第5章 现代智能信息处理开发
5.1 开发语言基础
5.1.1 Python语言基础 
Python的第一个编译器由GuidovanRossum 于1989年发明,并在1991年公开发行。
Python是一种易写易读、功能强大、可以跨平台的解释型编程语言。由于其内置的标准库
和第三方库的支持,因此可以利用该编程语言进行各种复杂的科学计算。经过多年的发展, 
Python在数据处理、人工智能、网页开发等领域已有广泛应用。本章仅介绍Python的一些
基础知识和几种处理数据扩展库的使用,如果你对这些内容非常了解。
1)Python的安装
Python的安装很简单,进入Python官方网站https://www.python.org,单击Downloads, 
然后选择想要的版本号进行下载。安装完成后,可以在终端窗口输入“python”命令查看计
算机是否已经安装成功,以及安装的Python版本。Linux系统一般都自带Python支持,不
需要重复安装,只要升级版本就行。
2)扩展库的安装
进行数值分析时,Python需要利用pip导入相关的扩展库,如果有搭建Anaconda的
话,则不需要自行导入,其一般都自带常用的工具库(NumPy、SciPy、Matplotlib)。可以访问
网址https://www.anaconda.com 下载相关资源和文档。pip提供了对Python包的查找、
下载、安装、卸载等功能,下面列出pip的常用命令。
● 安装模块:pipinstall<包名>。
● 卸载模块:pipuninstall<包名>。
● 查找模块:pipfreeze或piplist。
● 升级模块:pipinstall--upgrade<包名>。
1.Python基础知识
Python中不需要声明变量,通过赋值操作便可创建不同类型的数据类型。Python中有5 
种标准的数据类型:字符串(Strings)、列表(List)、元组(Tuple)、字典(Dictionary)、集合(Set)。
1)字符串(Strings) 
字符串通过引号进行创建,在实际编程中通常会接触大量的字符串操作,下面简要介绍
一些字符串的基本操作。
表5-1令a为字符串"intelligent",b为字符串"communication"。

第5 章 现代智能信息处理开发
表5-1 字符串输入与输出
输 入输 出
a+b #连接字符串intelligentcommunication 
a*2 #连续输出字符串intelligentintelligent 
a[2] #输出指定位置字符t 
a[2:4] #截取字符串te 
'o'ina #判断a中是否包含字符'o' False 
'b' notina#判断a中是否不包含字符'b' True 
Python中也存在大量针对字符串的内建函数,使用这些函数可以极大地简化代码,而
且运行时更加稳定、快速。下面介绍一些常用内建函数的使用(见表5-2),详细的函数介绍
可以参考Python官方文档。
表5-2 常用的内建函数
函 数描 述
max(str)、min(str) 返回字符串中最大的字母、最小的字母
str.capitalize() 把字符串的第一个字母大写
str.center(L) str居中,用空格填充至长度L 
str.ljust(L) str左对齐,用空格填充至长度L 
str.rjust(L) str右对齐,用空格填充至长度L 
str.isdigit() 若str中存在数字,则返回True,否则返回False 
str.join(li) 用str连接li字符串中的每个元素
str.lower() str中所有大写字符转小写
str.upper() str中所有小写字符转大写
str.lstrip() 去掉str中最左边的空格
str.rstrip() 去掉str中最右边的空格 
2)列表(List) 
Python中没有数组,但是有更加强大的列表,同样是把所有元素放在一对方括号“[]” 
中,各元素用“,”隔开。不同的是,列表内可以存放数、字符串、列表、元组、集合等Python可
以支持的任何数据类型,并且同一列表可以存放不同的元素类型。对于列表,主要介绍关于
列表添加、删除、修改、查找,以及切片的内容。
● 添加元素
有三种方法可用来添加元素,见表5-3。
表5-3 添加元素的方法
方 法描 述
lis.append(obj) 把obj整体添加到列表lis末尾
lis.extend(obj) 把obj中的元素依次添加到列表lis末尾
lis.insert(index,obj) 在列表lis对应索引位置添加整体的obj 
209

● 删除元素
有四种方法可用来删除元素,见表5-4。
表5-4 删除元素的方法
方 法描 述
dellistname[index] 删除指定位置元素
listname.pop(index) 删除指定位置元素
listname.remove(num) 删除列表中第一个num,若没有,则报错
listname.clear() 清空列表 
● 修改元素
可以修改单个元素和一组元素,见表5-5。
表5-5 修改元素的方法
方 法描 述
listname[index]=num 直接修改位置元素为num 
listname[index1:index2]=[…] 切片修改一组元素 
● 查找元素
有两种方法可进行查找,见表5-6。
表5-6 查找元素的方法
方 法描 述
listname.index(num,index1,index2) 查找元素出现的位置
listname.count(num) 统计元素出现的次数 
● 切片
切片是处理列表的一种十分重要的操作,在字符串、元组等对象中有广泛的应用。表5-7 
举例说明切片操作,有列表lis=[a' ',b' ',c' ',d' ',e' ',f' ']。
表5-7 切片操作
操 作输 出操 作输 出
lis[∶] [a' ',b' ',c' ',d' ',e' ',f' '] lis[∷-2] [f' ',d' ',b' '] 
lis[1:3] [b' ',c' '] lis[∷2] [a' ',c' ',e' '] 
3)元组(Tuple) 
元组是Python中另一个重要的序列结构,和列表类似,元组也由一系列按特定顺序排
序的元素组成。元组和列表的不同之处在于: 
(1)列表的元素是可以更改的,包括修改元素值、删除和插入元素,所以列表是可变
序列;
(2)而元组一旦被创建,它的元素就不可更改了,所以元组是不可变序列。
210

第5 章 现代智能信息处理开发
元组也可以看作不可变的列表,通常,元组用于保存无须修改的内容。因为元组与列表
十分相似,所以就不过多列举。元组的主要操作如表5-8所示。
表5-8 元组的主要操作
操 作描 述
tupl=(num1,num2,…,numn) 创建元组
tupl[index] 访问元素
tupl=(num1,num2,…,numn) 
tupl=(str1,str2,…,strn) 元组不能修改,只能用新的元组覆盖旧的元组
deltupl 删除元组 
4)字典(Dictionary) 
Python字典是一种无序的、可变的序列,它的元素以“键值对(key-value)”的形式存储。
字典的每个元素的“键”和“值”用冒号“:”分割,每个对之间用逗号“,”隔开,所有元素都在
一对花括号“{}”里。
字典中的“键”必须是唯一的,可以是实数、字符串、元组等,但是值不一定,值可以重复。
下面介绍一些字典常用的操作和内置函数的使用,见表5-9。
表5-9 字典常用的操作和内置函数的使用
方 法描述/结果
dict={a' ':1,b' ':2} 
或x=dict(a=1,b=2) 创建字典
dict={a' ':1,b' ':2} 
print(dict[a' ']) 访问字典里的值,输出1 
dict={a' ':1,b' ':2} 
dict['b']=3 
print(dict) 
修改元素的值
输出{a' ':1,b' ':3} 
dict={a' ':1,b' ':2} 
deldict[a' '] 
print(dict) 
删除元素的值
输出{'b':2} 
dict={a' ':1,b' ':2} 
dict.update({c' ':3,d' ':4}) 
print(dict) 
添加元素
输出{a' ':1,b' ':2,c' ':3,d' ':4} 
dict={a' ':1,b' ':2} 
print(dict.keys()) 
返回字典中所有的键
输出dict_keys([a' ',b' ']) 
dict={a' ':1,b' ':2} 
print(dict.values()) 
返回字典中所有的值
输出dict_values([1,2]) 
dict={a' ':1,b' ':2} 
print(dict.items()) 
返回字典中所有的键值对
输出dict_items([(a' ',1),(b' ',2)]) 
dict={a' ':1,b' ':2} 
print(list(dict.items())) 
将返回的数据转换成列表
输出[(a' ',1),(b' ',2)] 
211

5)集合(Set) 
Python集合会将所有元素放在一对花括号“{}”中,相邻元素之间用“,”分隔。集合中
的元素不能重复,每个元素都是唯一的。表5-10显示了集合的基本操作。
表5-10 集合的基本操作
方 法结 果
set={element1,element2} 
或setname=set(列表/元组/range对象) 创建集合
set={a' '} 
set.add('b') 
向集合添加元素
输出{a' ',b' '} 
set={a' ',b' '} 
set.remove(a' ')或set.pop() 
从集合中删除元素
都输出{'b'} 
set1={a' ',b' '} 
set2={a' ',c' '} 
print(set1&set2) 
print(set1|set2) 
print(set1-set2) 
集合的交集、并集、差集
分别输出
{a' '} 
{a' ',c' ',b' '} 
{'b'} 
6)函数
Python里用def关键词定义函数,后接函数标识符名称和圆括号“()”。简单举例如下。 
def obj(): 
set={'a','b'} 
for i in set: #输出集合中的每个元素 
print(i) 
obj() 
2.Python扩展模块及可视化
接下来介绍Python中用于科学计算的4种常用扩展包:NumPy、Pandas、Matplotlib、
SciPy。相关程序运行结果通过JupyterNotebook展示,这一工具能直接在网页上编写和执
行Python代码,相关运行结果也能在代码块下显现。有关Jupyter的安装和操作可以参考
Jupyter的官网http://jupyter.org/index.html。
1)NumPy 
NumPy是使用Python进行科学计算的基础包,可提供数组支持以及相应的高效处理
函数。相比于Python的内置序列,NumPy数组的执行效率更好,代码量更少。NumPy也
是Scipy、Pandas等数据处理和科学计算库最基本的函数功能库,Matplotlib同样也需要
NumPy的支持。
通常使用Python包管理器pip安装numpy:pipinstallnumpy。
numpy包的导入:importnumpyasnp。
● 创建数组
可以通过转换Python中的列表和元组创建数组,也可以使用NumPy数组创建函数以
及其他特殊的库函数来创建数组。
导入numpy包:importnumpyasnp。
212

第 
5 
章现代智能信息处理开发

表5-11 
创建数组的方法


操作

a=p.
ra1,3))

nay((2,
或a=p.
ray([1,3])

na2,
print(a) 

a=np.
ray([[1,2],[3,4]]) 
print(a)(a) 

a=p.nge(2,2)

na10,
print(a)(r) (a) 

a=p.isae(10,dyp=n

nlnpc2,2,teit) 
print(a) 

● 数组索引
” 

描述/输出

创建一维数组

[123] 
创建二维数组

[[12]
[34]] 

用内置函数,规定开始、结束和步长
[2468] 

用内置函数,规定开始、结束和数量

[210] 
可以使用方括号“[]索引数组值,通过下标索引单一元素值,通过切片指向元素连续的
多个元素值。

表5-12 
数组索引的方法

操作

a=np.
ray([1,2,3,4,5]) 
print(a[2(a) ]) 

a=np.
ray([1,2,3,4,5]) 
print(a[1(a) :3]) 

2,4,6]])
b=(a(a) >3) 
print(b) 

=np.
ray([[1,3],[5,


a=aray([1,2,3,4,5]
)
a[1:3](n) =
1
print(a)


p.
● 数组的相关运算(见表5-13) 
描述/输出

单元素索引

3 

[
切片操作,多元素索引
23] 

布尔索引

[[FalseFalseFalse]
[TrueTrueTrue]] 

索引赋值

[11145] 

表5-13 
数组的相关运算

操作

a=p.
ray([[1,2],[3,4]])

naprina.

t(T) 

a=p.
ray([1,2])

nab=p.
ra3,

nay([4]) 
prnndt(b))

it(p.oa,

描述/输出

数组转置

[[13]
[24]] 

向量点积

11 

213


续表

操作

a=naray([1,2,3])

p.
print(a*2)
print(a/2)
print(a**2) 
a=p.
ray([1,2])

na
nay([[2],[4]]
)


b=p.
ra1,3,
print(a*b) 

a=p.
ray([[1,3],[5,2,4]])

na2,4,0,
prit(p.ot(

nnsra)) 

p.y([[3],[4]])a=nara2,1,4,5,0,2,
prit(nsrt(a,xs0))

np.oai=

描述/输出

数组的乘、除、平方

[246]
[0.5]
51.1.
[149] 
数组间的乘法运算

[[14]
[38]] 

数组按行排序

[[1234]
[0245]] 

数组按列排序

[[2023]
[5144]] 

2)Matplotlib绘图

Matplotlib是基于NumPy的一套Python包,这个包提供了一系列的数据绘图工具,可
以将很多数据以线条图、饼图、柱状图及其他专业图形呈现出来。通常使用Python包管理
器pip安装matplotlib:pipinstalmatplotlib。

pmpppypsp

Matlotlib包的导入:iortmatlotlib.lotalt
importmatplotlib
。


(1)散点图( 1)。
见图5.


图5.散点图

1 

214


第
5 
章现代智能信息处理开发

(2)柱形图( 2)。
见图5.


图5.柱形图

2 

(3)饼图( 3)。
见图5.


图5.饼图

3 

(4)多线图( 4)
。
(
见图5.5)
。
5)三维曲线(见图5.

3.SciPy 

SciPy在NumPy的基础上添加了更多用于科学计算的模块,包括统计、优化、整合、线
性代数模块、傅里叶变换、信号和图像处理、常微分方程求解器等。SciPy依赖于NumPy,并

215


图5.多线图

4 


图5.三维曲线

5 

提供许多如数值积分和优化这样的数值例程。
下面列举一个SciPy关于信号处理的应用( 6),scisina

号处。
见图5.py.gl模块专门用于信

216


第
5 
章现代智能信息处理开发


scsnlrsle(): 采样(ampi)。

ipy.iga.eampSlngscsnldted():去除线性趋势(Elmntierted)。

ipy.iga.erniiaelnarn


图5.Py关于信号处理的应用

6 
Sci

4.Scikit-ln 

Scikit-learn(e) 是(a) 一个功能强大的Pyt(r) hon机器学习库,为实现各种监督和半监督机器学习
算法提供了简单、高效的工具。Scikit-learn是开源的,每个人都能访问。它基于NumPy、
SciPy和Matplolib构建,极大地提高了它的可靠性和健壮性。Scikit-learn内置丰富的数据
集,如鸢尾花等,是一个简单高效的数据挖掘和数据分析工具。

Scikit主要分为6个模块:分类、回归、聚类、降维、模型选择和预处理。机器学习算法
主要有近邻分类算法、线性回归分类算法、随机森林分类算法、决策树分类算法、支持向量
机、神经网络等。使用Scikit-learn训练模型的步骤如下。

● 导入模块
● 读入数据
217