深度学习入门--python入门2

news2025/2/22 12:29:55

以前学的全忘了，现在算是才开始学，有错误，恳请指正。

1.4 Python脚本文件

1.4.1保存为文件

1.4.2 类

1.5 Numpy

1.5.1 导入Numpy

1.5.2 生成Numpy数组

1.5.3 Numpy的算术运算

1.5.4 Numpy的N维数组

1.5.5 广播

1.5.6 访问元素

1.6 Matplotlib

1.6.1 绘制简单的图形

1.6.2 pyplot的功能

1.6.3 显示图像

在家就是不太适合学习（至少我是），今天回学校了，继续开始下面的学习：

1.4 Python脚本文件

1.4.1保存为文件

为了可以在以后使用我们写的一串python代码，我们就可以将其保存为文件，也就是我们常说的.py文件，例如：

如果想在终端执行这个文件代码，那么就需要使用cd命令进入到该文件的保存位置，然后使用python 文件名就可以执行，比如说执行上面的这个代码（代码需要输入，我忘了输入，所以报错了）：

但是在打开终端的时候，默认是在C盘下，如果你的代码在其他盘，那么就需要先转到该盘，然后再执行，就比如说我的在D盘下，所以就先转到D盘，再使用cd进入相应文件夹，去执行相应文件。

运行结果如下：

1.4.2 类

python中自有的类比如：int，float。但是，有时候我们需要自定义类，比如：人，那么人这个类就有自己的属性（比如姓名），也有自己的方法（比如人唱歌），感觉这里和Java中的一样。但是对于他的构造函数，有一定的差别。

python中定义类是使用class 类名：来定义，然后下面写函数，首先就是构造函数，然后就是类的其他方法。

例如：

但是我有一下疑问：

1、定义类的时候必须写构造函数嘛？

2、为什么要有实例变量self.name

解答（来自ai）：

定义类时不需要必须写构造函数，但显式定义__init__方法可以让对象初始化更加方便和清晰。
**实例变量self.name**是必要的，因为它允许每个对象独立存储数据，而self是访问当前对象属性和方法的关键。

如果将上述的代码修改为没有显形的构造函数，那么修改的结果如下：

此时需要手动为对象添加属性。

1.5 Numpy

numpy函数用于数组、矩阵等的数值计算。

1.5.1 导入Numpy

python中函数的导入使用的函数引用是使用import。

import numpy as np

意思就是导入numpy函数，然后将此函数命名为np。即以后在使用numpy函数的时候可以直接用你np来代替（下面使用的时候，就直接按照这个来代替了）。

1.5.2 生成Numpy数组

使用的语法是np.array()。

一维数组，就是一个中括号。例如：

x = np.array([1,2,3])

二维数组就是两个中括号，例如：

x = np.array([[1,2,3],[2,3,4]])

多维数组道理一样，一直往下写就可以了。

如果想要知道x的类型，使用的还是type()函数。

例如：

1.5.3 Numpy的算术运算

算术运算常见的也就是加减乘除，如果说两个运算的数值，维数相同，那么直接一对一那样运算即可。例如：

从上述例子可以看出，相同维度，只是相同位置进行运算即可。

1.5.4 Numpy的N维数组

可以从上面的例子看出N维数组的样子，二维数组又可以看作是一个矩阵，对于矩阵的运算，我们在前面例子已经看到了，对于相同维数的运算，就是直接对应元素计算即可。

若想要知道N维数组的形状，那么可以用shape（这里shape后面是没有括号的，要注意），例如：

若想知道里面元素的类型，可以使用dtype(后面依旧没有（）) ，例如：

1.5.5 广播

Numpy不仅可以进行对应元素的运算，还可以和标量进行运算，在运算的过程中，就需要提到广播了。

我理解的就是，根据所给的数组，将现有的标量进行一个扩写。

例如：现在有数组c，有标量q=2。

若想进行c和q的运算，那么就需要将q扩展成一个与c维度相同的数据进行运算。

得到的结果就是每个元素都乘以标量2。

1.5.6 访问元素

这里访问元素可以直接按照访问数学中的矩阵里面的元素那样，下标从0开始。比如常见的二维数组，若是只指定了一个下标，那么就输出这一行（或列）若是指定了两个下标，那么就直接输出某个元素。

例如：

如果想要遍历整个数组，可以使用for，例如：

2维以及以上的数组，可以进行展平操作，即降成一维，使用函数flatten()。

例如：

然后就可以单纯的对里面的元素进行分析。如果使用比较算数符，比如：>，那么输出的结果就是布尔型，例如：

1.6 Matplotlib

Matplotlib常用于绘制图形，实现数据的可视化。

1.6.1 绘制简单的图形

绘制图形的时候，使用的是matplotlib的pyplot模块。

例如：绘制sin函数

#首先导入所需模块，需要的是处理数据的和绘制图形的
import numpy as np
import matplotlib.pyplot as plt

#设置数据（生成数据）
x = np.arange(0,6,0.1)
y = np.sin(x)

#绘制图形
plt.plot(x,y)
plt.show()

绘制结果：

1.6.2 pyplot的功能

pyplot不仅可以绘制图形，还可以对图形进行添加标签、标题等。

例如：绘制sin&cos函数图形，并添加主题和标签。

#导入模块
import numpy as np
import matplotlib.pyplot as plt

#生成数据
x = np.arange(0,6,0.1)
y1 = np.sin(x)
y2 = np.cos(x)

#添加标签，主题等
plt.plot(x,y1,label="sin")
plt.plot(x,y2,linestyle="--",label="cos") #使用linestyle定义绘制曲线的款式
plt.xlabel("x")
plt.ylabel("y")
plt.title("sin&cos")
plt.legend()
plt.show()

绘制结果：

1.6.3 显示图像

前面提到的plt.show()是用来显示绘制的图形，这里的是显示图像，也就是对现有的某种图片进行显示。

使用的imshow()方法。图像的读入使用的是matplotlib.image的imread()方法。

注意：这里我在没写代码之前以为使用了imshow()方法就不需要show来显示的，但是事实并不是这样。

plt.imshow()：用于将图像数据加载到当前图形中，但不会显示图形窗口。
plt.show()：用于显示图形窗口，是将图形渲染到屏幕上的关键步骤。

例如：随机读一个棉花的RGB图：

#导入所需模块和函数
import matplotlib.pyplot as plt
from matplotlib.image import imread

#读入图像
imag = imread("D:/5.23/zc-x7/zc-x7-20.tif")
plt.imshow(imag)

plt.show()

显示结果：