Python教程

全国计算机等级考试二级Python(2021年9月)备考笔记 第九天

本文主要是介绍全国计算机等级考试二级Python(2021年9月)备考笔记 第九天,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

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

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
    在这里插入图片描述
  • 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开发在这里插入图片描述
  • 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
    在这里插入图片描述
  • 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
    在这里插入图片描述
    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
    在这里插入图片描述
  • 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
    在这里插入图片描述
  • 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
    在这里插入图片描述
  • 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:
在这里插入图片描述

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
    在这里插入图片描述
  • 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
    在这里插入图片描述
  • 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
    在这里插入图片描述
  • 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
    在这里插入图片描述
  • 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在这里插入图片描述
  • 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开发第三方库在这里插入图片描述
  • 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
    在这里插入图片描述
  • 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
    在这里插入图片描述
  • 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
    在这里插入图片描述
  • 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
    在这里插入图片描述
    在这里插入图片描述
  • 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
    在这里插入图片描述
  • 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,具有一定通用性在这里插入图片描述
  • 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
    在这里插入图片描述
  • 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
    在这里插入图片描述
  • ascii_art: https://github.com/jontonsoup4/ascii_art
  • turtle: 海龟绘图体系
  • 在这里插入图片描述在这里插入图片描述
  • 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。
在这里插入图片描述

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"))
这篇关于全国计算机等级考试二级Python(2021年9月)备考笔记 第九天的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!