CS231nのPython

大致扫一眼笔记，这节主要是大致介绍一下python语言及其一些高效的库——numpy scipy matplotlib

python

python是一种高级的、动态类型的多范型编程语言
eg.python实现quicksort快速排序算法的简洁过程：

def quicksort(arr):
    if len(arr) <= 1:
        return arr
    pivot = arr[len(arr) / 2]
    left = [x for x in arr if x < pivot]
    middle = [x for x in arr if x == pivot]
    right = [x for x in arr if x > pivot]
    return quicksort(left) + middle + quicksort(right)

关于快速排序，是对冒泡排序的一种改进算法：
1.在数组中选一个基准数
2.将数组中小于基准数的数据移到基准数左边，大于基准数的移到右边
3.对于基准数左右两边的数组，不断重复以上两个过程，直到每个子集只有一个元素，即为全部有序

基本数据类型

数字：整型和浮点型的使用与其他语言类似，但是需要注意的是，python中没有x++和x- -的操作符
布尔型：通过英语实现所有的布尔逻辑
字符串：类型多样，这里不再赘述

Containers 容器/复合数据类型

列表：即python 中数组，但列表长度可变，且能包含不同类型的元素
切片：可以一次性获取列表中的元素
循环：可以遍历列表中的每一个元素

animals = ['cat', 'dog', 'monkey']
for animal in animals:
    print(animal)

运行结果
如果想要在循环体内访问每个元素的指针，可以使用内置的enumerate函数
列表推导List comprehensions：可以将一种数据类型转换为另一种

nums = [0, 1, 2, 3, 4]
even_squares = [x ** 2 for x in nums if x % 2 == 0]
print(even_squares)

运行结果
字典：存储键、值，和Java中map差不多
集合sets：独立不同个体的无序集合
元组tuples：一个值的有序列表（不可改变），很多情况下与列表相似，但是不同之处在于元组可以在字典中用作键，还可以作为集合的元素，而列表不行
函数：用def来定义函数
类:

class Greeter(object):

#Constructor
def init(self, name):
self.name = name # Create an instance variable

#Instance method
def greet(self, loud=False):
if loud:
print ‘HELLO, %s!’ % self.name.upper()
else:
print ‘Hello, %s’ % self.name

g = Greeter(‘Fred’) # Construct an instance of the Greeter class
g.greet() # Call an instance method; prints “Hello, Fred”
g.greet(loud=True) # Call an instance method; prints “HELLO, FRED!”

numpy

主要与数组相关，每个numpy数组都是数据类似相同的元素组成的网格，提供了很多的数据类型用于创建数组及提供了很多计算数组的函数，其中最常用的是sum
需要注意的是，*是元素逐个相乘，dot用于矩阵乘法
总的来说，Numpy提供了高性能的多维数组，以及计算和操作数组的基本工具

Scipy

Scipy基于numpy，提供了大量的计算和操作数组的函数
eg.提供了一些操作图像的基本函数，还定义了一些有用的函数，可以计算集合中点之间的距离

matplotlib

一个功能强大的绘图工具，也可以用于显示图像

import numpy as np from scipy.misc import imread, imresize import
matplotlib.pyplot as plt

img = imread(‘assets/cat.jpg’) img_tinted = img * [1, 0.95, 0.9]

plt.subplot(1, 2, 1) plt.imshow(img)

plt.subplot(1, 2, 2)# A slight gotcha with imshow is that it might
give strange results# if presented with data that is not uint8. To
work around this, we# explicitly cast the image to uint8 before
displaying it. plt.imshow(np.uint8(img_tinted)) plt.show()

1-CS231n