

    1. NumPy 是什么,什么时候使用?

    NumPy 是一个 Python 库,可以对单个和多维数组和矩阵进行简单的数值计算。顾名思义,NumPy 在数值计算中脱颖而出。许多数据科学库(如 pandas、 scikit-learn 和 SciPy)都依赖 NumPy。它构成了当今 python 编写的数据科学应用程序的一部分。

    许多线性代数计算可以很容易地解决 NumPy。在几种机器学习算法中,线性代数是一种重要的数学方法。通过深入了解 NumPy,您可以构建库或扩展现有库以用于机器学习。

    提供:

    • 一个强 n 维数组对象,名为ndarray

    • 广播功能

    • C/C + + 和 Fortran 代码合并工具

    • 生成线性代数,傅里叶变换,和随机数能力

    现在让我们进一步了解 Python 矩阵,看看矩阵是如何形成的。

    2. 使用 NumPy 构造矩阵

    用列表形成一个矩阵

    import numpy as np
    # Create a 2D numpy array with python lists
    new_array = np.array([[ 1, 2, 3],[ 4, 5, 6]])
    print(new_array)
    

    输出如下:

    [[1 2 3]
     [4 5 6]]
    

    结果显示了一个2D 矩阵,其中 np.array()的输入是一个列表[1,2,3] ,[4,5,6]。父列表中的每个列表在矩阵中创建一行。

    形成一个具有范围的矩阵

    print(np.arange(0,4))
    

    上述声明输出下列一维数组:

    [0 1 2 3]
    

    要形成一个2D 矩阵,我们可以在一个列表中使用 np.arange ()。我们将这个列表传递给 np.array () ,它将创建一个2D NumPy 数组。

    print(np.array([np.arange(0,4), np.arange(5,9)]))
    

    上面的语句产生以下二维数组:

    [[0 1 2 3]
     [5 6 7 8]]
    

    NumPy 数组形状

    每个 NumPy 对象都是一个 n 维数组。在数学中,它被称为 n 维矩阵。对于它的形式,可以指定任何 numpy ndarray 对象。

    # Using example from above p to form a matrix with ranges
    new_array_2d = np.array([np.arange(0,4), np.arange(5,9)])
    print(new_array_2d.shape)
    

    输出:

    (2,4)
    

    上面的输出引用了这样一个事实:矩阵有两行和四列。

    由0和1组成的矩阵

    由0

    # Create a matrix of order(3, 3) filled with zeros
    # By default float64 type of numbers are generated if not specified
    print(np.zeros((3, 3)))
    

    输出:

    [[0. 0. 0.]
     [0. 0. 0.]
     [0. 0. 0.]]
    

    由1

    print(np.ones((2, 2), dtype=np.int16))
    

    输出:

    [[1 1]
     [1 1]]
    

    在形成矩阵时,我们传递了一个附加的 dtype = np.int16参数。这需要使用 np.ones 特性而不是默认的 float 来生成整数。您还可以将这个附加参数传递到 np.zeros中。

    3. 矩阵的运算和实例

    加法

    下面的例子说明了两种加法形式:

    • 标量的加法

    • 矩阵的加法

    输出:

    减法

    减法相当于矩阵的加法,你只需要把加法改为减法即可。

    输出:

    乘积

    在 NumPy 矩阵中,可以执行两种乘法或乘积函数。

    • 标量积:标量值与所有矩阵元素相乘

    • 点乘积:这是根据矩阵的乘法规则得到的两个矩阵的乘积

    重要提示: 注意 * 操作符仅用于标量乘法。我们使用一个函数 np.dot ()作为矩阵乘法的参数,该函数接受两个 numpy 2D 数组作为参数。

    输出:

    除法

    元素级标量除法可以使用除法运算符/执行。

    输出:

    指数

    可以使用运算符 * * 执行逐个元素的指数运算。

    输出:

    转置

    矩阵的换位是一个包含初始列行的新矩阵。

    • 一个矩阵序(2,3)在新的矩阵中变成(3,2)。

    • Numpy 具有在任何 ndarray 实体中转换矩阵的特性。我们不需要一个特定的运算符就可以找到一个矩阵转换。

    下面的程序显示转置操作Matrix. T。

    输出:

    4. 如何执行矩阵切片

    矩阵切片是子矩阵的发现,Python 为索引和切片矩阵提供了更好的语法。

    切片使用了上面提到的语法:

    • 矩阵[行索引范围,列索引范围,步骤号]

    • 行和列索引范围遵循典型的起始索引 Python 语法: end index

    • 当代码运行时,所选范围都是从开始索引到(结束索引 -1)

    切片选择行

    输出:

    注意:行范围选择1意味着从索引1到最后一行选择行。列范围索引表示选择所选行范围中的所有列。

    切片选择列

    输出:

    注意: 行范围选择意味着选择所有行。列范围索引2意味着选择从索引2开始到最后一列的所有列。

    分片选择子矩阵

    输出:

    注意: 行范围选择1:3选择索引为1到2的行。列范围选择1:3将选择索引为1至2的列。

    求解线性方程组

    方程组

    矩阵计算线性方程组的语法是:

    R = np.dot((Inverse of P), Q)
    

    其中:

    r = 未知数的向量

    p = 左边的元素系数

    q = 右边的值

    例如,考虑下面的线性方程组:

    x + y + z = 1

    2x + 4y + z =-2

    x-y + z = 0

    它是以矩阵形式构成的:

    R = [ x y z ]未知数的向量

    P = [ [1. 1 1] [2 4 1] [1 -1 1] ] 

    Q = [1 -2 0]

    使用前面解释的矩阵语法,您将对方程组求解如下:

    输出:

    result:
      [-4.5 0.5 5.]
    

    其中 x =-4.5,y = 0.5,z = 5.0。

    我相信你已经学会了如何在 Python 中实现矩阵。如果你有任何建议,请后台联系我吖。

    ·  END  ·

    HAPPY LIFE

    展开全文
  • python技巧 switch case语句

    千次阅读 2021-01-29 06:03:22
    不同于C语言和SHELL,python中没有switch case语句,关于为什么没有,官方的解释是这样的使用Python模拟实现的方法:def switch_if(fun, x, y):if fun == ‘add‘:return x + yelif fun == ‘sub‘:return x - yelif...
  • 参考文献 [1]将Python3控制台输出保存到文件的方法
  • python 是非常灵活的语言,所以不同的人编写出的代码差异化会很大,因为需要一些基本的规范,大家都去遵守,这样才能在多人协作开发中保持一致性,本文就为大家梳理一下 python 行业里面达成基本共识的一些规范。...
  • Python的基础语法包括两大部分,其一是函数式编程部分,其二是面向对象编程部分。函数式部分的内容还是比较简单的,包括列表、函数、字符串、流控等内容,这部分实验也比较好理解。面向对象部分则需要具备一定的抽象...
  • Python技巧】pygame中坐标系方向

    千次阅读 2022-03-05 19:17:04
    游戏中的坐标系 远点在左上角 x轴水平方向向右 y轴垂直方向向下 游戏中所有可见元素都是以矩形区域来描述位置:(x,y) (width,height) pygame.Rect类用与描述矩形区域:Rect(x,y,width,height)
  • Python 技巧十则

    万次阅读 2019-12-04 09:40:46
    根据Stack Overflow的介绍,Python是增长最快的编程语言。福布斯》的最新 报告 指出,Python去年增长了456%。Netflix使用Python,IBM使用Python,其他数百家公司都使用Python。让我们不要忘记Dropbox。Dropbox也是...
  • python编程技巧.md

    2020-06-11 16:11:27
    python字典排序函数sorted,字符串连接join,格式化输出format函数,包括 数字的类型,模式
  • Python开发技巧与实践 工具 。
  • 方法如下: from PIL import Image jfif_path = "" # 在这里填上jfif文件的路径 jpg_path = "" # 在这里填上jpg文件的路径 img = Image.open(jfif_path) img.save(jpg_path) 和os库配合就可以批量实现文件格式的...
  • Python技巧】Pandas 中的 apply()函数

    千次阅读 2021-09-17 15:10:06
    apply()函数是pandas里面所有函数中自由度最高的函数。 apply() 函数的参数是一个函数指针,这里可以使用 lambda 表达式帮助简化代码。 输出结果: ...实战中使用 apply() 来统计句子长度。......
  • 今天给大家分享3个非常节省时间的 Python 技巧,它们在最近的项目中,帮我节省了 40% 的时间。 在编程过程中,总结 Python 技巧,可以让我们的代码既整洁,又易于理解。喜欢本文记得收藏、关注、点赞。 【注】资料、...
  •  在跑深度学习的情况下,需要在Linux终端下直接使用python命令来执行程序,但是我不仅想显示在屏幕上,还想把log文件保存到本地,来分析结果。这时候就需要用到Linux的管道命令和重定向命令tee来实现。 解决方案:...
  • 一些常见的Python技巧可以帮助你提高编码速度。在您的日常编码练习中,以下技巧将非常有用。 1.在字符串中查找唯一元素 以下代码段可用于查找字符串中的所有唯一元素。我们使用集合中所有元素都是唯一的属性。 my_...
  • 快速学习Python技巧.pdf快速学习Python技巧.pdf快速学习Python技巧.pdf快速学习Python技巧.pdf快速学习Python技巧.pdf快速学习Python技巧.pdf快速学习Python技巧.pdf快速学习Python技巧.pdf
  • Python 除法小技巧

    2021-01-20 05:02:20
    您可能感兴趣的文章:Python中比较特别的除法运算和幂运算介绍低版本中Python除法运算小技巧跟老齐学Python之啰嗦的除法Python对小数进行除法运算的正确方法示例Python中除法使用的注意事项简单介绍Python中的floor...
  • Python 虽然写起来代码量要远少于如 C++,Java,但运行速度又不如它们,因此也有了各种提升 Python 速度的方法技巧,这次要介绍的是用 Numba 库进行加速比较耗时的循环操作以及 Numpy 操作。 在24式加速你的Python...
  • 主要介绍了简单了解python的一些位运算技巧,位运算的性能大家想必是清楚的,效率绝对高。相信爱好源码的同学,在学习阅读源码的过程中会发现不少源码使用了位运算,需要的朋友可以参考下
  • 自学Python技巧之我们应该怎样学习Python编程?(图) Python已经成为较受欢迎的程序设计语言之一。2011年1月,它被TIOBE编程语言排行榜评为2010年度语言。自从2004年以后,python的使用率呈线性增长。 有人在学习...
  • x = lambda a, b : a + b print(x(1, 2))

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 181,084
精华内容 72,433
关键字:

python 技巧