人工智能基础与应用（第2版）（微课版）课件 模块2 Python：人工智能开发语言

模块❷Python：人工智能开发语言2-1初识Python目录CONTENTSPython简介01Python的特点及应用领域02一.Python简介发明人：吉多·范罗苏姆一.Python简介最受欢迎的计算机语言二.Python的特点及应用领域1Python特点Python为人工智能首选语言二.Python的特点及应用领域2Python应用领域数据挖掘机器学习、深度学习二.Python的特点及应用领域2Python应用领域云计算与运维Web应用开发人工智能基础与应用Thankyouverymuch!2-2Python开发环境搭建模块❷Python：人工智能开发语言目录CONTENTS安装Python01安装Anaconda02浅尝Python03一.安装Python1.下载Python安装文件一.安装Python1.下载Python安装文件一.安装Python2.安装Python安装设置界面安装成功提示界面一.安装Python2.安装PythonPython快捷菜单安装成功提示界面Python3.10ModuleDocs(64-bit)：内置服务式的Python模块帮助文档。IDLE(Python3.1064-bit)：Python自带的集成开发环境（IntegratedDevelopmentandLearningEnvironment，IDLE）。Python3.10Manuals(64-bit)：Python帮助文档。Python3.10(64-bit)：Python解释器。二.安装Anaconda1.安装AnacondaAnaconda是一个可以便捷安装开发包且对包能够进行统一管理的工具，它包含了conda、numpy、scipy、pandas、notebook在内的超过180多个科学包及其依赖项。官网下载界面二.安装Anaconda1.安装AnacondaAnaconda安装完成勾选安装选项二.安装Anaconda2.启动JupyterNotebook启动JupyternotebookAnaconda的快捷菜单二.安装Anaconda2.启动JupyterNotebookJupyterNotebook主页二.安装Anaconda3.浅尝Python新建case2-1的脚本源程序编写源代码人工智能基础与应用Thankyouverymuch!2-3Python编程基础模块❷Python：人工智能开发语言目录CONTENTS变量01分支结构02循环结构03组合数据类型04一.变量1.变量定义程序需要将数据存储到变量中，变量是计算机内存的存储位置的表示，也叫内存变量。变量用标识符来命名，也就是每个变量都有自己的名字，但命名变量的时候不能让变量名字与Python保留的关键字冲突。Python的关键字一.变量2.变量命名规则定义变量在Python内部是有类型的，如int、float、str等类型，但是在编程时无须关注变量类型，所有的变量都无须提前声明，赋值后就能使用。另外，可以将不同类型的数据赋值给同一个变量，所以变量的类型是可以随时改变的，可以用函数type来查看变量的类型。二.分支结构1.执行流程语法表示ifcondition_1:

statement_block_1elifcondition_2:

statement_block_2else:

statement_block_3二.分支结构2.例子【引例2-2】判断狗对应于人类的年龄。（1）引例描述输入狗的实际年龄，按下列公式计算狗对应于人类的年龄。

上式中x表示狗的实际年龄，y表示狗对应于人类的年龄。源代码三.循环结构1.while循环语法表示while循环条件(condition):

执行语句(statements)…三.循环结构2.例子源代码【引例2-3】多次反复计算狗对应于人类的年龄。（1）引例描述多次反复计算不同狗的年龄对应于人类的年龄，直到用户按“Q”键退出。四.组合数据类型1.列表列表用方括号“[]”来表示，里面的各元素用逗号分开，列表的各元素可以是不同的数据类型。创建一个列表，只要把用逗号分开的所有的元素使用方括号括起来即可。示例代码二.安装Anaconda1.安装AnacondaAnaconda是一个可以便捷安装开发包且对包能够进行统一管理的工具，它包含了conda、numpy、scipy、pandas、notebook在内的超过180多个科学包及其依赖项。官网下载界面二.安装Anaconda1.安装AnacondaAnaconda安装完成勾选安装选项二.安装Anaconda2.启动JupyterNotebook启动JupyternotebookAnaconda的快捷菜单二.安装Anaconda2.启动JupyterNotebookJupyterNotebook主页二.安装Anaconda3.浅尝Python新建case2-1的脚本源程序编写源代码人工智能基础与应用Thankyouverymuch!2-4NumPy基础应用模块❷Python：人工智能开发语言目录CONTENTS求解三元一次方程01数组计算02向量化处理03一.求解三元一次方程1.NumPy安装在Anaconda中已包含NumPy等基础库，如果其中没有找到NumPy，说明它还没有安装或已被卸载，需要执行以下命令来安装NumPy。

pip3installnumpyNumpy安装界面一.求解三元一次方程2.引例执行结果：二.数组计算1.数组定义数组是NumPy中最基础的数据结构，N维数组对象是ndarray，它是一系列同类型元素的集合，以0开始表示集合中元素的索引。在深度学习中，神经元之间的连接关系往往采用数组形式的参数来表示，还有大数据的统计也常常采用数组特性进行排序、去重和统计计算等。使用NumPy提供的数组操作，比使用常规的Python数组操作有更高的效率和更简洁的编程代码。ndarray0开始索引表示处理高校编程简洁二.数组计算2.引例1 importnumpyasnp2 iris_data=np.loadtxt("./data/iris.csv",delimiter=",",skiprows=1)3 print(type(iris_data))4 print(iris_data.shape)5 print('花萼长度的最大值:',np.max(iris_data[:,1]))6 print('花萼长度的最小值:',np.min(iris_data[:,1]))7 print('花萼长度的平均值:',np.mean(iris_data[:,1]))8 print('花萼长度的标准差:',np.std(iris_data[:,1]))9 print('花萼长度的方差:',np.var(iris_data[:,1]))二.数组计算2.引例执行结果:数组计算方便代码简洁高效三.向量化处理1.概念三.向量化处理2.引例读数据三.向量化处理2.引例VS结果对比：人工智能基础与应用Thankyouverymuch!2-5Matplotlib基础应用模块❷Python：人工智能开发语言目录CONTENTS绘制直方图01绘制散点图02一.绘制直方图1.Matplotlib简介Python的第三方库Matplotlib提供了丰富的绘图功能，是一个非常好用的数据可视化工具。Anaconda中已包含该工具，可以直接调用该第三方库。matplotlib官网一.绘制直方图2.引例一.绘制直方图2.引例运行结果：二.绘制散点图1.概念散点图利用一系列的散点将两个变量的联合分布情况描绘出来，可以从图形分布中推断一些信息，如两个变量间是否存在某种有意义的关系，当数据以恰当的方式在散点图中展示出来时，就可以非常直观地观察到某些趋势或者模式，也就可以揭示变量之间的关系。下面，以鸢尾花数据集为例，利用seaborn库的散点图尝试揭示鸢尾花花瓣的宽度和长度之间的关系。二.绘制散点图2.引例二.绘制散点图2.引例执行结果:人工智能基础与应用Thankyouverymuch!2-6项目1—精准扶贫计划模块❷Python：人工智能开发语言目录CONTENTS提出问题01解决方案02预备知识03任务1—从键盘输入方程的系数04任务2—调用roots函数求解方程05一.提出问题问题描述某县城当年有约12000个贫困人口，为合理利于扶贫资源、保持可持续减贫目标，计划3年后将贫困人口控制在2000左右，你认为将年平均贫困人口下降率定为多少比较合适？如何利用numpy求解该问题二.解决方案方案分析数学描述：解决流程：三.预备知识求根函数rootsnumpy.roots([多项式系数])Polynomial([多项式系数]).roots()用法1：用法2：四.任务1——从键盘输入方程的系数1.两种实现代码方法1方法2四.任务1——从键盘输入方程的系数2.运行结果方法1结果：方法2结果：五.任务2——调用roots函数求解方程1.任务描述用两种方法实现！五.任务2——调用roots函数求解方程2.实现代码方法1：方法2：五.任务2——调用roots函数求解方程2.运行结果方法1：方法2：人工智能基础与应用Thankyouverymuch!2-7项目2—解读第二产业的GDP发展趋势模块❷Python：人工智能开发语言目录CONTENTS提出问题01解决方案02预备知识03任务1—读取GDP数据并观察数据结构04任务2—绘制GDP数据的折线图05一.提出问题问题描述当拿到大量有关GDP的数据时，如何从这些表面看起来杂乱无章的数据中解读出一些有价值的信息呢？显然，如果能将这些数据以图形的方式展现出来，如将这些数据以随时间（或另一个变量）而变化的关系在图上绘制出来，是否能直观地帮助人们更深入洞悉数据背后可能隐藏的一些有用信息呢？如何用图形展示数据规律二.解决方案方案分析使用工具：