numpy

博客记录学习小知识,介绍了Anaconda的快捷使用方法,在配置好环境变量后,通过cmd命令行进入并跳转至其web页面。还讲解了使用Numpy进行图片翻转操作,导入相关包后,利用imread方法读取图片对象,以代码形式展示效果。

引言

记录一下平时学习的小小知识点,后续做完可能会整理

ananconda的快捷使用

在这里先提一点前提,就是如何高效打开属于自己空间的annaconda(具有任意空间性,不需要从菜单或者c盘打开,存取文件也不用跑去c盘放置,十分方便快捷

以我的文件为例:

前提是在path里面配置好了环境变量,可以百度搜索annaconda环境变量配置

1.找到你自己创建好的文件夹 

 

2.进入cmd命令行模式,输入jupyter notebook

3.之后就会自动跳转到anaconda的web页面

4.可以对比一下文件夹内容是否和本地文件夹内容相同,我的是相同的

 5.然后new一个python3以及upload好图片就可以了

 

 numpy之图片的翻转

接下来就是我们的图片翻转操作 

import numpy as np
import pandas as pd 
import matplotlib.pyplot as plt

这里我们使用到了numpy和pandas(后续用到先导入)以及matplotlib包,具体用法暂时不过多描述了

可以点击运行也可以alt+回车运行 

第一步我们先plt.imread('帅哥.jpeg')利用imread方法读取到图片对象

 数据分析中有一句话叫做:一切皆数据,一切皆矩阵
 python:一切皆对象 

具体代码:
#取出同级目录下的cat.jpeg  
cat=plt.imread('帅哥.jpeg')
# 图片其实也是数字数组
cat
# 可以看出来图片其实是由数字组成的而且是三维数组,数字是0~255之间因为是rgb颜色组成的
效果展示

 

然后接下来我们就有图片代码的形式展示效果,代码中已经写好了注释 

接下来就让我们来欣赏美丽的图片吧 

import numpy as np
import pandas as pd 
import matplotlib.pyplot as plt

#取出同级目录下的cat.jpeg  
cat=plt.imread('帅哥.jpeg')
# 图片其实也是数字数组
cat
# 可以看出来图片其实是由数字组成的而且是三维数组,数字是0~255之间因为是rgb颜色组成的

type(cat)

# 查看形状,图片对象其实也是数字数组
cat.shape
# 高度(数据的行数有这么多,行),宽度(数据的列数),每一个颜色点的值(表示rgb当中的三个值)
# 有几个数代表几维

# plt.imread('帅哥.jpeg')是读取图片返回cat图片对象
# plt.imshow是显示图片
plt.imshow(cat)

# 彩色图是三维的,黑白图是二维的,视频是一张一张图片组成的,是四维的数据
# 一般拍数据是帧图(x,421,725,3)有多少张图要看你的帧数,一秒钟来回切换多少张图
# 数据分析中有一句话叫做:一切皆数据,一切皆矩阵
# python:一切皆对象

# 行翻转,行翻转就没有逗号了,默认只有行,当出现列的时候,就要写逗号此时就有列的存在
plt.imshow(cat[::-1])


# 列翻转
plt.imshow(cat[:,::-1])

 

 

 

 

 

 

 

 

提供的引用内容中未提及Numpy桥的相关信息,不过可以从一般情况介绍Numpy桥。 Numpy桥通常是指在不同系统、框架或者编程语言之间建立起连接,使得它们能够与Numpy进行交互,实现数据的传递和操作。在Python生态系统中,Numpy是一个用于高效数值计算的基础库,很多机器学习框架、数据分析工具等都依赖于Numpy进行数组操作。 ### 介绍 Numpy桥是一种机制或者接口,它允许其他系统或者框架利用Numpy的功能。例如,在深度学习框架中,如TensorFlow、PyTorch等,Numpy桥可以让这些框架与Numpy数组进行无缝转换。这意味着可以将Numpy数组传递给深度学习模型进行训练或者推理,也可以将模型的输出转换回Numpy数组进行后续的分析。 ### 用途 - **数据交换**:方便不同工具之间的数据传递。比如在数据分析阶段使用Pandas处理数据,Pandas底层依赖Numpy数组,通过Numpy桥可以将处理好的数据传递给机器学习模型进行训练。 ```python import pandas as pd import numpy as np from sklearn.linear_model import LinearRegression # 创建一个Pandas DataFrame data = {'x': [1, 2, 3, 4, 5], 'y': [2, 4, 6, 8, 10]} df = pd.DataFrame(data) # 通过Numpy桥将DataFrame转换为Numpy数组 X = df['x'].values.reshape(-1, 1) y = df['y'].values # 使用Numpy数组进行机器学习模型训练 model = LinearRegression() model.fit(X, y) ``` - **代码复用**:可以复用基于Numpy开发的大量数值计算代码。不同的科学计算库可能有不同的数组表示方式,通过Numpy桥可以在不改变原有代码的基础上,将这些库与Numpy集成。 - **性能优化**:Numpy本身经过高度优化,使用Numpy桥可以利用Numpy的高效计算能力,提高整个系统的性能。 ### 相关信息 许多开源项目都提供了与Numpy的桥接功能。例如,在Python中,像Scikit - learn、Matplotlib等库都可以直接使用Numpy数组作为输入。在其他编程语言中,也有一些工具可以实现与Numpy的交互,如R语言中的reticulate包可以在R环境中调用Python的Numpy库。
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值