Python基础入门

1.1Python概念

Python是一个简单、易读、易记的编程语言，而且是开源的，可以免费地自由使用。Python可以用类似英语的语法编写程序，编译起来也不费力，因此我们可以很轻松地使用Python。

此外，使用Python不仅可以写出可读性高的代码，还可以写出性能高（处理速度快）的代码。在需要处理大规模数据或者要求快速响应的情况下，使用Python可以稳妥地完成。

1.2安装Python

推荐使用Anaconda这个发行版。发行版集成了必要的库（NumPy库和Matplotlib库），使用户可以一次性完成安装。

具体安装步骤可参考我的另一篇文章 Pytorch安装教程（全网最详细版，包含所有遇到的问题解决方案）-CSDN博客

NumPy是用于数值计算的库，提供了很多高级的数学算法和便利的数组（矩阵）操作方法。本书中将使用这些便利的方法来有效地促进深度学习的实现。

Matplotlib是用来画图的库。使用Matplotlib能将实验结果可视化，并在视觉上确认深度学习运行期间的数据。

1.3Python解释器

变量

image.png

Python是属于“动态类型语言”的编程语言，所谓动态，是指变量的类型是根据情况自动决定的。 Python根据x被初始化为10，从而判断出x的类型为int的。此外，我们也可以看到，整数和小数相乘的结果是小数（数据类型的自动转换）

列表

image.png

image.png

字典

注意：定义字典的时候是大括号

函数

image.png

关闭Python解释器时，Linux或Mac OS X的情况下输入Ctrl-D（按住 Ctrl，再按D键）；Windows的情况下输入Ctrl-Z，然后按Enter键

1.4Python脚本文件

以上都是解释器的例子。解释器能够以对话模式执行程序，非常便于进行简单的实验。但是，想进行一 连串的处理时，因为每次都需要输入程序，所以不太方便。这时，可以将Python程序保存为文件，然后（集中地）运行这个文件。下面，我们来看一个Python脚本文件的例子。

在windows cmd中正确使用cd命令切换文件目录_cmd cd到目录-CSDN博客

打开文本编辑器，新建一个hungry.py的文件。hungry.py只包含下面一行语句：print("I'm hungry!") 接着，打开终端（Windows中的命令行窗口），移至hungry.py所在的位置。 然后，将hungry.py文件名作为参数，运行python命令。我的hungry.py文件位于桌面）。

image.png

image.png

image.png

如果用户自己定义类的话，就可以自己创建数据类型。此外，也可以定义原创的方法（类的函数）和属性。Python中使用class关键字来定义类，类要遵循下述格式（模板）。

image.png

这里有一个特殊的__init__方法，这是进行初始化的方法，也称为构造函数（constructor）,只在生成类的实例时被调用一次。此外，在方法的第一个参数中明确地写入表示自身（自身的实例）的self是Python的一个特点。 下面我们通过一个简单的例子来创建一个类。这里将下面的程序保存为man.py

image.png

image.png

类Man的构造函数（初始化方法）会接收参数name，然后用这个参数初始化实例变量self.name。

1.5NumPy

在深度学习的实现中，经常出现数组和矩阵的计算。NumPy的数组类（numpy.array）中提供了很多便捷的方法

1.5.1 导入NumPy

NumPy是外部库。这里所说的“外部”是指不包含在标准版Python中。 因此，我们首先要导入NumPy库。

image.png

Python 中使用 import语句来导入库。这里的 import numpy as np，直译的话就是“将numpy作为np导入”的意思。通过写成这样的形式，之后NumPy相关的方法均可通过np来调用。

1.5.2 生成NumPy数组

要生成NumPy数组，需要使用np.array()方法。np.array()接收Python列表作为参数，生成NumPy数组（numpy.ndarray）。

image.png

1.5.3 NumPy 的算术运算

image.png

这里需要注意的是，数组x和数组y的元素个数是相同的（两者均是元素个数为3的一维数组）。当x和y的元素个数相同时，可以对各个元素进行算术运算。如果元素个数不同，程序就会报错。 所以元素个数保持一致非常重要。 另外，“对应元素的”的英文是element-wise，比如“对应元素的乘法”就是element-wise product。 NumPy数组不仅可以进行element-wise运算，也可以和单一的数值（标量）组合起来进行运算

image.png

1.5.4 NumPy的N维数组

NumPy不仅可以生成一维数组（排成一列的数组），也可以生成多维数组。

image.png

这里生成了一个2 × 2的矩阵A。另外，矩阵A的形状可以通过shape查看，矩阵元素的数据类型可以通过dtype查看。

image.png

和数组的算术运算一样，矩阵的算术运算也可以在相同形状的矩阵间以对应元素的方式进行。并且，也可以通过标量（单一数值）对矩阵进行算术运算。这也是基于广播的功能。

NumPy数组（np.array）可以生成N维数组，即可以生成一维数组、 二维数组、三维数组等任意维数的数组。数学上将一维数组称为向量， 将二维数组称为矩阵。 另外，可以将一般化之后的向量或矩阵等统称为张量（tensor）。本书基本上将二维数组称为“矩阵”，将三维数组及三维以上的数组称为“张量”或“多维数组”。

1.5.5 广播

之前的例子中，在 2×2的矩阵A和标量10之间进行了乘法运算。

image.png

广播的例子：标量10被当作2 × 2的矩阵 再来看一个广播的例子。

image.png

一维数组B被“巧妙地”变成了和二位数组A相同的形状，然后再以对应元素的方式进行运算。

image.png

1.5.6 访问元素

image.png

NumPy还可以使用数组访问各个元素。

image.png

运用这个标记法，可以获取满足一定条件的元素。例如，要从X中抽出大于15的元素，可以写成如下形式。

image.png

1.6 Matplotlib

Matplotlib是用于绘制图形的库，使用Matplotlib可以轻松地绘制图形和实现数据的可视化。

1.6.1 绘制简单图形

来看一个绘制sin函数曲线的例子

image.png

image.png

展示图形如下

image.png

1.6.2 pyplot的功能

在刚才的sin函数的图形中，我们尝试追加cos函数的图形，并尝试使用pyplot的添加标题和x轴标签名等其他功能。

image.png

image.png

绘制图形如下

image.png

1.6.3 显示图像

pyplot 中还提供了用于显示图像的方法 imshow()。另外，可以使用matplotlib.image模块的imread()方法读入图像。下面我们来看一个例子。

image.png

图像展示如下

image.png

如果我的内容对你有帮助，请辛苦动动您的手指为我点赞，评论，收藏。感谢大家!!