全国计算机等级考试二级Python（2021年9月）备考笔记第九天

2022-02-10 22:39:46

文章目录

Python语言程序设计-嵩天老师(MOOC)听课笔记第9周

Python语言程序设计-嵩天老师(MOOC)听课笔记第9周

知识点一

Python库之数据分析

Numpy：表达N维数组的最基础库

Python接口使用，C语言，计算速度优异

Python数据分析及科学计算的基础库，支撑Pandas等

提供直接的矩阵运算、广播函数、线性代数等功能

Numpy:表达N维数组的最基础库

NumPy库: http://www.numpy.org

Pandas:Python数据分析高层次应用库

提供了简单易用的数据结构和数据分析工具

理解数据类型与索引的关系，操作索引即操作数据

Python最主要的数据分析功能库，基于Numpy开发

Series=索引+一维数据

DataFrame=行列索引+二维数据

pandas库: http://pandas.pydata.org

SciPy:数学、科学和工程计算功能库

提供了一批数学算法及工程数据运算功能

类似Matlab，可用于如傅里叶变换，信号处理等应用

Python最主要的科学计算功能库，基于Numpy开发

SciPy: http://www.scipy.org

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

Matplotlib: http://matplotlib.org

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

Seaborn: http://seaborn.pydata.org

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

Mayavi: http://docs.enthought.com/mayavi/mayavi/

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

from PyPDF2 import PdfFileReader,PdfFileMerger
merger=PdfFileMerger()
input1=open("document1.pdf","rb")
input2=open("document2.pdf","rb")
merger.append(fileobj=input1,pages=(0,3))
merger.merge(position=2,fileobj=input2,pages=(0,1))
output=open("document-output.pdf","wb")
merger.write(output)

PyPDF2: http://mstamy2.github.io/PyPDF2

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

from nltk.corpus import treebank
t=treebank.parsed_sents('wsj_0001.mrg')[0]
t.draw()

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

from docx import Document
document = Document()
document.add_heading('Document Title',0)
p=document.add_paragraph('A plain paragraph having some ')
document.add_page_break()
document.save('demo.docx')

http://python-docx.readthedocs.io/en/latest/index.html

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

机器学习最基本且优秀的Python第三方库

Scikit-learn: http://scikit-learn.org/

TensorFlow: AlphaGo背后的机器学习计算框架

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

import tensorflow as tf
init = tf.global_variables_initializer()
sess=tf.Session()
sess.run(init)
res=sess.run(result)
print('result:',res)

TensorFlow: https://www.tensorflow.org/

MXNet: 基于神经网络的深度学习计算框架

提供可扩展的神经网络及深度学习计算功能

可用于自动驾驶，机器翻译，语言识别等众多领域

Python最重要的深度学习计算框架

MXNet: https://mxnet.incubator.apache.org/

实例霍兰德人格分析

问题分析

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

霍兰德人格分析雷达图

需求：雷达图方式验证霍兰德人格分析

输入：各职业人群结合兴趣的调研数据

通用雷达图绘制：matplotlib库

专业的多维数据表示：numpy库

输出：雷达图

实例展示

import numpy as np
import matplotlib.pyplot as plt
import matplotlib
matplotlib.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()

输出结果:

举一反三

目标+沉浸+熟练

编程的目标感：寻找感兴趣的目标，寻(wa)觅(jue)之

编程的沉浸感：寻找可实现的方法，思(zuo)考(mo)之

编程的熟练度：练习、练习、再练习、熟练之

知识点二

Python库之网络爬虫

Requests: 最友好的网络爬虫功能库

提供了简单易用的类HTTP协议网络爬虫功能

支持连接池、SSL、Cookies.HTTP(S)代理等

Python最主要的页面级网络爬虫功能库

import requests
r=requests.get('https://api.github.com/user',auth=('user','pass'))
r.status_code
r.headers['content-type']
r.encoding
r.text

Requests: http://www.python-requests.org/

Scrapy: 优秀的网络爬虫框架

提供了构建网络爬虫系统的框架功能，功能半成品

支持批量和定时网页爬取、提供数据处理流程等

Python最主要且最专业的网络爬虫框架

Scrapy: Python数据分析高层次应用库 https://scrapy.org

pyspider:强大的Web页面爬取系统

提供了完整的网页爬取系统构建功能

支持数据库后端、消息队列、优先级、分布式架构等

Python重要的网络爬虫类第三方库

pyspider: http://docs.pyspider.org

Python库之Web信息提取

Beautiful Soup:HTML和XML的解析库

提供了解析HTML和XML等Web信息的功能

又名beautifulsoup4或bs4，可以加载多种解析引擎

常与网络爬虫库搭配使用，如Scrapy,requests等

Beautiful Soup: https://www.crummy.com/software/BeautifulSoup/bs4

Re: 正则表达式解析和处理功能库

提供了定义和解析正则表达式的一批通用功能

可用于各类场景，包括定点的Web信息提取

Python最主要的标准库之一，无需安装

Re: https://docs.python.org/3.6/library/re.html

Python-Goose: 提取文章类型Web页面的功能库

提供了对Web页面中文章信息/视频等元数据的提取功能

针对特定类型Web页面，应用覆盖面较广

Python最主要的Web信息提取库

from goose import Goose
url='http://www.elmundo.es/elmundo/2012/10/28/espana/1351388909.html'
g=Goose({'use_meta_language':False,'target_language':'es'})
article=g.extract(url=url)
article.cleaned_text[:150]

Python-Goose: https//github.com/grangier/python-goose

Python库之Web网站开发

Django: 最流行的Web应用框架

提供了构建Web系统的基本应用框架

MTV模式：模型(model)、模板(Template)、视图(Views)

Python最重要的Web应用框架，略微复杂的应用框架

Django: https://www.djangoproject.com

Pyramid: 规模适中的Web应用框架

提供了简单方便构建Web系统的应用框架

不大不小，规模适中，适合快速构建并适度扩展类应用

Python产品级Web应用框架，起步简单可扩展性好

from wsgiref.simple_server import make_server
from pyramid.config import Configurator
from pyramid.response import Response
def hello_world(request):
	return Response('Hello World!')
if __name__ =='__main__':
	with Configurator() as config:
		config.add_route('hello','/')
		config.add_view(hello_world,route_name='hello')
		app=config.make_wsgi_app()
	server=make_server('0.0.0.0',6543,app)
	server.serve_forever()

Pyramid: https://trypyramid.com/

Flask: Web应用开发微框架

提供了最简单构建Web系统的应用框架

特点是：简单、规模小、快速

Django > Pyramid > Flask 好

from flask import Flask
app = Flask(__name__)
@app.route('/')
def hello_world():
	return 'Hello,World!'

Flask: http://flask.pocoo.org

Python库之网络应用开发

WeRoBot: 微信公众号开发框架

提供了解析微信服务器消息及反馈消息的功能

建立微信机器人的重要技术手段

import werobot
robot =werobot.WeRoBot(token='tokenhere')
@robot.handler
def hello(message):
	return 'Hello World!'

WeRoBot: https://github.com/offu/WeRoBot

aip: 百度AI开放平台接口

提供了访问百度AI服务的Python功能接口

语音、人脸、OCR、NLP、知识图谱、图像搜索等领域

Python百度AI应用的最主要方式

aip: https://github.com/Baidu-AIP/python-sdk

MyQR: 二维码生成第三方库

提供了生成二维码的系列功能

基本二维码、艺术二维码和动态二维码

MyQR: https://github.com/sylnsfar/qrcode

Python库之图形用户界面

PyQt5: Qt开发框架的Python接口

提供了创建Qt5程序的Python API接口

Qt是非常成熟的跨平台桌面应用开发系统，完备GUI

推荐的Python GUI开发第三方库

PyQt5: https://www.riverbankcomputing.com/software/pyqt

wxPython: 跨平台GUI开发框架

提供了专用于Python的跨平台GUI开发框架

理解数据类型与索引的关系，操作索引即操作数据

Python最主要的数据分析功能库，基于Numpy开发

import wx
app=wx.App(False)
frame=wx.Frame(None,wx.ID_ANY,"Hello World")
frame.Show(True)
app.MainLoop()

wxPython: https://www.wxpython.org

PyGObject: 使用GTK+开发GUI的功能库

提供了整合GTK+、WebKitGTK+等库的功能

GTK: 跨平台的一种用户图形界面GUI框架

实例: Anaconda采用该库构建GUI

import gi
gi.require_version("Gtk","3.0")
from gi.repository import Gtk
window =Gtk.Window(title="Hello World")
window.show()
window.connect("destroy",Gtk.main_quit)
Gtk.main()

PyGObject: https://pygobject.readthedocs.io

Python库之游戏开发

PyGame: 简单的游戏开发功能库

提供了基于SDL的简单游戏开发功能及实现引擎

理解游戏对外部输入的响应机制及角色构建和交互机制

Python游戏入门最主要的第三方库

PyGame: http://www.pygame.org

Panda3D: 开源、跨平台的3D渲染和游戏开发库

一个3D游戏引擎，提供Python和C++两种接口

支持很多先进特性：法线贴图、光泽贴图、卡通渲染等

由迪士尼和卡尼基梅隆大学共同开发

Panda3D: http://www.panda3d.org

cocos2d: 构建2D游戏和图形界面交互式应用的框架

提供了基于OpenGL的游戏开发图形渲染功能

支持GPU加速，采用树形结构分层管理游戏对象类型

适用于2D专业级游戏开发

cocos2d: http://python.cocos2d.org/

Python库之虚拟现实

VR Zero：在树莓派上开发VR应用的Python库

提供大量与VR开发相关的功能

针对树莓派的VR开发库，支持设备小型化，配置简单化

非常适合初学者实践VR开发及应用

VR Zero: https://github.com/WayneKeenan/python-vrzero

pyovr:Oculus Rift的Python开发接口

针对Oculus VR设备的Python开发库

基于成熟的VR设备，提供全套文档，工业级应用设备

Python+虚拟现实领域探索的一种思路

pyovr: https://github.com/cmbruns/pyovr

Vizard: 基于Python的通用VR开发引擎

专业的企业级虚拟现实开发引擎

提供详细的官方文档

支持多种主流的VR硬件设备，具有一定通用性

Vizard: http://www.worldviz.com/vizard-virtual-reality-software

Python库之图形艺术

Quads: 迭代的艺术

对图片进行四分迭代，形成像素风

可以生成动图或静图图像

简单易用，具有很高的展示度

Quads: https://github.com/fogleman/Quads

ascii_art: ASCII艺术库

将普通图片转为ASCII艺术风格

输出可以是纯文本或彩色文本

可采用图片格式输出

ascii_art: https://github.com/jontonsoup4/ascii_art

turtle: 海龟绘图体系

Random Art

turtle: https://docs.python.org/3/library/turtle.html

实例玫瑰花绘制

问题分析

玫瑰花绘制

绘制机理：turtle基本图形绘制

绘制思想：因人而异

思想有多大、世界就有多大

#代码如下:
import turtle as t
#定义一个曲线绘制函数
def DegreeCurve(n,r,d=1):
	for i in range(n):
		t.left(d)
		t.circle(r,abs(d))
#初始位置设定
s=0.2    #size
t.setup(450*5*s,750*5*s)
t.pencolor("black")
t.fillcolor("red")
t.speed(100)
t.penup()
t.goto(0,900*s)
t.pendown()
#绘制 花朵形状
t.begin_fill()
t.circle(200*s,30)
DegreeCurve(60,50*s)
t.circle(200*s,30)
DegreeCurve(4,100*s)
t.circle(200*s,50)
DegreeCurve(50,50*s)
t.circle(350*s,65)
DegreeCurve(40,70*s)
t.circle(150*s,50)
DegreeCurve(20,50*s,-1)
t.circle(400*s,60)
DegreeCurve(18,50*s)
t.fd(250*s)
t.right(150)
t.circle(-500*s,12)
t.left(140)
t.circle(550*s,110)
t.left(27)
t.circle(650*s,100)
t.left(130)
t.circle(-300*s,20)
t.right(123)
t.circle(220*s,57)
t.end_fill()
#绘制花枝形状
t.left(120)
t.fd(280*s)
t.left(115)
t.circle(300*s,33)
t.left(180)
t.circle(-300*s,33)
DegreeCurve(70,225*s,-1)
t.circle(350*s,104)
t.left(90)
t.circle(200*s,105)
t.circle(-500*s,63)
t.penup()
t.goto(170*s,-30*s)
t.pendown()
t.left(160)
DegreeCurve(20,2500*s)
DegreeCurve(220,250*s,-1)
#绘制一个绿色的叶子
t.fillcolor('green')
t.penup()
t.goto(670*s,-180*s)
t.pendown()
t.right(140)
t.begin_fill()
t.circle(300*s,120)
t.left(60)
t.circle(300*s,120)
t.end_fill()
t.penup()
t.goto(180*s,-550*s)
t.pendown()
t.right(85)
t.circle(600*s,40)
#绘制另一个绿色叶子
t.penup()
t.goto(-150*s,-1000*s)
t.pendown()
t.begin_fill()
t.rt(120)
t.circle(300*s,115)
t.left(75)
t.circle(300*s,100)
t.end_fill()
t.penup()
t.goto(430*s,-1070*s)
t.pendown()
t.right(30)
t.circle(-600*s,35)
t.done()

举一反三

艺术之于编程，设计之于编程

艺术：思想优先，编程是手段

设计：想法和编程同等重要

工程：编程优先，思想次之

编程不重要，思想才重要！

认识自己：明确自己的目标，有自己的思想(想法)

方式方法：编程只是手段，熟练之，未雨绸缪为思想服务

为谁编程：将自身发展与祖国发展相结合，创造真正价值

第九周测验题目

程序设计题

第一题系统基本信息获取

题目描述:获取系统的递归深度、当前执行文件路径、系统最大UNICODE编码值等3个信息，并打印输出。
输出格式:
RECLIMIT:<深度>, EXEPATH:<文件路径>, UNICODE:<最大编码值>
提示：请在sys标准库中寻找上述功能
输入示例：无
输出示例：RECLIMIT:500, EXEPATH:/bin/python, UNICODE:1411

代码如下:
import sys
print("RECLIMIT:{}, EXEPATH:{}, UNICODE:{}".format(sys.getrecursionlimit(), sys.executable, sys.maxunicode))

第二题二维数据表格输出

题目描述：tabulate能够对二维数据进行表格输出，是Python优秀的第三方计算生态。‪‬‪‬‪‬‪‬‪‬‮‬‫‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬
参考编程模板中给定的数据和代码，编写程序，能够输出如下风格效果的表格数据。

from tabulate import tabulate
data = [ ["北京理工大学", "985", 2000], \
         ["清华大学", "985", 3000], \
         ["大连理工大学", "985", 4000], \
         ["深圳大学", "211", 2000], \
         ["沈阳大学", "省本", 2000], \
    ]
print(tabulate(data, tablefmt="grid"))

码农公寓

文章目录

Python语言程序设计-嵩天老师(MOOC)听课笔记 第9周

知识点一

Python库之数据分析

Python库之数据可视化

Python库之文本处理

Python库之机器学习

实例 霍兰德人格分析

问题分析

实例展示

举一反三

知识点二

Python库之网络爬虫

Python库之Web信息提取

Python库之Web网站开发

Python库之网络应用开发

Python库之图形用户界面

Python库之游戏开发

Python库之虚拟现实

Python库之图形艺术

实例 玫瑰花绘制

问题分析

举一反三

第九周测验题目

程序设计题

第一题 系统基本信息获取

第二题 二维数据表格输出

相关文章

Python语言程序设计-嵩天老师(MOOC)听课笔记第9周

实例霍兰德人格分析

实例玫瑰花绘制

第一题系统基本信息获取

第二题二维数据表格输出