300字范文 > 北理工嵩天Python语言程序设计笔记（10 Python计算生态概览）

北理工嵩天Python语言程序设计笔记（10 Python计算生态概览）

时间：2022-11-20 18:56:00

前言

本文是对《北理工嵩天/黄天宇/礼欣 Python语言程序设计》的学习笔记，供自己查阅使用。

文章目录

北理工嵩天Python语言程序设计笔记（目录）北理工嵩天Python语言程序设计笔记（2 Python基本语法元素）北理工嵩天Python语言程序设计笔记（3 Python基本图形绘制）北理工嵩天Python语言程序设计笔记（4 基本数据类型）北理工嵩天Python语言程序设计笔记（5 程序的控制结构）北理工嵩天Python语言程序设计笔记（6 函数和代码复用）北理工嵩天Python语言程序设计笔记（7 组合数据类型）北理工嵩天Python语言程序设计笔记（8 文件和数据格式化）北理工嵩天Python语言程序设计笔记（9 程序设计方法学）北理工嵩天Python语言程序设计笔记（10 Python计算生态概览）

笔记目录

前言文章目录10 Python计算生态概览10.1 从数据处理到人工智能10.1.1 Python库之数据分析10.1.2 Python库之数据可视化10.1.3 Python库之文本处理10.1.4 Python库之机器学习10.2 实例15: 霍兰德人格分析雷达图10.3 从Web解析到网络空间10.3.1 Python库之网络爬虫10.3.2 Python库之Web信息提取10.3.3 Python库之Web网站开发10.3.4 Python库之网络应用开发10.4 从人机交互到艺术设计10.4.1 Python库之图形用户界面10.4.2 Python库之游戏开发10.4.3 Python库之虚拟现实10.4.4 Python库之图形艺术10.5实例16: 玫瑰花绘制课程总结

10 Python计算生态概览

10.1 从数据处理到人工智能

10.1.1 Python库之数据分析

Numpy: 表达N维数组的最基础库

Pandas: Python数据分析高层次应用库

Series = 索引+ 一维数据DataFrame= 行列索引+ 二维数据

SciPy: 数学、科学和工程计算功能库

10.1.2 Python库之数据可视化

Matplotlib: 高质量的二维数据可视化功能库

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

Seaborn: 统计类数据可视化功能库

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

Mayavi：三维科学数据可视化功能库

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

10.1.3 Python库之文本处理

PyPDF2：用来处理pdf文件的工具集

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

NLTK：自然语言文本处理第三方库

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

Python-docx：创建或更新Microsoft Word文件的第三方库

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

10.1.4 Python库之机器学习

Scikit-learn：机器学习方法工具集

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

TensorFlow：机器学习计算框架

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

10.2 实例15: 霍兰德人格分析雷达图

霍兰德人格分析霍兰德认为：人格兴趣与职业之间应有一种内在的对应关系人格分类：研究型、艺术型、社会型、企业型、传统型、现实性职业：工程师、实验员、艺术家、推销员、记事员、社会工作者

import numpy as npimport matplotlib.pyplot as pltimport matplotlibmatplotlib.rcParams['font.family'] = 'SimHei'radar_labels = np.array(['研究型(I)', '艺术型(A)', '社会型(S)','企业型(E)', '常规型(C)', '现实型(R)'])data = np.array([[0.40, 0.32, 0.35, 0.30, 0.30, 0.88],[0.85, 0.35, 0.30, 0.40, 0.40, 0.30],[0.43, 0.89, 0.30, 0.28, 0.22, 0.30],[0.30, 0.25, 0.48, 0.85, 0.45, 0.40],[0.20, 0.38, 0.87, 0.45, 0.32, 0.28],[0.34, 0.31, 0.38, 0.40, 0.92, 0.28]]) # 数据值data_labels = ('艺术家', '实验员', '工程师', '推销员', '社会工作者', '记事员')angles = np.linspace(0, 2 * np.pi, 6, endpoint=False)data = np.concatenate((data, [data[0]]))angles = np.concatenate((angles, [angles[0]]))radar_labels = np.concatenate((radar_labels, [radar_labels[0]]))fig = plt.figure(facecolor="white")plt.subplot(111, polar=True)plt.plot(angles, data, 'o-', linewidth=1, alpha=0.2)plt.fill(angles, data, alpha=0.25)plt.thetagrids(angles * 180 / np.pi, radar_labels)plt.figtext(0.52, 0.95, '霍兰德人格分析', ha='center', size=20)legend = plt.legend(data_labels, loc=(0.94, 0.80), labelspacing=0.1)plt.setp(legend.get_texts(), fontsize='large')plt.grid(True)plt.savefig('holland_radar.jpg')plt.show()