說在前面

在開發之前， 要去python庫官網上查看是否有幫助的庫。 結合百度和pypi.org網站直接尋找需要的庫。

庫安裝方法：1pip安裝 2.文件安裝：UCI頁面需要翻墻 ?https://www.lfd.uci.edu/~gohlke/pythonlibs 或者conda提供的那些網站也行。

文件安裝：下載UCI、whl文件之后，又要使用 pip install 文件來安裝 ?放到lib文件夾

vscode特殊：通常把要處理的文件放在一個工作文件下，方便輸出文件位置和調用。

一、文件操作

1.1 目錄庫 os： import os

os.path ：用于獲取文件的基本信息

import os 輸出文件的絕對路徑：os.path.abspath(path)； file_path = os.path.abspath('test.py') print(file_path) >>> c:\Users\YHW\Desktop\test_`1也可以直接存儲文件路徑：右鍵文件，屬性，查看完整地址復制過來 file_path = "C:\\Users\\YHW\\Desktop\\matlabprg" python中轉義字符在自己輸入時\\需要成對輸入，不然會有報錯，或者/反斜杠表示替代文件存在標志：os.path.exists(path) 如果路徑 path 存在，返回 True；如果路徑 path 不存在，返回 False。 print(os.path.exists('test.py')) >>> True獲取工作文件夾路徑： print(os.getcwd()) c:\Users\YHW\Desktop\test_`1合并文件目錄路徑和文件名： file_path = os.path.join( os.getcwd(),"corpus_POS.txt" ) #據編譯器決定是否添加/分隔 print(file_path) c:\Users\YHW\Desktop\test_`1\corpus_POS.txtLinux系統下常見，把path中包含的"~"和"~user"轉換成用戶目錄： os.path.expanduser("路徑") 根據環境變量的值替換path中包含的"$name"和"${name}"： os.path.expandvars("路徑")文件路徑切分成路徑和文件名： os.path.spilt("路徑") spilt并非os下才能使用！ 返回一個元組，進行讀取即可

修改當前工作文件夾目錄：

查看當前工作目錄 file = os.getcwd(); file = print("當前工作目錄為 %s" % file) >>> c:\Users\YHW\Desktop\test_`1修改當前工作目錄 os.chdir( "c:\Users\YHW\Desktop\matlabprg" )

返回某個文件夾中包含的文件名字的列表：

path = "c:\\Users\\YHW\\Desktop\\test_`1" dirs = os.listdir( path ) for file in dirs:print (file) >>> .vscode 1_tutorial_1or2hours.ipynb animalphoto dvsc.ipynb animal_model.h5 test.py

創建文件夾：

path = "路徑" #一般與文件是否存在結合 os.path.exists(path) if(False):os.mkdir( path, 0755 )#0755mode設置權限，查表

進程管理：

進程管理 python文件打開其他文件或者軟件的操作 調用其他程序 import os os.system("文件路徑") 還有許多其他的函數 os.cpu_count() CPU數量 os.getlogin() 獲得用戶登錄名 print(os.getlogin()) print(os.path.abspath('kalman.py'))

csv文件：二維列表? ? ?csv格式：逗號分割標準格式，類似表格

1.2 文件IO庫

——除了python自帶的open()函數以外，其他的庫都會提供自己的文件讀取流也可以。

pandas打開文件 import pandas as pd pd.read_excel("Excel文件路徑名") 用pandas可以打開各種文件numpy打開文件（僅npk：用于存儲重建 ndarray 所需的數據、圖形、dtype 和其他信息。） import numpy as np a = np.array([1,2,3,4,5]) np.save('outfile.npy',a) b = np.load('outfile.npy') print (b)也可以用open file_txt = open("路徑/文件名","r", encoding="utf-8").read() 參數：文件位置、打開選項（讀寫選擇），編碼方式 file_txt.close()file = "c:\\Users\\YHW\\Desktop\\test_`1" f_test = open(file, "r", encoding="UTF-8") f_test = open(FILENAME, "r", encoding="UTF-8")realine讀入一行 f_test.readline() read讀取指定的字符大小 txt =f_test.read() readlines讀取所有行，每一行為一個字符串，所有字符串形成列表 list=[] list = f_test.readlines()寫一樣 f.write(string) f.writelines(list) f.seek(參數)更改文件位置指針的位置

文本數據的一個常規操作：for把每一行讀進來，把每一行的末尾\n換成空格，然后每一行用逗號分割，用readlines()效果一樣

FILENAME = "machinelearning_add" fo = open(FILENAME, encoding="UTF-8") ls=[] for line in fo:line = line.replace("\n"," ")ls.append(line.split(",")) fo.close() ang=[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20] for item in ang:print(ls[item])

輸出結果如下：

---

二、數組Numpy庫

2.1 創建數組，所有科學工具的基本: import numpy as np

創建數組，一維二維三維取決于內部中括號個數 a = np.array([[1,2,2],[2,5,7],[7,83,1]], dype = int) dytpe選擇內部的數據類型，甚至可以表示復數：complex64等 print (a) >>>[[ 1 2 2][ 2 5 7][ 7 83 1]]列表轉數組： a = [1,2,3,4,5] ma = np.array(a)注意區分“數組”和“矩陣”的區別，主要取決于數組類型和維度，下面的shape參數介紹結構體數組：numpy 的數值類型實際上是 dtype 對象的實例，可以使用dype當做初始化函數 student = np.dtype([('age', 'int8'), ('marks', 'float')]) a = np.array([(21, 50),(18, 75)], dtype = student) print(a)創建數組，有序數組：arrange（） a = np.arange(5) >>> [0 1 2 3 4]0，1元素數組： numpy.zeros(shape, dtype = float, order = 'C') 默認為浮點數，order排序方式 numpy.ones(shape, dtype = None, order = 'C') x = np.ones([2,2], dtype = int) y = np.zeros((5,5), dtype = int) 自定義數據類型 z = np.zeros((2,2), dtype = [('x', 'int8'), ('y', 'float')]) print(z) z是二維矩陣，每一個元素是一個int和float組成的一個小元組元素。 >>> [[(0, 0.) (0, 0.)][(0, 0.) (0, 0.)]]

2.2 創建矩陣：

import numpy as np

import numpy.matlib

零矩陣和1矩陣 numpy.matlib.zeros(2,3) numpy.matlib.ones(3,3)單位矩陣： numpy.matlib.eye() 函數返回一個矩陣，對角線元素為 1，其他位置為零。 print (np.matlib.eye(3, dtype = float)) >>> [[1. 0. 0.][0. 1. 0.][0. 0. 1.]]隨機矩陣： np.matlib.rand(3,3)

2.3 數組工具：

數組的rank秩： ndarray.ndim調整大小，重構數據大小reshape，重構大小必須滿足！“列表轉數組 數組行列乘積個數一樣”兩個條件！ a = np.arange(5) b = a.reshape(1,5) c = a.reshape(5,1)d = np.array([[1,2],[4,5],[6,89]]).reshape(3,2) f1 = np.arange(12).reshape(3,4) f2 = np.arange(12).reshape(2,6) >>> a = [0 1 2 3 4] [[0 1 2 3 4]][[0][1][2][3][4]]d = [[ 1 2][ 4 5][ 6 89]]f1 = [[ 0 1 2 3][ 4 5 6 7][ 8 9 10 11]]f2 = [[ 0 1 2 3 4 5][ 6 7 8 9 10 11]]數組格式，數組維度查看：shape print (e.shape) >>> (3, 2) 三行兩列 a = np.arange(5) a.shape >>> (5,) 列表型數組，和列表類似，但是不屬于矩陣，無法參與矩陣運算其他類型轉數組（列表轉數組、元組轉數組等） a = range(0,5,1) a = np.asarray(a) print (a) >>> [0 1 2 3 4]

2.4 數組的索引迭代、展平和組合：?

切片索引與列表一樣 a = np.arange(10) 從索引 2 開始到索引 7 停止，間隔為 2 b = a[2:7:2] 雙列索引 c = c[0:10, 2:6] 分號左邊是行索引，從0開始到10-1=9行；右邊列索引，從第2列開始到第5列 print(b,c)單個索引 f = np.arange(12).reshape(3,4) f = f.reshape(2,6) f[1][3]=522 >>> [[ 0 1 2 3 4 5][ 6 7 8 522 10 11]]訪問數組中的每一個元素：數組迭代循環 nditer()有可選參數 for x in np.nditer(a):print (x, end=", " )數組展平：展開數組，兩個函數拷貝與不拷貝的關系 ndarray.flatten() ndarray.ravel()找到列表中最大值的索引：最小值也是一樣（注意從0開始索引） a = [1,2,3,4,5] ma = np.array(a) a.index(max(ma))找到數組中的最大值： max = ma.max()找到最大值對應的索引值（序號）： 默認axis是對整個數組索引，輸入axis就是按axis軸進行最大值的索引 max = np.argmax(ma, axis = )轉置： b = 某個二維數組.T

2.5 數組計算、矩陣計算:

運算符直接使用：a*b? a+b a-b的結果就是 a 與 b 數組對應位相乘。(按位乘）

觸發廣播機制，如果兩個數組維度不同，就把維度低的補齊到可以按位乘 a = np.array([[ 0, 0, 0],[10,10,10],[20,20,20],[30,30,30]]) b = np.array([1,2,3]) print(a * b) >>> [[ 0 0 0][10 20 30][20 40 60][30 60 90]]

2.6 多維數組計算：通過np提供的方法才能進行（與矩陣的運算方法一樣）

矩陣乘法：dot（）函數。矩陣乘法參考線性代數 a = [[1, 0], [0, 1]] b = [[4, 1], [2, 2]] c=np.dot(a, b) >>> [[4 1][2 2]]a = [[1, 0], [0, 1]] b = [[4], [22]] c=np.dot(a, b) print(c) >>> [[ 4][22]]加減乘除：add(a,b)，subtract(a,b)，dot(a, b)，divide(a,b)矩陣點積：對應位置元素相乘 a = np.array([[1,2],[3,4]]) b = np.array([[11,12],[13,14]]) print (np.vdot(a,b))逆矩陣： x = np.array([[1,2],[3,4]]) y = np.linalg.inv(x) >>> [[-2. 1. ][ 1.5 -0.5]]

2.7 其他計算函數：

將整形轉換為其他進制： print ('13 和 17 的二進制形式：') a,b = 13,17 print (bin(a), bin(b)) print ('13 和 17 的位與：') print (np.bitwise_and(13, 17))>>> 13 和 17 的二進制形式： 0b1101 0b1000113 和 17 的位與： 1bitwise_or()按位或 invert()取反 left_shift() 左移 同右移統計函數： numpy.mean(ndarray) 平均數 numpy.average(ndarray) 加權平均數 np.std([1,2,3,4]) 標準差 np.var([1,2,3,4]) 方差

---

???????三、繪圖庫matlpotlib

import numpy as np from matplotlib import pyplot as plt x = np.arange(1,11) y = 2 * x + 5 z = 3 * x**2 + 2 plt.title("This is title don't support chinese") plt.xlabel("x axis ") plt.ylabel("y axis ") plt.plot(x,y,"ob") plt.plot(x,z,"-g") 繪圖命令 plt.show()

通過plot后面的選項可以設置顏色和線段類型，下圖

?

---

四、 python其他常見庫：

4.1 random庫、時間函數庫：

#random庫的補充 import numpy as np #random的隨機庫生成數組形式的隨機 import random as rd #1.設置了相同隨機數種子的隨機數，會產生相同的隨機數 #如果不設置種子，那么就會產生隨機的 rd.seed(10) a= rd.random() rd.seed(10) b = rd.random() c= rd.random() print(a, b, c) #2.各個函數 rd.randint(1,5)#整數隨機 rd.uniform(3,5)#產生a~b之間的隨機float數 rd.shuffle([1,4,5,12,8])#隨機排序#時間函數，包括獲取時間，性能優化等 import time time.perf_counter()#復數 z = 3.2 + 2.3j print(z.real, z.imag)

）4.2 exe可編譯python程序打包庫：pyinstaller

pip install pyinstaller

常用的指令：

-F name，-onefile 產生單個的可執行文件

-D dirname，--onedir 產生一個目錄（包含多個文件）作為可執行程序

-i <xxx.ico> 產生的文件用xxx圖片作為圖標

命令行里使用 ?pyinstaller -i <image_name.ico> -F file_name.py

總結

以上是生活随笔為你收集整理的Python学习指南——1.常用库说明的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。