iT邦幫忙

2023 iThome 鐵人賽

DAY 8
0

這兩天要來介紹的是Python程式設計的應用,我個人是覺得既然學了不是要拿來用的R,不然學了幹嘛到最後還是忘光光Xd 不知道怎麼安裝的請往前翻 Danke

  • 計算:
    • math => 數學函式。
    • random => 隨機亂數。
    • numpy => 矩陣運算。
  • 圖形、資料視覺化、數據:
    • matplotlib => 資料視覺化
    • Seaborn => 統計圖表
    • Pandas => 資料數據整理'
    • Wave => 音頻數據
    • Os => 文件和文件夾操作
    • Beautiful Soup => 解析HTML和XML文檔的庫,常用於網絡爬蟲
  • 影像處理:
    • OpenCV => 圖像處理、機器視覺和圖像識別
  • 網站(Web)前後端:
    • Flask => 輕量級Web應用框架,用於構建Web應用程序和API
    • Django => 高級Web框架,提供了全功能的Web開發工具,包括數據庫、認證、URL路由等
  • 機器學習:
    • SciKit-Learn => Python機器學習庫,它提供了許多用於機器學習和數據挖掘的工具和函數
    • TensorFlow => 開源深度學習框架,用於構建和訓練神經網絡模型
    • Keras => 深度學習的高層次神經網絡API
    • PyTorch => 另一個深度學習框架,具有動態計算圖的特點,廣泛用於研究和開發
    • NLTK(Natural Language Toolkit) => 自然語言處理工具包,用於文本處理和NLP

Python os:文件和文件夾操作

  • 列出文件夾中的文件。
  • 創建、移動和刪除文件和文件夾。
import os

# 列出文件夾中的文件
files = os.listdir('my_folder')

Python Pandas:數據處理

import pandas as pd

# 載入數據並顯示前幾行
data = pd.read_csv('.csv')
print(data.head())

Python Wave:音頻數據

import wave

# 讀取音頻文件
with wave.open('.wav', 'rb') as audio:
    audio_data = audio.readframes(-1)

SciKit-Learn:機器學習

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.datasets import load_iris

# 載入Iris數據集
iris = load_iris()
X = iris.data
y = iris.target

# 分割數據集為訓練集和測試集及進行預測
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
model = LogisticRegression()
model.fit(X_train, y_train)
y_pred = model.predict(X_test)

# 計算模型的準確率
accuracy = (y_pred == y_test).mean()
print("模型的準確率:", accuracy)

上一篇
[DAY7] Python基礎程式進階 (二)
下一篇
[DAY9] Python基礎程式應用(二)
系列文
關於我從基礎程設轉職到人工智慧入門30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言