学习精华——成长篇（三）

一，第三方库简要介绍

1、爬虫库

典型有两个request库和scrapy库
request库
是最简单易用的HTTP库，常见且常见的
scrapy库
快速的高层次的web获取框架，本身包含了成熟的网络爬虫系统应具有的功能

2、数据分析库

numpy库

处理类型相同的多维数组，存储和处理大型矩阵，另外，机器学习算法中大部分都是调用numpy库来完成基础数值计算的。
numpy比Python列表更具优势，其中一个优势便是速度。
numpy的另一个强大功能是具有可以表示向量和矩阵的多维数组数据结构。numpy对矩阵运算进行了优化，使我们能够高效地执行线性代数运算，使其非常适合解决机器学习问题。
numpy具有的另一个强大优势是具有大量优化的内置数学函数。这些函数使你能够非常快速地进行各种复杂的数学计算，并且用到很少代码（无需使用复杂的循环），使程序更容易读懂和理解。
注意，numpy中元素必须是同一类型

import numpy as np 
array_one = np.ones([4, 4], dtype=np.int)#矩阵大小，元素类型
print(array_one)
>>>
[[1 1 1 1]
 [1 1 1 1]
 [1 1 1 1]
 [1 1 1 1]]

import numpy as np
array_eye = np.eye(5)#创建单位矩阵
print(array_eye)
>>>
[[1. 0. 0. 0. 0.]
 [0. 1. 0. 0. 0.]
 [0. 0. 1. 0. 0.]
 [0. 0. 0. 1. 0.]
 [0. 0. 0. 0. 1.]]

scipy库

scipy是一个用于数学、科学、工程领域的常用软件包，可以处理插值、积分、优化、图像处理、常微分方程数值解的求解、信号处理等问题。它用于有效计算numpy矩阵，使numpy和scipy协同工作，高效解决问题。
曲线拟合

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt

from numpy import polyfit, poly1d

x = np.linspace(-5, 5, 100)
y = 4 * x + 1.5
noise_y = y + np.random.randn(y.shape[-1]) * 2.5

coeff = polyfit(x, noise_y, 1)

p = plt.plot(x, noise_y, 'rx')
p = plt.plot(x, coeff[0] * x + coeff[1], 'k-')
p = plt.plot(x, y, 'b--')

plt.show()

结果如图：

3、文本处理库

pdfminer库

从PDF中提取信息

openpyxl库

处理Excel文档

python-docx库

处理word文档

beautifulsoup4库

解析HTML和XML

4、数据可视化库

matplotlib库

用于二维图表表示

import matplotlib.pyplot as plt

plt.plot([4,7,1,9,4])
    #绘图接收一个list，如果只有一个list默认其为Y轴，X轴数据为其索引值，从0开始
plt.ylabel("grade")
plt.axis([-2,8,0,12])
    #axis函数接收一个list，设定横纵坐标尺度，list各个参数分别代表[X初始刻度，X终止刻度，Y起始刻度，Y终止刻度]
plt.show()

tvtk库

三维可视化工具

mayavi库

更方便的三维可视化工具

5、用户图形界面库

pyqt5库

最成熟的图形界面库
pyqt5应用使用的所有图标都是从easyicon网站下载的，easyicon的官方网址是：http://www.easyicon.net/

6、机器学习库

scikit-learn库

简单易用，接口抽象得非常好，而且文档支持实在感人。本文中，我们可以封装其中的很多机器学习算法，然后进行一次性测试，从而便于分析取优。
数据挖掘和数据分析工具，主要功能有分类，回归，聚类，降维，预处理

TensorFlow库

Google发布的，支持AlphaGo系统，主要应用于语音识别，图像识别

theano库

执行深度学习中大规模网络算法
theano 在深度学习框架中是祖师级的存在。它的开发始于 2007，它也被大量地运用于教育行业和自我学习提升（例如：加拿大蒙特利尔大学的深度学习课程）。

7、其他有意思的库

PIL库

图像处理库
PIL库主要用途

图像存储

PIL适合图像归档和图像批量处理，你可以使用它建立缩略图，转换格式，打印图片等。
现在的版本可以识别和读取大量的图片格式，写入常用的转换和表示格式。

图像显示

支持多个其他工具包的展示，提供了show()方法，可以保存图像到磁盘并调用外显示。它将图像保存到磁盘，并调用外部显示工具。

图像处理（重点）

包含了基本的图像处理功能，包括点操作，使用内置卷积内核过滤，色彩空间转换。
支持更改图像大小、旋转、任意仿射变换。

sympy库

支出高精度计算，解方程，微积分，几何，统计
sympy是一个数学符号库，包括了积分，微分方程等各种数学运算方法，为python提供了强大的数学运算支持。对于图像来说，虽然都是做离散的计算，操作最多的还是numpy里的数组，但实际上，这个库包含了积分微分，三角等最基本的数学运算，可以说是工科最基本的，用起来媲美matlab。

weRoBot库

微信公众号开发框架
这个库封装了微信公众号的很多接口。通过这个库你可以很容易的给订阅你公众号的粉丝发送消息、推送图文、跟粉丝互动。

MyQR库

产生二维码
不仅可以生成各种花色的二维码，还可以生成动态二维码。
MyQR是一个能够生成自定义二维码的第三方库，可以根据需要生成普通二维码、带图片的艺术二维码，也可以生成动态二维码

jieba库

将一句话或一段文字，自动切断，生成一个列表，切断规则按照语法或常用语。
还可以存入自己的常用语，作为一个词语，不让他自动切分。

import jieba
print(jieba.lcut('三维激光扫描主要有：激光器，测角，扫描等组成'))
jieba.add_word('三维激光')
print(jieba.lcut('三维激光扫描主要有：激光器，测角，扫描等组成'))
#输出得到
['三维', '激光', '扫描', '主要', '有', '：', '激光器', '，', '测角', '，', '扫描', '等', '组成']

['三维激光', '扫描', '主要', '有', '：', '激光器', '，', '测角', '，', '扫描', '等', '组成']

Word cloud库

词云库，更适合英文的以空格和标点隔开

最常用的库——sys库

常看python解释器信息，以及传递信息给python解释器
sys.argv说明
从程序外部获取参数的桥梁，返回一个列表。
其中包含脚本路径，以及传递给脚本的命令参数
特点是，无需用户给参数，由系统给参数。也就是说，有电脑别的程序给参数。

sys.exit()
程序正常退出
sys.exit(1)
参数非零，程序异常退出

二，第三方库安装使用

一般使用pycharm里面的自带的安装方法
File–>setting–>project–>"+"–>搜索需要的库
注意下载网址，添加下载网址时，点击“+”后，左下角有“manage repository”，输入第三方库网址，常用的网址有：https://pypi.tuna.tsinghua.edu.cn/simple/

在命令提示符中，输入“pip list”查看电脑安装了几个第三方库

导出.exe文件

在pycharm的底部找到“Terminal”窗口，打开输入：
pyinstaller 项目名.py
点回车，在C:\Users\用户名\PycharmProjects\untitled，中得到两个文件夹，dist和build，.exe文件在dist中，点击执行。

在在pycharm的底部找到“Terminal”窗口，打开输入：
pyinstaller -F 项目名.py -i 789.ico
得到两个文件夹，dist和build，在dist中只有.exe文件，且图表是自己设定的789.ico，且当做图表的只能是.ico文件

转换图片为.ico文件的网站是：
http://www.bitbug.net/