资源简介

(共60张PPT)
Python 基础
必修一：数据与计算（一轮复习）
算法基础
算法定义与特征
定义：“算法”指的是计算机解决问题的步骤，是为了解决问题而需要让计算机有序执行的，无歧义的，有限步骤的集合。
有穷性
有0个或多个输入
可行性
确定性
有1个或多个输出
算法描述
自然语言
流程图
伪代码
程序设计语言
①输入a、b值
②如果a>b，输出a，否则输出b
输入a、b值
if a>b
输出a
else
输出b
a=float(input("输入a:"))
b=float(input("输入b:"))
if a>b:
print(a)
else:
print(b)
计算机解决问题一般步骤
Python基础
变量与赋值语句
普通赋值：
a=“abc”
增量赋值：
a+=5
序列赋值：
a,b=b,a
连续赋值：
a=b=“abc”
变量：变量是存放数据值的容器
命名规则：
①变量名只能包含字母数字字符和下划线
②不能以数字开头
③变量名不能是关键字
④变量名称区分大小写
（True False）
数据类型
数据类型名 数据表示形式 应用场景
整型（int） 整数：1001B，12D，15H 等 数值运算
实型（float） 实数：3.14，1.2e-5等 数值运算
字符串型（string） 用引号表示，‘123’，“x”，“‘这是一个字符串！’” 字符串提取、切片等操作
布尔型（bool） 结果：true和false，可用于逻辑运算 关系运算、逻辑运算
运算符与优先级
运算符 功能和作用 示例 优先级
( ) 小括号 略 0
** 幂运算 结果为数值型 1
*、/、//、% 乘，除，整除，取余 结果为数值型 2
+、- 加法、减法 结果为数值型 3
<、>、==、 <=、>=、!= 关系运算符 结果为布尔类型 4
in 、not in 存在性判断（关系） 结果为布尔类型 5
not 非 结果为布尔类型 6
and 与 结果为布尔类型 7
or 或 结果为布尔类型 8
表达式
(1)表达式按优先级运算，优先级相同则从左到右
(2)Python中认为 数值0、“”(空字符串)与False等价，非零数和非空字符串与True等价
(3)字符串比较 : 从左到右逐位比较ASCII码值
”123”<”23”=True
(4)数值类型的运算结果保留更精确的值。例1+2.0=3.0
控制结构——选择结构
if <判断条件>:
语句块1
elif <判断条件>:
语句块2
else:
语句块3
if <判断条件>:
语句块
if <判断条件>:
语句块1
else:
语句块2
控制结构——for循环
仅限于次数确定的有限循环
for i in <序列>：
循环体
序列：
①range()
②字符串序列（字符）
③列表序列（元素）
控制结构——循环结构
可用于次数不确定的循环
while 判断语句：
循环体
break:结束并退出当前层循环；
continue:结束当前次循环，进入下一次循环
①判断语句 始终为True(死循环)
②判断语句 始终为False(不循环)
n = 0 # 循环控制变量
while n < 10: # 循环继续的条件
n += 1 # 步长
print(n) # 循环体
控制结构——循环结构
for i in range(1,7):
for j in range(1,7):
if i+j!=6:
_____________
print(i,j)
划线处填break时，输出结果：
5 1
划线处填continue时，输出结果：
1 5
2 4
3 3
4 2
5 1
函数与模块
内建函数
函数 举例
print() 格式化输出：% format
input() 与int\float\split 一起使用
int() int(“123”) int(4.6) int(-4.6)
float() float(“12.3”) float(4)
abs() abs(-5)
len() len(“123”) len([2,[1,2])
str() a=12 str(a) ”12”
chr() chr(48) ”0”
ord() ord(“0”) 48
round() round(4.5) 4
round(5.5) 6
自定义函数
def 函数名 (参数集合)：
<函数体>
[return 函数值]
格式：
from math import sqrt
print(isprime(15))
def isprime(n):
for i in range(2,int(sqrt(n)+1)):
if n%i==0:
return False
return Ture
第三方库
调用：先导入，再使用
导入函数
from random import randint
randint（0，9）
导入模块（库）
import random
random.randint(0,9)
math模块
调用：先导入，再使用
名称
math.e
math.pi
math.ceil() math.ceil(2.1)
math.floor() math.floor()
math.pow() math.pow()
math.log()
math.sin()
math.cos()
math.tan()
math.degrees()
math.randians()
random模块
调用：先导入，再使用
名称 作用
random.random() 随机生成一个[0,1)范围内的实数
random. uniform(a,b) 随机生成一个[a,b]范围内的实数
random. randint(a,b) 随机生成一个[a,b]范围内的整数
random.choice(seq) 从序列中随机挑选一个元素
random.sample(seq,k) 从序列中随机挑选k个元素
random.shuffle(seq) 将序列的所有元素随机排序
image模块
from PIL import Image
im=Image.open(“school.jpg”) #打开图像文件
print(im.format) #获取图像文件格式
print(im.size) #获取图像尺寸大小
print(im.mode) #获取图像的颜色模式
im.rotate(45).show() #将图像旋转45°后显示
image模块(P87图像处理案例)
#导入模块
from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
#打开图像，生成数字矩阵
img=np.narry(Image.open("lena.jpg").convert("L"))
Numpy模块
NumPy是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库
img=np.narry(Image.open("lena.jpg").convert("L"))
165 203 180
198 230 223
102 98 85
[[165,203,180],
[198,230,223],
[102,98,85]]
image模块(P87图像处理案例)
#调整每个像素值
rows,cols=img.shape #图片长宽分别赋值给rows、cols
for i in range(rows): #横坐标
for j in range(cols): #纵坐标
if(img[i,j]>128): #img[I,j] 某一个像素点
img[i,j]=1 #设置为白色
else:
img[i,j]=0 #设置为黑色
#生成新图像并显示
plt.figure("lena")
plt.imshow(img,cmap="gray")
plt.axis("off")
plt.show()
jieba分词模块
函数 对应模式
cuts cut(s,cut_all=False) 精准分词模式：将句子最精确地切分开，不存在冗余。适合于文本分析。
cut(s,cut_all=Ture) 全模式分词：将句子中所有可能是词的词语都切分出来，速度快，但存在冗余。
cut_for_search(s) 搜索引擎模式分词：在精确模式的基础上对长词再进行切分，将更短的词语切分出来。适合于搜索引擎分词。
jieba分词模块
s="我来到了西北皇家理工学院，发现这儿真不错"
seg_list=jieba.cut(s,cut_all=True)
我/来到/了/西北/皇家/理工/理工学/理工学院/工学/工学院/学院/，/发现/这儿/真不/真不错/不错
s="我来到了西北皇家理工学院，发现这儿真不错"
seg_list=jieba.cut(s,cut_all=False)
我/来到/了/西北/皇家/理工学院/，/发现/这儿/真不错
s="我来到了西北皇家理工学院，发现这儿真不错"
seg_list=jieba.cut_for_search(s)
我/来到/了/西北/皇家/理工/工学/学院/理工学/工学院/理工学院/，/发现/这儿/真不错
wordcloud模块
font_path : 设置字体；如：font_path = '黑体.ttf'
width ：画布宽度
height : 画布高度
mask : 使用二维遮罩绘制词云
background_color : 设置背景颜色
mode : 设置颜色模式
fit_words(frequencies) ：根据词频生成词云
generate(text) ：根据文本生成词云
generate_from_frequencies(frequencies[, ...]) ：根据词频生成词云
generate_from_text(text) ：根据文本生成词云
to_array() ：转化为 numpy array
to_file(filename) ：输出到文件
wordcloud模块
import jieba
from wordcloud import WordCloud
import matplotlib.pyplot as plt
txt = open("你是我的荣耀.txt",'r',encoding='utf-8').read()
words = jieba.cut(txt) #使用jieba库函数分词
counts = {}
for word in words:
if len(word) == 1: #排除长度为1的字符分词结果
continue
else:
counts[word] = counts.get(word,0)+1 #用get方法建立新词
items = list(counts.items()) #将字典中的键值对转为列表
items.sort(key=lambda x:x[1],reverse=True) #按照统计结果降序排序
wordcloud模块
ciyun = []
for i in range(50):
word,count = items[i]
print(word,count)
ciyun.append(word)
text_cut = ' '.join(ciyun) #转为字符串，并用空格分隔
wordscloud = WordCloud(background_color='white',
font_path = '汉仪乐喵体.ttf',
width=1000,height=1000,margin=2).generate(text_cut)
wordscloud.to_file("词云.png")
plt.imshow(wordscloud) #生成图片
plt.axis('off') #关闭坐标轴
plt.show()
#运行结果：
text = open(r‘C:\Users\jjj\Desktop/12.txt’,‘r’).read() #读取一个txt文件
bg_pic = imread(r‘C:\Users\jjj\Desktop/3.png’) #读入背景图片
wordlist_after_jieba = jieba.cut(text, cut_all = True)
wl_space_split = " ".join(wordlist_after_jieba)
#生成词云
font = r'C:\Windows\Fonts\simfang.ttf'
wc = WordCloud(mask=bg_pic,background_color='white',font_path=font,
scale=1.5).generate(wl_space_split) #根据分词结果生成词云
image_colors = ImageColorGenerator(bg_pic)
#显示词云图片
plt.imshow(wc)
plt.axis('off')
plt.show()
# 保存图片
wc.to_file(r'C:\Users\jjj\Desktop/333.jpg')
import matplotlib.pyplot as plt
import numpy as np
plt.figure(figsize=(10,10),dpi=80) #创建对象
plt.xlim(0,10) #x轴取值范围
plt.ylim(0,1) #y轴取值范围
plt.xlabel("x")#x轴标签
plt.ylabel("y")#y轴标签
plt.title("sin(x) and cos(x)") #标题
matplotlib模块
x=np.linspace(0,10,100) #产生序列
y1=np.sin(x)
y2=np.cos(x)
plt.scatter(x,y1,label="sin(x)",color="red")
plt.plot(x,y2,label="cos(x)")
plt.legend()
plt.show() #显示图像
matplotlib模块
plot() #线型图
bar() #垂直柱状图
barh() #水平条形图
scatter() #散点图
pie() #饼图
matplotlib模块
Pandas模块
Pandas模块——一维数据结构Series
Series是一维数据结构，包含一个索引列和一个数据列。索引值默认从0开始，也可以指定索引值。
属 性 说 明
index Series的下标索引，默认从0开始的整数
values 存放Series值的一个数组
Series（创建）
import pandas as pd
①通过列表创建
s1=pd.Series([12,13,14],index=["a","b","c"])
print(s1)
②通过字典创建
s1=pd.Series({"a":12,"b":13,"c":14})
print(s1)
Series(访问)
③访问记录
s1[2]、s1[“b”]
④检索满足条件的记录
print(s1[s1>12])
⑤访问连续多条记录
print(s1[0:2])
import pandas as pd
①打印索引
print(s1.index)
②打印值
print(s1.values)
Series(修改)
s1[2]=100
s1[“b”]=100
s1.b=100
Pandas模块——二维数据结构DataFrame
DataFrame是二维数据结构，包含一个索引列和若干数据列。DataFrame是共享一个索引的Series的集合
属 性 说 明
index DataFrame行索引
columns DataFrame列标题
values 存放二维数据
T 行列转置
DataFrame (创建)
①通过列表创建
df=[["小黑",78,90,96],["小灰",90,92,100],["小白",92,95,98]]
df1=pd.DataFrame(df,columns=["姓名","语文","数学","技术"])
DataFrame (创建)
②通过字典创建
df_1= {"姓名":["小黑","小灰","小白"],"语文":[78,90,92],"数学":
[90,92,95],"技术":[96,100,98]}
df2 = pd.DataFrame(df_1)
columns= [“姓名”,“语文”,“数学”,“技术”]
DataFrame (创建)
③读取二维数据文件创建
df = pd.read_excel(“excel文件名")
df = pd.read_csv(“csv文件名")
df= pd.read_txt(“txt文件名")
df=pd.read_table(“txt文件名")
DataFrame (访问)
#修改索引
df1.index = ["01","02","03"]
#输出列标题
print(df1.columns)
#输出值区域
print(df1.values)
DataFrame (访问)
单列 单行 单个值
访问 df1.姓名 df1["姓名"] （属性、列名） df1.loc[0] df1[0:1] （索引） df1.at[0,“姓名"]
at[行，列]
显示
DataFrame (修改)
单列 单行 单个值
修改 df1.姓名=["Abby",'Cici','Jane'] df1.loc[0] df1[0:1]=[“x”,99,99,99] df1.at[0,“姓名”]=“Sunny”
显示
DataFrame (转置、重命名)
转置：df1.T
重命名rename
df1.rename(index={0:"a",1:"b",2:"c"},
columns={“姓名”:“age”})
DataFrame (行、列算术运算)
#求和—sum（axis=0/1）
df1.sum(axis=0)
df1.技术.sum()
df1[“技术”].sum()
axis=0(统计列数据)，
axis=1（统计行数据）
2) count #非空数据个数
mean(axis=0/1) #平均值
max(axis=0/1) #统计最大值
min(axis=0/1) #统计最小值
DataFrame (返回行数据)
head(2)
tail(1)
条件筛选
df1[df1.语文>=90])
df1[df1[“语文”]>=90]
DataFrame (删除数据)
df1.drop(“数学”,axis=1)
当要删除列时，axis需要特别设置为1，否则默认0删除的是行
df1.drop(0)
DataFrame (添加数据)
添加列数据——insert
df1.insert(1,"英语",[95,78,85])
添加行数据——append
data2 = {“姓名”:“李四”,”英语”:76“语文”:97,”数学”:88,”技术”:90}
df2 = pd.DataFrame(data2)
print(df1.append(df2,ignore_index=True))
DataFrame (分组)
df1 = pd.DataFrame(data1)
print(df1.groupby(“科目”,as_index=False).sum())
print(df1.groupby("姓名").mean())
DataFrame (排序)
df1.sort_values("成绩",ascending=False,inplace=True)
DataFrame (合并两表)
df3=concat(df1,df2)
DataFrame
import pandas as pd
df = pd.read_excel("成绩单.xls")
df_sort = df.sort_values("信息技术",ascending=False)
df_t = df_sort.head(10)
df_filter = df_t[[“姓名”,“性别”,“信息技术”]] #保留三列内容
df_group = df_filter.groupby("性别",as_index=False) print(df_group.mean())
turtle 模块
turtle库是Python语言中一个很流行的绘制图像的函数库，想象一只小乌龟，在一个横轴为x、纵轴为y的坐标系原点(0,0)位置开始，它根据一组函数指令的控制，在这个平面坐标系中移动，从而在它爬行的路径上绘制了图形。
turtle 模块
turtle 库常用函数或命令
函数或命令 说明
forward(distance) 向当前画笔方向移动distance像素长度
backward(distance) 向当前画笔相反方向移动distance像素长度
right(degree) 顺时针移动degree°
left(degree) 逆时针移动degree°
goto(x,y) 将画笔移动到坐标为x,y的位置
circle(r) 画半径为r的圆，半径为正(负)，表示圆心在画笔的左边(右边)画圆
fillcolor(colorstring) 绘制图形的填充颜色
color(color1, color2) 同时设置pencolor=color1, fillcolor=color2
done( ) 暂停程序，停止画笔绘制，但绘图窗体不关闭，直到用户关闭Python Turtle图形化窗口为止；它的目的是给用户时间来查看图形，没有它，图形窗口会在程序完成是立即关闭。
turtle 模块
编程1：逆时针方向画一个边长为100的正方形。
import turtle as t
t.forward(100)
t.left(90)
t.forward(100)
t.left(90)
t.forward(100)
t.left(90)
t.forward(100)
t.left(90)
t.done()
import turtle as t
for i in range(4):
t.forward(100)
t.left(90)
t.done()
改为循环结构
turtle 模块
编程2：分别画半径为：5，10，15，…，95，100的20个圆。
import turtle as t
for i in range(5,101,5):
t.circle(i)
t.done()
绘制任意正多边形
正多边形的各边边长相等，各内角度数也相等。因此绘制一个正多边形，可以通过“画一条边，旋转一定角度后再画一条边”的重复操作来完成。如下图是绘制正六边型的过程。
计算模型可以表示如下：
假设正多边形的边数为n，边长为a。
则内角度数d的值为：d=(n-2)*180/n
每次旋转的角度为：180-d
抽象与建模
绘制任意正多边形
import turtle as t
n=int(input("输入正多边形的边数："))
a=int(input("输入正多边形的边长："))
d=(n-2)*180/n
for i in range(n):
t.forward(a)
t.left(180-d)
t.done()
程序编写

展开更多......

收起↑