人工智能导论 课件 11.6 模块化编程

模块化编程通识课-《人工智能通识》123函数模块第三方库章节名思考2Python语言如何减少程序的代码量，提高程序的执行效率和可维护性呢？概述3

在Python中，程序主要由包、模块以及函数构成，其中包由一系列的模块构成，模块由一系列类和函数构成。11.6模块化编程一、函数函数5

在Python中，函数是组织好的、可重复使用的，用来实现单一或相关联功能的代码段。因此，函数在程序中被用于分离不同的任务，并为代码复用提供一个通用的机制。使用函数不仅可以实现结构化程序设计，减少代码的复杂度，提高代码的质量，而且能够将大项目分割成不同的子模块，从而便于团队协作开发。Python语言中的函数6内建函数Python语言提供的系统函数，在程序编写中可以直接使用，比如之前用到的print()、input()等。库函数Python拥有丰富的标准库以及第三方库，这些库提供了各种功能，使得开发人员能够更轻松地处理各种任务。用户自定义函数用户可以在程序中自己创建函数，并实现指定功能。用户自定义的函数71、函数定义在Python语言中，用户可以自定义一个指定功能的函数，其语法格式如下所示：def函数名(参数):

函数体

(return表达式/值)用户自定义的函数8注意：①Python语言采用def进行函数定义，不用指定返回值类型。②函数参数可以为0个、1个或者多个。③return语句是可选的，当函数中有return语句时，表明该函数返回相应内容并到此结束，当没有return语句时，表明该函数返回空值。用户自定义的函数9例1：定义一个求两数之和的函数defadd(a,b): #add为函数名，a和b为参数

returna+b #返回值例2：定义一个求列表中值最大的元素的函数defmax_item(mylist):returnmax(mylist)#max返回mylist中最大的值用户自定义的函数102、函数调用用户定义完函数之后，函数是不会自动执行的，这一点和其他语言类似，要使得代码可以执行，需要调用函数。其语法格式如下所示：函数名(参数)同样，这里的参数个数由该函数定义时的参数个数决定，可以为0个、1个或者多个。用户自定义的函数11可以通过如下代码来进行调用刚才定义的函数：list_example=[2,5,6,8,4] #创建一个列表max_value=max_item(list_example) #调用函数并把返回结果

赋给变量print(max_value)用户自定义的函数123、参数

形参即形式参数，实参即实际参数。形参是在定义函数名和函数体的时候使用的参数，目的是用来接收调用该函数时传递的参数；而实参是在进行函数调用时，把值传送给形参，因此应预先用赋值、输入等办法使实参获得确定值。

在Python中，def关键字定义函数时函数名后面的括号中的变量称为形参，而调用该函数所提供的值或变量称为实参。用户自定义的函数13定义一个含有两个参数的函数，用于返回这两个数的最大值： defget_max(a,b): #a、b为形参

ifa>=b: returna else: returnb用户自定义的函数14可以通过下列代码来调用该函数： max_value=get_max(1,2)#1、2为实参 print(max_value)

x=3 y=4 max_value=get_max(x,y) #x、y为实参 print(max_value)用户自定义的函数15可以通过下列代码来调用该函数： max_value=get_max(1,2)#1、2为实参 print(max_value)

x=3 y=4 max_value=get_max(x,y) #x、y为实参 print(max_value)用户自定义的函数16定义函数时，可以给函数的参数设置默认值，这个参数称为默认参数。在调用函数时，如果没有给该参数设定值，则该函数直接使用默认值；如果给该参数设定了值，则使用设定的新值。例：定义一个函数，实现输出学生的年龄和性别，如果未设置该学生的性别，默认其性别为“男”defprint_stu(age,sex="男"): #设置sex参数默认值为“男”

print("sex:",sex)print("age:",age)用户自定义的函数17分别通过如下默认参数形式和指定参数形式来调用它：print_stu(20)print_stu(18,"女")sex:男age:20sex:女age:18用户自定义的函数18注意：

在定义函数时，带有默认值的参数一定要位于参数列表最后，否则程序会报错。用户自定义的函数194、函数的返回值函数的“返回值”指的是当该函数完成特定功能之后，最后给调用者的一个结果。通常函数根据不同的参数会返回不同的结果。如果函数没有具体返回结果，表明函数执行的功能不需要返回给调用者具体的内容。print_stu()函数只是根据参数打印不同的结果，就不需要返回具体的值。add(a,b)函数实现了计算a和b这个数字和的功能，需要返回给调用者继续参与后续的计算中。用户自定义的函数20例：判断一个整数是否为素数，若为素数返回True；反之返回Falseimportmath #导入math模块defis_prime(n): #定义函数

ifn<2:returnFalseelse:lenth=int(math.sqrt(n))foriinrange(2,lenth+1): #判断2~lenth+1之间有没有n的因子

用户自定义的函数21 ifn%i==0:returnFalsei=i+1returnTrue调用该函数来验证上述程序：result=is_prime(193)print(result)运行结果为True用户自定义的函数22Python函数的返回值不仅可以返回单个值，而且可以通过列表、元组等方式返回多个值。例：随机生成1~100之间的10个整数并返回importrandom #导入random模块defrandom_list():mylist=[]foriinrange(0,10):用户自定义的函数23rint=random.randint(1,100)#生成1~100之间的随机整数

mylist.append(rint) #添加到列表中

returnmylist通过random_list()调用该函数：mylist1=random_list() 运行结果如下：print(mylist1) [9,27,12,22,22,100,78,14,30,86]mylist2=random_list() 90,98,4,43,59,23,69,79,61,97]print(mylist2)用户自定义的函数245、作用域

变量声明的位置不同，其被访问的范围也随之不同，即变量的作用域不同。一个程序的所有变量并不是在哪个位置都可以访问的，访问权限决定于这个变量赋值的位置。变量按照其作用域的不同主要分为全局变量和局部变量。在一个Python程序中，在函数和类定义之外声明的变量称为全局变量。全局变量的作用域为其定义的模块。

定义在函数内部的变量称为局部变量。局部变量只有在此函数内有效，也就是说在此函数内才能使用它们，在此函数外的所有地方都不能使用它们。用户自定义的函数25例：全局变量和局部变量不同作用域x=5defchange_value(): x=2 print(x)

change_value()print(x)运行结果如下：2511.6模块化编程二、模块概述27Python模块(Module)，是一个Python文件，以.py结尾，包含了Python对象定义和Python语句。模块能够有逻辑地组织Python代码段。把相关的代码分配到一个模块里能让代码更好用，更易懂。模块能定义函数，类和变量，模块里也能包含可执行的代码。模块的定义28创建一个文件support.py，内容如下：defprint_func(par): print("Hello:",par) return模块的引入29模块定义好后，可以使用import语句来引入模块，语法如下：importmodule1[,module2[,...moduleN]]比如要引用模块math，就可以在文件最开始的地方用importmath来引入。在调用math模块中的函数时，必须这样引用：模块名.函数名当解释器遇到import语句，如果模块在当前的搜索路径就会被导入。搜索路径是一个解释器会先进行搜索的所有目录的列表。如想要导入模块support.py，需要把命令放在脚本的顶端：模块的引入30test.py文件代码：#!/usr/bin/Python#-*-coding:UTF-8-*- 运行结果如下：#导入模块 Hello:Runoobimportsupport#现在可以调用模块里包含的函数了support.print_func("Runoob")模块的引入31一个模块只会被导入一次，不管执行了多少次import。这样可以防止导入模块被一遍又一遍地执行。Python的from语句从模块中导入一个指定的部分到当前命名空间中。语法如下：frommodnameimportname1[,name2[,...nameN]]例如，要导入模块fib的fibonacci函数，使用如下语句：fromfibimportfibonacci模块的引入32把一个模块的所有内容全都导入到当前的命名空间也是可行的，只需使用如下声明：frommodnameimport*这提供了一个简单的方法来导入一个模块中的所有项目。然而这种声明不该被过多地使用。例如想一次性引入math模块中所有的东西，语句如下：frommathimport*标准库模块33

Python提供了很多标准库，提升程序开发的效率。标准库不需要安装，只需要导入。比如，常用的math模块和time模块。math是Python中用来处理常见的数学计算。Time模块用于格式化时间，有很多函数可以转换常见日期格式，具体方法如表11-14所示。标准库模块34标准库模块35Python程序能用很多方式处理日期和时间，转换日期格式是一个常见的功能。Python提供了一个time和calendar模块可以用于格式化日期和时间。时间间隔是以秒为单位的浮点小数。每个时间戳都以自从1970年1月1日午夜（历元）经过了多长时间来表示。Python的time模块下有很多函数可以转换常见日期格式。如函数time.time()用于获取当前时间戳,代码示例：标准库模块36importtime#引入time模块

ticks=time.time()print("当前时间戳为:",ticks)运行结果如下：当前时间戳为:1687940482.375693811.6模块化编程三、第三方库概述38Python语言有超过12万个第三方库，覆盖信息技术几乎所有领域。比如网络爬虫、自动化、数据分析与可视化、WEB开发、机器学习和其他常用的一些第三方库。数据科学和数学库: NumPy:提供高性能的多维数组和矩阵操作。 Pandas:提供数据分析和处理工具，包括DataFrame等数据结构。 SciPy:用于科学计算的库，包含许多模块，如统计、优化等。概述39机器学习和人工智能: Scikit-learn:机器学习库，提供各种分类、回归、聚类等算法。 TensorFlow:由Google开发的深度学习框架，用于构建和训练神经网络。 PyTorch:由Facebook开发的深度学习库，以动态计算图为特点。概述40网络通信: Requests:用于发起HTTP请求的库。 Socket:提供套接字编程的基础功能，用于网络通信。图像处理: OpenCV:计算机视觉库，用于图像和视频处理。第三方库安装41第三方库是需要先安装之后才可以导入使用。以anaconda为例，首先通过开始菜单找到anaconda，打开AnacondaPrompt，输入以下命令安装。condainstall库名 Anaconda是集成环境，Numpy,Matplotlib部分常用第三方库已经包含在内，重新安装会提示库已经安装，如图11-21所示。第三方库安装42图11-21命令行第三方库安装（字体）第三方库的使用43首先要引入第三方库，然后利用第三方库的函数实现相应的功能。下面例子利用numpy和matplotlib库生成机器学习算法线性回归所需要的训练数据并可视化展示出来。#引入numpy库，并命名为npimportnumpyasnp#引入matplotlib的pyplot并命名为pltimportmatplotlib.pyplotasplt#利用numpy的arange方法生成100个0-99的连续数据第三方库的使用44X=np.arange(100)#利用numpy的生成符合正态分布的随机数noise=np.random.normal(0,6,100)y=0.5*X+noiseprint(X)#利用matplotlib库生成散点图plt.scatter(X,y)#利用matplotlib库生成折线图plt.plot(X,0.5*X,c='b')#显示plt.show()第三方库的使用45输出结果如下：X:[0123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899]第三方库的使用46第三方库的使用47在上个例子的基础上加入机器学习最简单的线性回归模型，回归模型利用第三方库Scikit-learn中的LinearRegression模型，对生成的数据进行训练，并拟合出线性方程的代码示例：#引入numpy库，并命名为npimportnumpyasnp#引入matplotlib的pyplot并命名为pltimportmatplotlib.pyplotasplt#引入机器学习库中的线性模型线性回归fromsklearn.linear_modelimportLinearRegression第三方库的使用48#利用numpy的arange方法生成100个0-99的连续数据X=np.arange(100)#利用numpy的生成符合正态分布的随机数noise=np.random.normal(0,6,100)y=0.5*X+noise#实例化线性回归模型并利用随机数据训练LR=LinearRegression()LR.fit(X.reshape(-1,1),y)第三方库的使用49#查看回归系数print(LR.coef_)print(X)#利用matplotlib库生成散点图plt.scatter(X,y)#原始数据斜率，蓝色折线plt.plot(X,0.5*X,c='b’)#利用线性回归拟合的斜率，红色折线plt.plot(X,LR.coef_*X,c='r')#显示plt.show()第三方库的使用50运行结果如下：[012345678910111213141516171819202122232425262728293031323334353637383940414243444546