读书报告

基本函数使用

numpy：介绍其核心数据结构ndarray，如创建数组（np.array()，np.zeros()，np.ones()等）、数组索引与切片、数组运算（算术运算、矩阵乘法np.dot()等）、统计函数（np.mean()，np.sum()等）。

import numpy as np
# 创建数组
arr = np.array([1, 2, 3])
print("创建的数组：", arr)
# 数组加法
arr2 = np.array([4, 5, 6])
print("数组加法结果：", arr + arr2)

scipy：重点介绍其在科学计算方面的函数，如数值积分（scipy.integrate.quad()）、优化（scipy.optimize.minimize()）、信号处理等相关函数。

from scipy.integrate import quad
import numpy as np
# 定义被积函数
def f(x):
    return x ** 2
# 计算积分
result, error = quad(f, 0, 1)
print("积分结果：", result)

pandas：讲解Series和DataFrame数据结构，以及数据读取（pd.read_csv()，pd.read_excel()等）、数据清洗（处理缺失值dropna()，填充缺失值fillna()等）、数据筛选与排序等函数。

import pandas as pd
# 读取CSV文件
data = pd.read_csv('example.csv')
# 查看数据前几行
print("数据前几行：", data.head())
# 处理缺失值
cleaned_data = data.dropna()
print("处理缺失值后的数据：", cleaned_data)

matplotlib：介绍绘图函数，如绘制折线图（plt.plot()）、柱状图（plt.bar()）、散点图（plt.scatter()）等，以及如何添加标题（plt.title()）、坐标轴标签（plt.xlabel()，plt.ylabel()）等

import matplotlib.pyplot as plt
import numpy as np
# 生成数据
x = np.linspace(0, 10, 100)
y = np.sin(x)
# 绘制折线图
plt.plot(x, y)
plt.title("Sin Function")
plt.xlabel("X - axis")
plt.ylabel("Y - axis")
plt.show()

解决具体问题

# CalStats.py
def getNum():
    nums = []
    istr = input("请输入数字（输入回车键退出）：")
    while istr != " ":
        nums.append(eval(istr))
        istr = input("请输入数字（输入回车键退出）：")
    return nums
def mean(numbers):
    s=0.0
    for num in numbers:
        s = s + num
    return s / len(numbers)
def dev(numbers, mean):
    sdev = 0.0
    for num in numbers:
        sdev = sdev + (num - mean)**2
    return pow(sdev / len(numbers), 0.5)
def median(numbers):
    new = sorted(numbers)
    size = len(numbers)
    if size % 2 == 0:
        med = (new[size//2-1] + new[size//2])/2
    else:
        med = new[size//2]
    return med
n = getNum()
m = mean(n)
print("平均值:{}, 标准差:{:.2}, 中位数:{}.".format(m,\
                                           dev(n,m),median(n)))

图像处理部分：使用matplotlib结合numpy进行简单图像处理，如读取图像（plt.imread()）、灰度转换（通过numpy数组操作实现）、图像缩放（利用相关算法结合numpy数组索引与切片）等。

import matplotlib.pyplot as plt
import numpy as np
# 读取图像
image = plt.imread('example.jpg')
# 灰度转换
gray_image = np.dot(image[..., :3], [0.2989, 0.5870, 0.1140])
# 显示灰度图像
plt.imshow(gray_image, cmap='gray')
plt.title("Gray - scale Image")
plt.axis('off')
plt.show()