python扩展模块.docxVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
python扩展模块

一、扩展模块■ 影像扩展模块PIL(单独安装)影像扩展模块需安装PIL V1.16(与python版本对应)安装完毕后调用方式为:import Image# 注意首字母大写!!im = Image.open(rd:\000.jpg)# 注意路径字符串的处理row, col = im.size# 获取影像的尺寸■ 声音引擎pyTTS扩展模块(单独安装)下载并安装pytts 3.0(for python 2.5版),然后使用以下代码即可发声!!import pyTTS# 注意大小写tts = pyTTS.Create()# 注意首字母大写tts.Speak(Mission Finished!)# 注意首字母大写■ Math库(系统自带)from math import *1、包含两个常数,pi, e 注意小写2、包含常用的算术运算:floor, ceil, log, log10, exp, sqrt3、包含常用的三角运算:sin, cos, tan, asin, acos, atan, degree, radians注意:1、abs()为系统内置函数;2、numpy 可以替代 math 实现所有功能!!■ Random库(系统自带)1、整型随机数:randint(a, b)# 生成[a, b)的整型浮点数randrange(a, b, s)# 生成[a, b)的整型浮点数2、浮点随机数:random()# 生成[0, 1)的浮点随机数uniform(a, b)# 生成[a, b)的浮点随机数■ FTP库(系统自带)import ftplib1、ftp服务器的连接ftp = ftplib.FTP(05)# 连接影响服务器,注意FTP要大写print ftp.login(sino, 801)# 使用用户名登录2、路径操作ftp.cwd(/aaa/bbb//)# 设置当前工作路径ftp.mkd(/aaa/bbb/ccc//)# 创建路径ftp.rmk(/aaa/bbb/ccc//)# 删除路径ftp.pmd(/aaa/bbb//)# 返回当前路径名3、文件操作ftp.rename(...)# 文件更名ftp.delete(...)# 文件删除二、数组/矩阵处理早期有个包叫Numeric,后来有人写了numarray替代它,很快有人写了个numpy把两个包都替换了,现在有人在Numpy的基础上写了个Scipy,这个咚咚不错,可以完成80%的Matlab工作!!numpy是python用于科学计算的扩展模块,numpy提供ndarray和ufunc两个对象,主要提供数组对象、数组函数和傅立叶变换相关函数,Scipy则提供了更多计算工具。注意:scipy库依赖于numpy库,必须先安装numpy才能使用!!1、 数组的定义numpy中同时提供了array数组和matrix矩阵对象,使用时容易弄混。import numpy as np# 数组对象为array对象,而不是普通列表对象!!import scipy as spa = np.array([[1,2],[3,4]],dtype=np.float)# 通过列表创建数组a = np.array(((1,2,3),(4,5,6)))# 通过元组创建数组,效果相同a = np.mat([[1,2,3],[4,5,6]])# 通过列表创建矩阵a = np.mat(((1,2,3),(4,5,6)))# 通过元组创建矩阵a = np.mat(array([[1,2,3],[4,5,6]]))# 通过数组创建数组b = np.arange(30)# 通过类似range()创建一维数组b = np.arange(2, 3, 0.1)# 通过(起点,终点,步长)创建数组b = np.linspace(2, 3, 10)# 通过(起点,终点,个数)创建线性数组b = np.logspace(2, 3, 5)# 通过(起点,终点,个数)创建指数数组,很少用c = np.zeros((3,5))# 通过元组创建零矩阵c = np.zeros_like(a)# 通过类似创建c = np.ones((3,5))# 通过元组创建一矩阵c = np.ones_like(a)# 通过类似创建c = np.eye(3,5)# 注意单位阵创建方法,不是元组!!d = np.diag(a)# 获取矩阵a的对角阵d = np.tri(3, 5)# 生成3*5的下三角阵d = np.tril(a)# 获取矩阵a的下三角阵d = np.triu(a)# 获取矩阵a的上三角阵2、 数组常用属性a = np.array([[1, 2, 3, 4],[5, 6, 7, 8], [9, 10, 11, 12]])a.ndim# 数组的维数,

文档评论(0)

haihang2017 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档