Python簡介

簡單易學
高生產力
跨多領域
高可讀性
動態Typing
直譯式
跨平台

安裝conda

1. Miniconda

沒有太多預裝軟體，最小化安裝

2. Anaconda

預裝很多東西，對科學計算可以輕易使用

什麼是conda

free & open source
管理不同環境
解決環境衝突

安裝Miniconda

1. 從官網

https://docs.conda.io/projects/miniconda/en/latest/

2. 我的server (使用學校網路可以較快)

conda 指令介紹

檢查python、conda版本

$ conda -V
conda 23.1.0
$ python -V
Python 3.10.6

查看conda環境

conda env list

conda建立新環境

conda create -n <env_name> python=<python_ver>

例如

conda create -n py39 python=3.9

進入/退出conda虛擬環境

conda activate <env>  # 進入環境
conda deactivate <env>  # 退出環境

例如

$ python -V
'python' 不是內部或外部命令、可執行的程式或批次檔。
$ conda activate py39
(py39) $ python -V
Python 3.9.13
(py39) $ conda deactivate
$ python -V
'python' 不是內部或外部命令、可執行的程式或批次檔。

python 互動模式

在終端機直接打python

$ conda activate py39
(py39) $ python
Python 3.9.13 (tags/v3.9.13:f377153, Jun  6 2022, 16:14:13) [MSC v.1929 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> print("hello, world")
hello, world
>>> exit()

$

jupyter notebook

教學用、特定用途、科學及統計運算
嫌醜可用其他外殼包(vscode notebook mode, dataspell, …)
可遠端連線操作

安裝jupyter

(py39) $ pip install jupyter

查看版本:

(py39) $ jupyter --version
Selected Jupyter core packages...
IPython          : 7.31.1
ipykernel        : 6.19.2
ipywidgets       : 7.6.5
jupyter_client   : 7.3.4
jupyter_core     : 5.1.1
jupyter_server   : 1.23.4
jupyterlab       : 3.5.2
nbclient         : 0.5.13
nbconvert        : 6.4.4
nbformat         : 5.7.0
notebook         : 6.5.2
qtconsole        : 5.2.2
traitlets        : 5.7.1

啟動jupyter notebook

(py39) $ jupyter notebook

在jupyter內建立新筆記本

自己改筆記本名字

Python基礎語法

easyeee~

所有東西都是物件

變數、賦值

 message = "Hello World" 
print(message)

條件判斷

 x = 5
if x > 0 :
    print("x是正數")

函數定義

 def sayHello(name):
  print("Hello " + name)
 
sayHello("John")

for循環結構

 for i in range(5):
  print(i)
 
list1 = [1,2,3] 
for item in list1:
  print(item)

while 循環

 i = 10
while i > 0:
    print(i)

 i = 10
f = False
while not f:
    if i == 0:
        f = True
    print(i)

python的型別

python的變數可以隨意改變型別

 number = 1        # int
print(number)
number = "asdf"   # str
print(number)

會印出

 1
asdf

檢查型別

 random_thing = 1.3
print(type(random_thing))

會印出

<class 'float'>

數據結構

 myList = [1, 2, 3] # 列表 list
myTuple = (1, 2, 3) # 元組 tuple
myDict = {"name": "John", "age": 25} # 字典 dict
mySet = {1, 2, 3} # 集合 set

取值

 myList = [1, 2, 3] # 列表 list
myTuple = (1, 2, 3) # 元組 tuple
myDict = {"name": "John", "age": 25} # 字典 dict
mySet = {1, 2, 3} # 集合 set
 
print(myList[0])
print(myTuple[1])
print(myDict["name"])
print(mySet[2])

轉換型別

只有同種的可以互換

ex:
list <--> tuple
str <--> list
int <--> float

 a = "abcdefg"
print(list(a))
print(tuple( list(a) ))
b = 1
c = 2
print(float(b) + float(c))

笨電腦

 print(0.1 + 0.2)

數據分析

什麼是numpy?

Python的開源數值計算擴展程式庫
提供高效能的多維陣列與矩陣運算、數學函數等功能
機器學習和數據科學的基礎套件

numpy安裝

pip install numpy

使用我的伺服器

pip install numpy --extra-index-url http://<my_ip> --trusted-host <my_ip>

numpy使用

首先需要匯入numpy模組，通常用np代稱

import numpy as np

建立ndarray

ndarray為numpy的多維陣列物件

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

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

ndarray屬性

ndarray.shape: 陣列維度
ndarray.dtype: 陣列中的元素類型

array.shape # (3,) 
matrix.shape # (2, 2)

array.dtype # int64

新增維度

可以使用np.newaxis或None來新增維度

 array_2d = array[np.newaxis, :] # [[1,2,3]]
 
array_3d = array[:, np.newaxis, np.newaxis]  # [[[1]],[[2]],[[3]]]

陣列運算

向量化運算,適用於整個陣列

matrix + 2

matrix * matrix # 元素對應相乘

常用函數

np.linspace: 創建線段陣列
np.mean: 計算均值
np.sum: 總和
np.min/max: 最小值和最大值

等等

pandas基本用法

什麼是pandas

pandas是基於numpy的Python數據分析庫,提供:

高效的數據結構(Series、DataFrame)
數據讀取/寫入工具
數據清理與處理方法
合併/連接數據集功能

安裝pandas

pip install pandas

使用我的伺服器

pip install pandas --extra-index-url http://<my_ip> --trusted-host <my_ip>

使用pandas

引入數據庫，通常會使用pd代稱

import pandas as pd

Series

一維數據，可設置索引

s = pd.Series([1,2,3], index=['a','b','c'])

DataFrame

二維數據，類似表格/excel

data = {'Name': ['John', 'Mary'], 'Age': [25, 27]}
df = pd.DataFrame(data)

讀取csv

df = pd.read_csv('data.csv')

查看資料

df.head()/df.tail()
df.shape
df.dtypes
df.index/df.columns
df.values
df.describe() 統計訊息

數據選取

df[col]: column
df.loc[index]: 行
df.iloc[index]: 位置

數據清理

刪除列: del df[col]
填補NaN: df.fillna()
去除重復的: df.drop_duplicates()

OpenCV-Python (cv2) 基本用法

安裝OpenCV

使用pip裝:

pip install opencv-python

使用我的伺服器

pip install opencv-python --extra-index-url http://<my_ip> --trusted-host <my_ip>

什麼是OpenCV?

OpenCV是開源的電腦視覺庫，提供許多影像處理和電腦視覺相關的功能。

最新版本是4.x，Python繫結是cv2。

import cv2

為何是cv2不是cv?

讀取圖像

img = cv2.imread('image.jpg')

支援讀取JPG、PNG、TIFF等格式。

顯示圖像

cv2.imshow('Image', img)
cv2.waitKey(0) # 按任意鍵繼續

寫入圖像

cv2.imwrite('output.jpg', img)

圖像資訊

img.shape - 形狀
img.size - 大小
img.dtype - 數據類型

圖像處理

色彩空間轉換:cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
縮放:cv2.resize(img, (width, height))
裁剪:img[y1:y2, x1:x2]
模糊:cv2.blur(img, (5, 5))

Matplotlib基本用法

安裝:

pip install matplotlib

使用我的伺服器

pip install matplotlib --extra-index-url http://<my_ip> --trusted-host <my_ip>

什麼是Matplotlib

Matplotlib是Python的2D繪圖庫，廣泛用於繪製論文的數據圖表。

import matplotlib.pyplot as plt

繪製圖表

線圖

x = [1, 2, 3, 4]
y = [2, 4, 6, 8] 
plt.plot(x, y)

柱狀圖

x = ['A', 'B', 'C', 'D']
y = [10, 30, 40, 20]  
plt.bar(x, y)

imshow顯示圖片

img = cv2.imread('image.jpg')
plt.imshow(img)

圖標題、軸標籤

plt.title('Title')
plt.xlabel('X Label')
plt.ylabel('Y Label')

圖片範圍、刻度

plt.xlim(0, 5)
plt.ylim(0, 10)

plt.xticks([0, 1, 2, 3, 4, 5])  
plt.yticks([0, 2, 4, 6, 8, 10])

圖例、顯示

plt.legend(['A', 'B'])
plt.show()

感謝

祝AI之路順遂

	for i in range(5):
	print(i)

	list1 = [1,2,3]
	for item in list1:
	print(item)

	number = 1 # int
	print(number)
	number = "asdf" # str
	print(number)

	myList = [1, 2, 3] # 列表 list
	myTuple = (1, 2, 3) # 元組 tuple
	myDict = {"name": "John", "age": 25} # 字典 dict
	mySet = {1, 2, 3} # 集合 set

	a = "abcdefg"
	print(list(a))
	print(tuple( list(a) ))
	b = 1
	c = 2
	print(float(b) + float(c))

	array_2d = array[np.newaxis, :] # [[1,2,3]]

	array_3d = array[:, np.newaxis, np.newaxis] # [[[1]],[[2]],[[3]]]

Python基礎教學

蔡昕翰