Python 基础

安装 Python

Anaconda

https://www.anaconda.com/

由 Python 提供支持的领先开放数据科学平台

spyder

https://www.spyder-ide.org/

Anaconda 附带的免费 IDE

image.png

https://jupyter.org/

使用实时代码,可视化,文本创建和共享文档……

1. 变量和类型

变量赋值

x = 5
x

5

运算

x + 9 # 加

14

x - 9 # 减

-4

x * 9 # 乘

45

x ** 9 # 乘方

1953125

x % 9 # 取模

5

x / float(9) # 除

0.5555555555555556

类型与类型转换

类型转换

示例

类型

str()

'59', '3.14', 'True'

字符串

int()

5, 9

整型

float()

5.9, 3.14

浮点数

bool()

True, True, True

布尔

2. 字符串(String)

帮助

help(str)
zh_string = "最好的人工智能开发"
zh_string

'最好的人工智能开发'

字符串操作

zh_string * 2

'最好的人工智能开发最好的人工智能开发'

zh_string + '就在这里了'

'最好的人工智能开发就在这里了'

'我' in zh_string

False

字符串方法

zh_string.upper()
zh_string.lower()
zh_string.count('在')
zh_string.replace('在', ' is ')
zh_string.strip()

'最好的人工智能开发'

3. 列表(List)

a = '是'
b = '这'
zh_list = ['我', '列表', a, b]
zh_list2 = [[1, 3, 5, 7], [2, 4, 6, 8]]

元素选择

# 下标
zh_list[1] # 索引从 0 开始,这里取第 2 个元素
zh_list[-1] # 最后一个元素

'这'

# 分片
zh_list[1:3] # 索引 1, 2
zh_list[1:] # 索引 1 及之后
zh_list[:3] # 索引 3 之前
zh_list[:] # 所有 / 复制列表

['我', '列表', '是', '这']

# 子列表
zh_list + zh_list
zh_list * 2

['我', '列表', '是', '这', '我', '列表', '是', '这']

# 列表方法
zh_list = [1, 3, 5, 7]
zh_list.index(3) # 获取元素下标
zh_list.count(3) # 统计元素个数
zh_list.append(0) # 追加元素
zh_list.remove(0) # 移除元素
del(zh_list[:2]) # 删除前 2 个元素
zh_list.reverse() # 反转列表
zh_list.extend([2, 4, 6]) # 扩展列表
zh_list.pop(-1) # 弹出(移除并返回)指定 index 元素
zh_list.insert(3, 9) # 在 index 位置新增元素
zh_list.sort() # 排序列表

4. 库

image.png

导入库

import numpy
import numpy as np

选择性导入

from sklearn import datasets

5. Numpy 数组

zh_list = [1, 3, 5, 7]
zh_array = np.array(zh_list)
zh_2darray = np.array([[1, 3, 5, 7], [2, 4, 6, 8]])

Numpy 数组元素选择

# 下标
zh_list[0] # 索引从 0 开始

1

# 切片
zh_list[:2]

[1, 3]

# 2 维数组下标
zh_2darray[:, 1]

array([3, 4])

Numpy 数组操作

zh_array > 3

array([False, False, True, True])

zh_array * 2

array([ 2, 6, 10, 14])

zh_array + np.array([9, 8, 7, 6])

array([10, 11, 12, 13])

Numpy 数组函数

other_array = np.array([5, 5, 5, 5])
zh_array.shape # 维数
np.append(zh_array, other_array) # 追加数组
np.insert(zh_array, 1, 5) # 插入元素
np.delete(zh_array, [1]) # 删除元素
np.mean(zh_array) # 均值
np.median(zh_array) # 中位数
np.corrcoef(zh_array) # 相关系数
np.std(zh_array) # 标准差

2.23606797749979

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI科技大本营的专栏

从对ML一窍不通到斩获AT等special offer,拿下大厂算法岗就靠它了

对于很多计算机专业的毕业生来说,大部分都还处于迷茫期,由于大学时的大部分时间都可能在划水,导致不知道现在如何准备就业面试,想去做 AI 但对自己的实力又没有信心...

9740
来自专栏AI科技大本营的专栏

上海交大CV博导微信群辱骂学生,已停止教学

3 月 25 日,有网友在社交媒体发布截图称,上海交大博士生CV方向博导倪某在一个 50 人的学术交流群辱骂学生“垃圾,白痴,文盲,写的东西跟屎一样,你们怎么不...

17630
来自专栏AI科技大本营的专栏

售价910元!周志华等人英文新书《演化学习》出炉!

关于人工智能教育,从学生培养方案,到课程设置、教材,甚至是授课老师,全国各大高校正探索一条新道路。

10620
来自专栏AI科技大本营的专栏

特朗普盯上谷歌在华AI中心,CEO皮查伊上演“拉锯战”

长久以来,Google CEO 皮查伊对拿下中国 AI 市场的念头似乎愈演愈烈,却每每不能如意。

12110
来自专栏AI科技大本营的专栏

63万张!旷视发布最大物体检测数据集Objects365 | 技术头条

昨日,在旷视科技联合北京智源人工智能研究院举办的发布会上,旷视研究院发布了物体检测数据集 Objects365,包含 63 万张图像数量,365 个类别数量,高...

12320
来自专栏AI科技大本营的专栏

FoveaBox:目标检测新纪元,无Anchor时代来临 | 技术头条

目标检测的任务是“分类”并从图像中“定位”出物体,但长久以来,该领域的工作大多是这样:生成可能包含目标的区域,然后在该区域提取特征并分类。

11010
来自专栏AI科技大本营的专栏

语义表征的无监督对比学习:一个新理论框架

诸如图像、文本、视频等复杂数据类型的语义表征 (也称为语义嵌入) 已成为机器学习的核心问题,并在机器翻译、语言模型、GAN、域迁移等领域中出现。这些都会涉及学习...

9720
来自专栏AI科技大本营的专栏

教育部发文35所高校新增AI本科专业!想回去重新高考

2019 年 3 月 28 日,教育部公布了 2018 年度普通高等学校本科专业备案和审批结果。

6820
来自专栏AI科技大本营的专栏

贾扬清:我对人工智能方向的一点浅见

导读:作为 AI 大神,贾扬清让人印象深刻的可能是他写的AI框架Caffe ,那已经是六年前的事了。经过多年的沉淀,成为“阿里新人”的他,对人工智能又有何看法?...

10510
来自专栏AI科技大本营的专栏

程序员再也不能埋头敲代码了

上周,阿里巴巴重磅发布了机器学习平台 PAI 3.0 版本,据悉,这个 PAL 平台封装了 200 多种经典算法,可以轻松搭建机器学习实验。作为码农一枚,使我不...

7220

扫码关注云+社区

领取腾讯云代金券

年度创作总结 领取年终奖励