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)