1.从数据处理到人工智能

1.1.python库之数据分析

Numpy：表达N维数组的最基本库

• Python接口使用，C语言实现，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

Pandas：Python数据分析高层次应用库

• 提供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

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

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子库调用各种可视化效果
• 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、分类和线性代数关系等内容
• 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

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

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：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

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、语音识别等众多领域
• Python最重要的深度学习计算框架

2.实例：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、现实型
• 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：各职业人员结合兴趣的调研数据
• 输出：雷达图

代码：

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)']) #雷达标签
nAttr = 6
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, nAttr, endpoint=False)
data = np.concatenate((data, [data[0]]))
angles = np.concatenate((angles, [angles[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,frac = 1.2)
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()

3.从web解析到网络空间

3.1.python库之网络爬虫

Requests：网络爬虫功能库

• 提供简单易用的类http协议网络爬虫功能
• 支持连接池、ssl、Cookles、HTTP（S）代理等
• Python最主要的页面级网络爬虫功能库

Scrapy：网络爬虫框架

• 提供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

pyspider：web网页爬取系统

• 提供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最重要的网络爬虫第三方库

3.2.python库之web信息提取

Beautiful Soup：HTML 和XML的解析库

• 提供解析html和xml等web信息功能
• 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、request等

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标准库之一，不用安装

Python-Goose：提取文章类型web页面功能库

• 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

3.3.Python库之web网站开发

Django：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，但是略显复杂

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，起步简单扩展性好

Flask：web应用开发微框架

• 提供最简单构建web系统的应用框架
• 特点：简单，规模小，快速

3.4.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

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

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

4.从人机交互到艺术设计

4.1.python库之图形用户界面

PyQt5：Qt开发框架的python接口

• 提供创建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

wxPython：跨平台GUI开发框架

• 提供了专用于python的跨平台GUI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

PyGOject：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

4.2.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

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

cocos2d：构建2D游戏和图形界面交互式应用的框架

• 提供基于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

4.3.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
• 适合初学者实践VR开发及应用

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

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
• 支持多种主流VR硬件设备

4.4.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，具有很高展示度

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

turtle：海龟绘图体系

5.实例：玫瑰花绘制

使用turtle进行绘制

代码：

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()