Unit1、Numpy库入门
一、数据的维度
描述一组数据的方式
1、
一维数据：由对等关系的有序或无序数据构成，采用线性方式组织。
采用列表、数组、集合等描述 Python表示：
列表和
集合类型
列表：数据类型可以不同
数组：数据类型相同
2、二维数据：由多个一维数据构成，一维数据的组合形式。（表格） Python表示：
列表类型
3、多维数据：由一维或二维数据在新维度上扩展形成。 Python表示：
列表类型
4、高维数据：仅利用最基本的二元关系展示数据间的复杂结构。（由键值对将数据组合起来） Python表示：
字典类型或
数据表示格式（JSON,XML,YAML）
二、Numpy库
一个开源的Python科学计算库，（底层运算为C），功能：
一个强大的N维数组对象
ndarray广播功能函数整合C/C++/Fortron代码的工具
线性代数、
傅里叶变换、
随机数生成等功能
Numpy是Scipy、Pandas等数据处理或科学计算库的基础
引用：
import numpy as np
ndarray：可设置专门的数组对象，经过优化，可以提升这类应用的运算速度
import numpy as np
def npSun():
a = np.array([0, 1, 2, 3, 4])
a = np.array([9, 8, 7, 6, 5])
c = a**2 + b**3 #
数组对象可以去掉元素运算所需的循环，使一维向量更像单个数据。
return c
print(npSum())
ndarray（别名：
array）:
实际数据 （类型相同）+ (描述用)
元数据(维度、类型……)
轴（axis）：保存维度 秩（rank）：轴的数量
属性：.ndim 秩，维度的数量； .shape ndarray的尺度，m*n； .size 元素个数；
.dtype 元素类型； .itemsize 元素大小，字节为单位。
元素类型：bool, intc, intp, int8, int16, int32, int64, uint8(无符号整数[0,255]), uint16, uint32, uint64, float16, float32, float64, complex64(实部.real + 虚部.imag), complex128.
*****也有非同质ndarray元素情况，避免使用。
创建：1、从列表、元组：
x = np.array(list/tuple, dtype=np.float32)
2、使用函数：
np.arange(n); np.one(shape); np.zeros(shape); np.full(shape, val); np.eye(n)...**shap为一个元组**...根据形状：
np.ones_like(a);
np.zeros_like(a);
np.full_like(a,val);...***...np.llinspace():根据起止数据等间距填充(np.linspace(1,10,4,endpoint=False); np.concatenate()数组合并;
3、字节流（raw bytes）:
4、文件读取：
变换（维度、元素类型）1、维度：.reshape(shape)原数组不变; .resize(shape)修改原数组; .swapaxes(ax1,ax2)调换维度，原数组不变 ； .flatten()降维(平化)，返回一维数组，原数组不变；
2、元素类型：new_a = a.astype(new_tupe)
转为数组：.tolist();
ndarray操作：
索引：np.array()[n]; np.array()[i, j, k, ...]
切片：np.array()[start : end : steps]; np.array()[start : end : steps , start : end : steps , ...]
ndarray运算：
数组与标量：按每一个元素运算，np.abs(x) np.fabs(x) 求绝对值; np.sqrt(x) 平方根; np.squre(x) 平方; np.log(x) np.log(10) np.log2(x) 计算自然对数、10/2底对数;np.ceil(x) np.floor(x) ceiling(不超过元素的整数值)和floor(小于元素的最大整数值); np.rint(x) 四舍五入值; np.modf(x) 整数+小数部分;np.cos(x) np.cosh(x) np.sin(x) np.sinh(x) np.tan(x) np.tanh(x); np.exp(x) e的指数值; np.sign(x) 符号值 ……
二元函数：+ - * / **; np.maximum(x,y) np.fmax() np.minimum(x,y) np.fmin() 对应位置元素级最值; np.mod(x,y) 元素级模运算; np.copysign(x,y) Y的符号复制给X; > < >= <= == !=;
Unit2、Numpy数据存取与函数
一、CSV文件的存取
CSV(Comma-Separated Value,逗号分隔值)
np.savetxt(frame, array, fmt='%.18e', delimiter=None)
frame: 文件、字符串或产生器，可以使.gz或.bz2的压缩文件。array:存入文件的数组。fmt:写入文件中每个元素的格式：%d %.2f %.18e(科学计算法)。delimiter:分割字符串，默认是任何空格。(CSV为逗号)
np.loadtxt(frame, dtype=np.float, delimiter=None, unpack=False)
frame: 文件、字符串或产生器，可以使.gz或.bz2的压缩文件。dtype:数据类型，可选。delimiter:分割字符串，默认是任何空格。(CSV为逗号)unpack:如果True,读入属性分别写入不同变量。
只能有效存取一维和二维数组。
二、多维数组的存取
a.tofile(frame, sep='', format='%s')（此时维度信息丢失，若还原需用reshape，此前，维度信息须单独存在元数据文件中）
frame:文件、字符串。sep:数据分割字符串，如果是空串，写入文件为二进制（可作为文件备份方式）。format:写入数据的格式。
np.fromfile(frame, dtype=float, count=-1, sep='')
frame:文件、字符串。dtype:读取文件类型。count:读入元素个数，-1表示读入整个文件。sep:数据分割字符串，如果是空串，写入文件为二进制。 Numpy的便捷文件存取;
np.save(fname, array) 或 np.savez(fname, array):
frame:文件名，以
.npy为扩展名，压缩扩展名为.npzarray:数组变量 np.load(fname)
三、Numpy的随机数函数
Numpy的random子库：np.random.*
rand(d0, d1,...,dn) 根据d0-dn（维度形状）创建随机数数组，浮点数，[0,1），
均匀分布randn(d0, d1,...,dn ) 根据d0-dn创建随机数数组，
标准正态分布randint(low[,high, shape]) 根据shape创建随机整数或整数数组，范围是[low, high）
seed(s) 随机数种子，s是给的种子值。相同的种子，产生的随机数相同。shuffle(a) 根据数组a的第0轴进行随排列，改变数组xpermutation(a) 根据数组a的第0轴产生一个新的乱序数组，不改变数组xchoice(a[, size, replace, p]) 从一维数组a中以概率p抽取元素，形成size形状新数组replace表示是否可重取元素uniform(low,high.size) 产生具有均匀分布的数组，low起始值，high结束值，size形状normal(loc, scale, size) 产生具有正态分布的数组，loc均值，scale标准差，size形状poisson(lam,size) 产生泊松分布的数组，lam随机事件发生率，size形状。
四、Numpy的统计函数
调用：numpy.*
sum(a, axis=None) 给定轴axis，计算数组a相关元素之和，axis整数或元组
mean(a, axis=None) 给定轴axis，计算数组a相关元素期望，axis整数或元组
average(a, axis=None, weight=None) 给定轴axis，计算数组a相关元素的加权平均值
std(a, axis=None) 给定轴axis，计算数组a相关元素的标准差
var(a, axis=None) 方差min(a) max(a) 计算a中最值。argmin(a) argmax(a) 计算a中元素最值的降一维后下标unravel_index(index, shape) 根据shape将一维下标index转换成多维下标ptp(a) 计算数组a中最值之差median(a) 计算a的中位数（中值）,由公式求得，结果是一个浮点数
五、Numpy的梯度函数
np.gradient(f) 计算数组f中元素的梯度，当f为多维时，返回每个维度梯度（）。
梯度：连续值之间的变化率，即斜率。XY坐标轴连续三个X坐标对应的Y轴值：a, b, c,其中，b的梯度是：(c-a)/2，只有一侧值时，减去相邻的值。作用，在图像和声音处理时，梯度有利于发现文件的边缘。
Unit3、实例1：图像的手绘效果
一、图像的表示
图像的RGB色彩模式：每个像素点的颜色由R、G、B（0-255）组成，每个像素3个字节。
PIL库，Python Image Library.(pip install pillow)
from PIL import Image
图像的数组表示：图像是一个由像素组成的二维矩阵，每个元素是一个RGB值。
im = np.array(Image.open("***.jpg")
print (im.shape, im.dtype)
>>(669, 1012, 3) uint8#图像是一个三维数组。
二、 图像的一般变换
读入图像，获得像素RGB,修改后保存为新的文件。
1、彩色取反图
from PIL import Image
import numpy as np
a = np.array(Image.open("D:/pycode/tian_an_men.jpg"))
print(a.shape, a.dtype)
#(300, 451, 3) uint8
b = [255, 255, 255] -a
im = Image.fromarray(b.astype('uint8'))
im.save("D:/pycode/tian_an_men_2.jpg")
2、底片
from PIL import Image
import numpy as np
a = np.array(Image.open("D:/pycode/tian_an_men.jpg")
.convert('L'))
#.convert('L'),获得灰度值,得到二维数组
b = 255 - a
im = Image.fromarray(b.astype('uint8'))
im.save("D:/pycode/tian_an_men_3.jpg")
3、灰度变换
from PIL import Image
import numpy as np
a = np.array(Image.open("D:/pycode/tian_an_men.jpg").convert('L'))
#.convert('L'),获得灰度值,得到二维数组
c = (100/255)*a + 150
#区间变换
im = Image.fromarray(c.astype('uint8'))
im.save("D:/pycode/tian_an_men_4.jpg")
4、高灰度值
from PIL import Image
import numpy as np
a = np.array(Image.open("D:/pycode/tian_an_men.jpg").convert('L'))
#.convert('L'),获得灰度值,得到二维数组
d = 255*(a/255)**2
#像素平方，提高锐度
im = Image.fromarray(d.astype('uint8'))
im.save("D:/pycode/tian_an_men_4.jpg")
三、图像的手绘效果
- from PIL import Image
- import numpy as np
-
- a = np.asarray(Image.open('./beijing.jpg').convert('L')).astype('float')
-
- depth = 10. # (0-100)
- grad = np.gradient(a) #取图像灰度的梯度值
- grad_x, grad_y = grad #分别取横纵图像梯度值
- grad_x = grad_x*depth/100.
- grad_y = grad_y*depth/100.
-#使用柱坐标系，虚拟高度为1
- A = np.sqrt(grad_x**2 + grad_y**2 + 1.)
- uni_x = grad_x/A
- uni_y = grad_y/A
- uni_z = 1./A
- vec_el = np.pi/2.2 # 光源的俯视角度，弧度值
- vec_az = np.pi/4. # 光源的方位角度，弧度值
- dx = np.cos(vec_el)*np.cos(vec_az) #光源对x 轴的影响
- dy = np.cos(vec_el)*np.sin(vec_az) #光源对y 轴的影响
- dz = np.sin(vec_el) #光源对z 轴的影响
-
- b = 255*(dx*uni_x + dy*uni_y + dz*uni_z) #光源归一化
- b = b.clip(0,255) #限定取值范围
-
- im = Image.fromarray(b.astype('uint8')) #重构图像
- im.save('./beijingHD.jpg')
