第1讲 为何学Python

[e-mail]为何学Python教师：丛培盛2TongjiUniversity回顾计算机问题求解专业问题用计算机求解，焦点在哪里？1.计算机是辅助工具2.用于快速验证我们的专业假设3.不希望从最底层开始写程序（最好少量代码即可问题）4.寻找符合条件3的语言、环境5.189646804563TongjiUniversity回顾计算机问题求解当遇到一个问题需要编程求解时，我们是怎么作的？1.查阅成熟的代码2.适当修改，让它符合问题求解的一个模块3.装配4.装配需要什么？汽车装配？高铁铁路的装配？课程定位4TongjiUniversity问题求解的步骤•掌握问题求解的一些数学过程•转化为计算机可求解的一些算法，查找这些算法•寻找合适的程序语言•去查润成熟的代码，理解，融入自己的求解过程如多元线性回归，一组Y变量，一组X变量，求回归系数cY=XCXtY=XtXC(XtX)-1XtY=(XtX)-1XtXC矩阵的运算：转置、相乘、求逆，都要自己还编写吗？5TongjiUniversity优点美国大学选用最多的语言6TongjiUniversity的优点直观：会话方式交互，学习者立即理解每个语句的意思，Python是最容易验证问题求解者想法的语言支持面向对象、结构化编程NASA使用它开发系统Yahoo！使用它管理讨论组Google用它实现Web爬虫和搜索引擎中的很多组件在游戏和生物信息学等领域中也得到广泛的应用各种Free类库，直接帮助我们实现计算7TongjiUniversity优点简单易学：几句话就可完成一个大任务跨平台：Windows、Linux、Android、Macintosh、Solaris、FreeBSD、OS/2完全开源、免费面向对象丰富的类库：文件、线程、数据库、WEB、CGI、FTP、电子邮件、XML、HTML出身：Python是类C的语言8TongjiUniversity强大的类库在类库的支持下，几句话即可完成大任务Numpy：矩阵运算类库，类似MatLabScipy：科学计算类库，提供各种已经实现的算法Matplotlib：图形制作库Pandas：大数据分析类库互联网类库，很容易建立网络通讯9TongjiUniversity看看Python的强大--numpyZ=np.mafromtxt(c:\\python33\data.txt)Data=Z.data2句话，完成数据文件读入矩阵Data中10TongjiUniversity看看Python的强大--numpy矩阵运算:设A和B为已知矩阵加法：C=A+B乘法：C=A.dot(B)转置：C=A.T逆:C=np.linalg.inv(A)11TongjiUniversity看看Python的强大--matplotlibimportnumpyasnpfrompylabimport*x=np.linspace(-np.pi,np.pi,100)sin,cos=np.sin(x),np.cos(x)plot(x,sin,color='blue',linewidth=2.0,linestyle='-')plot(x,cos,color='red',linewidth=2.0,linestyle='-.')show()12TongjiUniversity看看Python的强大--matplotlib……#引入相应类库delta=0.025x=np.arange(-3.0,3.0,delta)y=np.arange(-2.0,2.0,delta)X,Y=np.meshgrid(x,y)Z1=mlab.bivariate_normal(X,Y,1.0,1.0,0.0,0.0)Z2=mlab.bivariate_normal(X,Y,1.5,0.5,1,1)Z=10.0*(Z2-Z1)plt.figure()ax.plot_trisurf(X,Y,Z,cmap=cm.jet,linewidth=0.2)plt.show()13TongjiUniversity看看Python的强大--matplotlib……delta=0.025x=np.arange(-3.0,3.0,delta)y=np.arange(-2.0,2.0,delta)X,Y=np.meshgrid(x,y)Z1=mlab.bivariate_normal(X,Y,1.0,1.0,0.0,0.0)Z2=mlab.bivariate_normal(X,Y,1.5,0.5,1,1)Z=10.0*(Z2-Z1)plt.figure()CS=plt.contour(X,Y,Z，10)plt.clabel(CS,inline=1,fontsize=10)plt.title('Simplestdefaultwithlabels')plt.show()14TongjiUniversity看看Python的强大--scipy求最优：f(x)=x2-4*x+8fromscipy.optimizeimportfminimportnumpyasnpdeff(x):returnx**2-4*x+8print(fmin(f,0))运行结果：Optimizationterminatedsuccessfully.Currentfunctionvalue:4.000000Iterations:27Functionevaluations:54[2.]15TongjiUniversity看看Python的强大--scipy•信号处理16TongjiUniversity看看Python的强大--scipy•模式识别17TongjiUniversity看看Python的强大还有更多：SVD分解多元线性回归18TongjiUniversity建立WEB服务器如此简单fromthreadingimportThreadimporttimeimporthttp.serverimportsocketserverimportosport_number=8000server=NonedefstartServer(port):os.chdir(os.path.dirname(os.path.realpath(__file__)))Handler=http.server.SimpleHTTPRequestHandlerglobalserverserver=socketserver.TCPServer((,port),Handler)print(servingatport,port)server.serve_forever()defstart(port):thread=Thread(target=startServer,args=[port])thread.start()time.sleep(2)#Waittostarttheserverfirstdefstop():ifserver:server.shutdown()if__name__==__main__:start(port_number)19TongjiUniversity互联网—socket编程，网络上数据交换importsockets=socket.socket()host=socket.gethostname()print(host)port=1234s.bind((host,port))s.listen(3)str=ThanksforyourconnectingwhileTrue:c,add=s.accept()print(gotconnectionfrom:,add)f=open(rE:\teach\python\C-093843.txt,r,True)forlineinf:c.send(line.encode('ascii'))c.close()服务器importsockets=socket.socket()hostname=pshcong-PCs.connect((hostname,1234))whileTrue:str=s.recv(1024).decode('utf-8')if(str):str=str[:-1]print(str)else:break客户端20TongjiUniversity关于运算速度python是解释型语言解释型语言一般都比编译型计算速度慢解决python计算速度慢的方法是使用类库21TongjiUniversity运算速度的比较—直接的pythonloops=25000000#2500万次frommathimport*a=range(1,loops)deff(x):return3*log(x)+cos(x)**2%timeitr=[f(x)forxina]1loops,bestof3:22.6sperloop2500万次，需要22.6秒22TongjiUniversity运算速度的比较—使用np库importnumpyasnploops=25000000a=np.arange(1,loops)%timeitr=3*np.log(a)+np.cos(a)**21loops,bestof3:979msperloop使用np，ne类库，2500万次循环，979毫秒,快了23倍23TongjiUniversity运算速度的比较—使用数值表达式库importnumexprasneimportnumpyasnpne.set_num_threads(1)#使用一个线程Loops=25000000a=np.arange(1,loops)f='3*log(a)+cos(a)**2'%timeitr=ne.evaluate(f)1loops,bestof3:657msperloop使用np，ne类库，2500万次循环，657毫秒。24TongjiUniversity运算速度的比较—使用数值表达式库……ne.set_num_threads(4)1loops,bestof3:323msperloop使用ne，用4个线程，2500万次循环，323毫秒。最终，我们实现了从22.6秒到323ms的飞跃。提升69倍25TongjiUniversity—3句话完成股票分时线importpandas.io.dataaswebDAX=web.DataReader(name='^GDAXI',data_s