包
- 一、graphviz
- 创建图形对象：
- 添加节点和边：
- 检查生成的源代码：
- 保存并渲染源代码，可选择查看结果：
- 二、numpy
- array数组
- 导入模块
- 1.使用array方法生成数组
- 2.使用numpy.arange方法生成数组
- 3.使用内置函数生成特殊矩阵（数组）
- 4.索引与切片
- 5.获取数组属性
- 6.数组变换
- 7.数组组合
- 8.数组分割
- 矩阵
- 1.生成矩阵
- 2.数组矩阵转化
- 3.矩阵方法
- 三.torchbiomed
- 四.glob
一、graphviz
创建一个图形对象，通过添加节点和边来组装图形，并检索其 DOT 源代码字符串。将源代码保存到一个文件中，并使用系统的 Graphviz 安装来呈现它。
创建图形对象：
>>> import graphviz
>>> dot = graphviz.Digraph(comment='The Round Table')
>>> dot #doctest: +ELLIPSIS
<graphviz.dot.Digraph object at 0x...>添加节点和边：
>>> dot.node('A', 'King Arthur')
>>> dot.node('B', 'Sir Bedevere the Wise')
>>> dot.node('L', 'Sir Lancelot the Brave')
>>> dot.edges(['AB', 'AL'])
>>> dot.edge('B', 'L', constraint='false')检查生成的源代码：
>>> print(dot.source) # doctest: +NORMALIZE_WHITESPACE
// The Round Table
digraph {
A [label="King Arthur"]
B [label="Sir Bedevere the Wise"]
L [label="Sir Lancelot the Brave"]
A -> B
A -> L
B -> L [constraint=false]
}保存并渲染源代码，可选择查看结果：
>>> dot.render('test-output/round-table.gv', view=True) # doctest: +SKIP
'test-output/round-table.gv.pdf'二、numpy
NumPy(Numerical Python)是一个用于科学计算第三方的Python包。
NumPy提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库。专为进行严格的数字处理而产生。
array数组
导入模块
improt numpy as np #其中np为numpy的别名，是一种习惯用法1.使用array方法生成数组
array，也就是数组，是numpy中最基础的数据结构，最关键的属性是维度和元素类型，在numpy中，可以非常方便地创建各种不同类型的多维数组，并且执行一些基本基本操作，生成数组的方法有一下几种：
以list或tuple变量产生以为数组：
>>> print np.array([1,2,3,4])
[1 2 3 4]
>>> print np.array((1.2,2,3,4))
[ 1.2 2. 3. 4. ]以list或tuple变量为元素产生二维数组或者多维数组：
>>> x = np.array(((1,2,3),(4,5,6)))
>>> x
array([[1, 2, 3],
[4, 5, 6]])
>>> y = np.array([[1,2,3],[4,5,6]])
>>> y
array([[1, 2, 3],
[4, 5, 6]])2.使用numpy.arange方法生成数组
>>> print np.arange(15)
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14]
>>> print type(np.arange(15))
<type 'numpy.ndarray'>3.使用内置函数生成特殊矩阵（数组）
零矩阵
>>> print np.zeros((3,4))
[[ 0. 0. 0. 0.]
[ 0. 0. 0. 0.]
[ 0. 0. 0. 0.]]一矩阵
>>> print np.ones((3,4))
[[ 1. 1. 1. 1.]
[1. 1. 1. 1.]
[ 1. 1. 1. 1.]]单位矩阵
>>> print np.eye(3)
[[ 1. 0. 0.]
[0. 1. 0.]
[ 0. 0. 1.]]4.索引与切片
>>> x = np.array(((1,2,3),(4,5,6)))
>>> x[1,2] #获取第二行第三列的数
6
```py
>>> y=x[:,1] #获取第二列
>>> y
array([2, 5])与python语法一致，不再举例。
5.获取数组属性
>>> a = np.zeros((2,2,2))
>>> print a.ndim #数组的维数
3
>>> print a.shape #数组每一维的大小
(2, 2, 2)
>>> print a.size #数组的元素数
8
>>> print a.dtype #元素类型
float64
>>> print a.itemsize #每个元素所占的字节数
86.数组变换
多维转换为一维：
>>> x
array([[1, 2, 3],
[4, 5, 6]])
>>> x.flatten()
array([1, 2, 3, 4, 5, 6])一维转换为多维：
>>> print np.arange(15).reshape(3,5) #改变形状，将一维的改成三行五列
[[ 0 1 2 3 4]
[ 5 6 7 8 9]
[10 11 12 13 14]]转置：
>>> x
array([[1, 2, 3],
[4, 5, 6]])
>>> x.transpose()
array([[1, 4],
[2, 5],
[3, 6]])7.数组组合
水平组合：
>>> y=x
>>> numpy.hstack((x,y))
array([[1, 2, 3, 1, 2, 3],
[4, 5, 6, 4, 5, 6]]垂直组合
>>> numpy.vstack((x,y))
array([[1, 2, 3],
[4, 5, 6],
[1, 2, 3],
[4, 5, 6]])用concatenate函数可以同时实现这两种方式，通过指定axis参数，默认为0，垂直组合。
>>> numpy.concatenate((x,y))
array([[1, 2, 3],
[4, 5, 6],
[1, 2, 3],
[4, 5, 6]])
>>> numpy.concatenate((x,y),axis=1)
array([[1, 2, 3, 1, 2, 3],
[4, 5, 6, 4, 5, 6]])8.数组分割
垂直分割
>>> z
array([[1, 2, 3],
[4, 5, 6],
[1, 2, 3],
[4, 5, 6]])
>>> numpy.vsplit(z,2) #注意这里设置的分割数目必须可以被行数整除
[array([[1, 2, 3],
[4, 5, 6]]), array([[1, 2, 3],
[4, 5, 6]])]水平分割
>>> numpy.hsplit(z,3)
[array([[1],
[4],
[1],
[4]]), array([[2],
[5],
[2],
[5]]), array([[3],
[6],
[3],
[6]])]用split函数可以同时实现这两个效果，通过设置其axis参数区别，与组合类似，这里不在演示。
矩阵
通过上面对数组的操作可以知道，numpy中可以通过数组模拟矩阵，但是numpy也有专门处理矩阵的数据结构——matrix。
1.生成矩阵
>>> numpy.mat('1 2 3;4 5 6;7 8 9')
matrix([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])2.数组矩阵转化
矩阵转数组
>>> m=numpy.mat('1 2 3;4 5 6;7 8 9')
>>> numpy.array(m)
array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])数组转矩阵
>>> n=numpy.array(m)
>>> numpy.mat(n)
matrix([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])3.矩阵方法
求逆：
>>> m.I
matrix([[ -4.50359963e+15, 9.00719925e+15, -4.50359963e+15],
[ 9.00719925e+15, -1.80143985e+16, 9.00719925e+15],
[ -4.50359963e+15, 9.00719925e+15, -4.50359963e+15]])三.torchbiomed
特定于生物医学成像的数据集、转换和实用程序
https:///mattmacy/torchbiomed
四.glob
我们可以用该命令找出/home/vamei下的所有文件:
import glob
print(glob.glob('/home/vamei/*'))
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
