DL1. python入门
1. 深度学习及其学习以及数据科学领域，应用较多，凭借NumPy， SciPy等优秀的数据计算和统计分析库，应用较多，
2. Python的版本：分为2.x和3.x， 3.x写的代码2.x无法执行。
3. 深度学习涉及的外部库：
a) NumPy库：用于数值计算的库，提供数学算法和矩阵的操作接口。
b) MatPlotlib库：绘制图形的库。
4. Anaconda 3.x内部除了python3.x的环境以外，还集成了含上述库在内的必要库。
-------------------1.3 python解释器---------·------------------
1. Cmd中输入 python –version 可以查询python的版本。
2. Cmd python 可以启动python解释器，解释器与matlab的界面有点像
3. 算数运算：
a) 加减略； 乘法（*） 除法（/） 乘方（**）
4. 数据类型：
a) 三种：整数， 小数， 字符串。 Int float “hello”
b) 用type（val）可以查看val的类型
5. 变量：命名规范与C语言类似，
a) 动态变量类型，即不需要显式的指定某变量的类型
b) 类型自动转换：小数与整数，结果为小数
c) 举例：x=10; x=x+0.1; type(x) = “float”
6. 打印值与注释：
a) 打印使用print（val）,不同于C语言，没有格式化的打印
b) #为注释的意思，放在前面
7. 列表：（类似数组）
a) 定义：a= [1,2,3,4,5]
b) 打印全部：print(a) 打印某元素print(a[4])
c) 获取长度：len(a)
d) 访问谋个元素：a[3] 注意下标从0开始
e) 访问某一子表：
i. 下标为0-2的元素： a[0:2]
ii. 1-最后 的元素： ａ［１：］
iii. 索引为3之前的元素： a[:3]
iv. 最后一个元素的前一个元素之前的所有数据a[:-1]
v. 最后一个元素到前两个元素之前的所有数据a[:-2]
vi. X:y [x,y) 即左边是包含，右边不包含
vii. 注意y可以是-1，即最后一个元素，-2代表倒数第二个元素
viii. 凡是【】形式的访问，右侧都是不包含的
8. 字典：以键值对的形式存储数据，类似《新华字典》
a) 定义：me={key1:val1, key2:val2} 即为建立联系，对于key和val的类型均没有限制，同一本字典的不同key类型可以不同。
b) 添加： me[newkey] = newval
c) 访问： me[key] 即访问key所对应的val
9. 布尔类型：类型“bool” 可取值【True False】（首字母必须大写）
a) Type() = bool
b) 运算符：and or not A and b; a or b not c
10. If语句：
if a (a可以是int float bool类型)
print(“111”) 前面可以是四个空格
print(“111”) 前面也可以是一个tab
#python中，四个空格或一个tab表示缩进，缩进不仅代表格式，还代表所属关系
Else:
Print(“222”)
Print(“333”)
#此行前面不加空格，即代表else结束，即if结束。
11. For循环语句：用于循环处理。
For a in [1, 3, 5]: #即 for val in [a,b,c]
Print(“a”) #注意结果为1， 3， 5
注意运行的次数为3次，但是结果为 1 3 5
此外需要注意的一点是 for in后面的可以是7节中的列表
12. 函数：
def xxx(object1, pbject2):
print(“hello” + object1 + object2 + “!”) 字符串拼接使用“+”
调用：xxx(mlw niubi)
-------------------·--·-python中类的定义以及实例化-------·-----------
1. Python脚本文件以 .py 为后缀。在其中书写一系列语句，然后在cmd界面（不需要进入python解释器模式）直接python xx.py 即可运行该py文件。
2. 类：相当于结构体。之前我们了解的类(int str等通过type获取的)是pytjon默认集成的，我们可以自己定义类。类的定义如下
class mlw: //类名称 mlw
def __init__(self, arg1, arg2): //构造函数，注意其名字一定为__init__, 参数随意
self.arg1 = arg1
self.arg2 = arg2
print("Initialized!")
def func1(self): //定义其他功能函数
def func2(self): //定义其他功能函数
3. 类的实例化： mlw val1(arg1, arg2); //定义名为val1的mlw类变量。同时传参给构造函数，注意实参的类型和数量必须符合构造函数的要求，不然失败。
4. 类的成员以及函数的引用：
a) 类的成员的引用： val1.arg1 val1.arg2
b) 类的成员函数的使用： val1.func1() val1.func2() 注意后面必须加括号。
----------·--------·------------------------
-----------------·--------NumPy--------------·--------------
1. 用于数组和矩阵的运算，NumPy中的数组类（numpy.array）中提供了很多方法，
2. 导入：NumPy是外部库，所谓外部就是不包含在python的默认库中，需要导入：对话模式下执行：import numpy as np 即可完成导入。
3. import libxxx as xxx ：导入libxxx库，然后连接到符号xxx。后续通过xxx即可调用该库。
具体使用：
1. 生成NumPy数组：Resault = np.array(val)
a) Val：入参，是python列表类型。
b) Resault出参，是nump.ndarray 类型的数据。
2. NumPy之间的算数运算：运算的需要是同维数，加减乘除即对应的元素加减乘除。Numpy数组也可与标量进行运算，就是对每个成员与该标量进行运算。
3. NumPy的N维数组：即矩阵
a) 定义： val = np.array(【[1,2], [3,4], [5,6]】) []内的为一行
b) 获取维数：该类中集成了shape函数，用于返回维数。
c) 获取矩阵元素的类型：该类中集成了dtype函数，用于返回元素的类型
d) 两个维数相同的矩阵可以进行运算，注意乘法是点乘，即对应元素计算。
e) 矩阵可以与标量进行运算，方法是遍历每个元素计算。基于广播实现的。
f) 一维数组称为向量 二维数组称为矩阵，三维及以上的称为张量。
4. 广播：NumPy中不同维数的数组之间可以运算，比如矩阵和标量之间，因为NumPy有自动补全的机制，用于解决不同维数之间矩阵计算的问题，关于自动补全的方法不详细介绍，
5. 访问矩阵元素：元素索引从0开始（与python通用的列表相同）
a) 访问某行：val[xx] 访问xx行的所有元素 ，注意xx也是从0开始的。
b) 访问某个元素： val[xx][yy] 访问xx行yy列的元素
c) Np.flatten函数用于将np.array矩阵中的元素转换为数组。
i. Val = val.flatten() val仍然是numpy.ndarray类型的。注意按行存储。
d) 注意matlab是按列存储的。
e) Val【np.array([0, 2, 4])】获取索引为0 2 4 的元素
f) 数组的布尔型运算：对数组进行布尔型运算，会得到一个true false的数组 val>3
g) Val【val>3】 打印出所有大于3的元素的值。
对于NumPy的使用，以实际的训练为主。
几个方法的介绍：
1. Np.arange(min, max, step) 类似于matalab定义一个向量
2. Np中集成了sin cos等函数： y=np.sin(x) //其中x是自己生成的向量。
------------·------------matplotlib库--------·-·-----------
1. 外部库，需要导入：import matplotlib.pyplot as plt
2. 显示图形示例：
a) X=np.arange(min, max, step)
b) Y=np.sin(x)
c) Plt.plot(x,y) 调用plt类中的绘制函数
d) Plt.show() 调用plt类中的显示函数
3. Plt.plot(x, y, label=”sin”, linestyle=”-”) 其中label是图形的标示符，linestyle是曲线的类型。
4. Plt.xlabel(“str”) x轴的标记 plt.ylabel(“str”) y轴的标记
5. Plt.title(“title”) 图像的标题
6. Plt.legend() plt.show()
7. 显示图像：略。
总结
以上是生活随笔为你收集整理的DL1. python入门的全部内容，希望文章能够帮你解决所遇到的问题。
- 上一篇： 即刻金服车牌币火爆上线
- 下一篇： 用Python求三角形面积