Python程序设计基础教程（微课版第2版）-第15章 常用的标准库和第三方库

厦门大学计算机科学与技术系2026年第15章常用的标准库和第三方库《Python程序设计基础教程（微课版，第2版）》/post/python2教材【书名】Python程序设计基础教程（第2版

微课版）【作者】林子雨，赵江声，陶继平【书号】978-7-115-68934-4【定价】59.80元【出版日期】2026年3月官网：/post/python2本教材入选教育部“十四五”普通高等教育本科国家级规划教材提纲15.1turtle库15.2random库15.3time库15.4PyInstaller库15.5jieba库15.6wordcloud库15.7Matplotlib库15.8NumPy库15.9Pillow库15.1turtle库turtle库是Python语言中一个很流行的绘制图像的函数库。引用turtle库的方式有如下三种：（1）方式1：使用importturtle，函数调用时使用的语句格式是turtle.circle(10)；（2）方式2：使用fromturtleimport*，函数调用时使用的语句格式是circle(10)；（3）方式3：使用importturtleast，函数调用时使用的语句格式是t.circle(10)。15.1turtle库15.1.1turtle的常用函数15.1.2绘图实例15.1.1turtle的常用函数1.设置画布设置画布的函数如下：turtle.screensize(canvwidth=None,canvheight=None,bg=None)这个函数中的参数分别为画布的宽（单位是像素）、高、背景颜色，比如：turtle.screensize(800,600,"green")或者也可以使用如下函数：turtle.setup(width=0.5,height=0.75,startx=None,starty=None)在这个函数中，width、height表示宽和高，如果输入的值为整数，则表示像素，如果输入的值为小数，则表示占据电脑屏幕的比例。(startx,starty)这一坐标表示矩形窗口左上角顶点的位置，如果为空，则窗口位于屏幕中心。下面是两个实例：turtle.setup(width=0.6,height=0.6)turtle.setup(width=800,height=800,startx=100,starty=100)15.1.1turtle的常用函数2.设置画笔可以设置画笔颜色、画线的宽度、画笔的移动速度，具体如下：（1）turtle.pensize()：设置画笔的宽度；（2）turtle.pencolor()：如果没有参数传入，则返回当前画笔颜色，如果有传入参数，则设置画笔颜色，传入参数可以是字符串，比如“green”、“red”，也可以是RGB三元组。（3）turtle.speed(speed)：设置画笔移动速度，画笔绘制的速度范围是[0,10]的整数，数字越大速度越快。15.1.1turtle的常用函数3.绘图函数表15-1、表15-2和表15-3分别给出了常用的画笔运动函数、画笔控制函数和其他函数。表15-1画笔运动函数函数说明turtle.forward(distance)向当前画笔方向移动distance像素长度turtle.backward(distance)向当前画笔相反方向移动distance像素长度turtle.right(degree)顺时针移动degree°turtle.left(degree)逆时针移动degree°turtle.pendown()移动时绘制图形turtle.goto(x,y)将画笔移动到坐标为x,y的位置turtle.penup()提起笔移动，不绘制图形，用于另起一个地方绘制turtle.circle()画圆，半径为正(负)，表示圆心在画笔的左边(右边)画圆turtle.setheading()设置画笔当前行进方向的角度(角度坐标体系中的绝对角度)15.1.1turtle的常用函数表15-2画笔控制函数函数说明turtle.fillcolor(colorstring)绘制图形的填充颜色urtle.color(color1,color2)同时设置pencolor=color1,fillcolor=color2turtle.filling()返回当前是否在填充状态turtle.begin_fill()准备开始填充图形turtle.end_fill()填充完成turtle.hideturtle()隐藏画笔的turtle形状turtle.showturtle()显示画笔的turtle形状表15-3其他函数函数说明turtle.mainloop()或turtle.done()启动事件循环，调用Tkinter的mainloop函数turtle.delay(delay=None)设置或返回以毫秒为单位的绘图延迟15.1.2绘图实例1.绘制五角星下面的代码用于绘制一个五角星，绘制效果图如15-1所示。01#five-pointed-star.py02fromturtleimportTurtle03p=Turtle()04p.speed(3)05p.pensize(5)06p.color("black","red")07p.begin_fill()08foriinrange(5):09p.forward(200)#将箭头移到某一指定坐标10p.right(144)#当前方向上向右转动角度11p.end_fill()图15-1绘制五角星15.1.2绘图实例2.绘制一条蛇下面的代码用于绘制一条蛇，绘制效果图如15-2所示。01#snake.py02importturtle03turtle.setup(650,350,200,200)04turtle.penup()05turtle.forward(-250)06turtle.pendown()07turtle.pensize(25)08turtle.pencolor("purple")09turtle.setheading(-40)10foriinrange(4):11turtle.circle(40,80)12turtle.circle(-40,80)13turtle.circle(40,80/2)14turtle.forward(40)15turtle.circle(16,180)16turtle.forward(40*2/3)17turtle.done()图15-2绘制一条蛇15.1.2绘图实例3.绘制太阳花下面的代码用于绘制一朵太阳花，绘制效果图如15-3所示。01#sun-flower.py02importturtle03importtime04turtle.color("red","yellow")05turtle.begin_fill()06foriinrange(50):07turtle.forward(200)08turtle.left(170)09turtle.end_fill()10turtle.mainloop()图15-3绘制太阳花15.2random库15.2.1基本随机数函数15.2.2扩展随机数函数15.2.1基本随机数函数Python是通过使用随机数种子来产生随机数的，只要种子相同，产生的随机序列，无论是每一个数，还是数与数之间的关系都是确定的，所以随机数种子决定了随机序列的产生。seed()函数就是用来初始化给定的随机数种子，默认为当前系统时间。具体实例如下：>>>importrandom>>>random.seed(8)#随机数种子取值为8>>>random.random()0.2267058593810488>>>random.random()0.9622950358343828>>>random.seed(8)#随机数种子取值为8>>>random.random()0.2267058593810488#生成的随机数可以重现15.2.1基本随机数函数>>>random.random()0.9622950358343828#生成的随机数可以重现>>>random.seed()#随机数种子取值为当前系统时间>>>random.random()0.9159875847083423>>>random.random()0.9737887393351271>>>random.seed()#随机数种子取值为当前系统时间>>>random.random()0.1830387102446276#生成的随机数不可以重现>>>random.random()#生成的随机数不可以重现0.7392871445268515从上面实例可以看出，当随机数种子一样时（比如，都取值为8），random()产生的随机数是可以重现的。但是，如果不使用随机数种子，seed()函数使用的是当前系统时间，后面产生的结果是完全不可重现的。15.2.2扩展随机数函数1.randint(a,b)生成一个[a,b]之间的整数，实例如下：>>>importrandom>>>random.randint(1,10)72.getrandbits(k)生成一个k比特长的随机整数，实例如下：>>>importrandom>>>random.getrandbits(8)793.uniform(a,b)生成一个[a,b]之间的随机小数，实例如下：>>>importrandom>>>random.uniform(1,10)8.92218271490217415.2.2扩展随机数函数4.randrange(m,n[,k])用户生成一个[m,n)之间以k为步长的随机整数，当省略k时，默认步长为1，实例如下：>>>importrandom>>>random.randrange(1,10)2>>>random.randrange(1,10)8>>>random.randrange(1,10)3>>>random.randrange(1,10,2)5>>>random.randrange(1,10,2)1>>>random.randrange(1,10,2)315.2.2扩展随机数函数5.choice(seq)从序列seq中随机选择一个元素，实例如下：>>>importrandom>>>random.choice([1,2,3,4,5,6,7,8,9])2>>>random.choice([1,2,3,4,5,6,7,8,9])3>>>random.choice([1,2,3,4,5,6,7,8,9])4>>>random.choice([1,2,3,4,5,6,7,8,9])615.2.2扩展随机数函数6.shuffle(seq)将序列seq中元素随机排列，返回打乱以后的序列，实例如下：>>>importrandom>>>s=[1,2,3,4,5,6,7,8,9]>>>random.shuffle(s)>>>print(s)[3,6,1,4,2,7,5,8,9]15.3time库15.3.1时间获取函数15.3.2时间格式化函数15.3.3程序计时函数15.3.1时间获取函数1.time()time()用于获取当前时间戳，即当前系统内表示时间的一个浮点数，实例如下：>>>importtime>>>time.time()1622081846.40550452.ctime()ctime()用于获取当前时间，并返回一个以人类可读方式表示的字符串，实例如下：>>>importtime>>>time.ctime()'ThuMay2710:19:182021'15.3.1时间获取函数3.gmtime()gmtime()用于获取当前时间，并返回计算机可处理的时间格式，实例如下：>>>importtime>>>time.gmtime()time.struct_time(tm_year=2021,tm_mon=5,tm_mday=27,tm_hour=2,tm_min=20,tm_sec=30,tm_wday=3,tm_yday=147,tm_isdst=0)15.3.2时间格式化函数时间格式化是将时间以合适方式展示出来的方法，类似于字符串的格式化，展示模板由特定格式化控制符组成。strftime(tpl,ts)tpl是格式化模板字符串（关于格式化字符串的详细说明请见表15-4），用来定义输出效果，ts是系统内部时间类型变量15.3.2时间格式化函数格式化字符串日期/时间说明取值范围和实例%Y年份0000-9999例如：1800%m月份01-12例如：8%B月份名称January-December例如：July%b月份名称简写(三个字符)Jan-Dec例如：Apr%d日期01-31例如25%A星期Monday-Sunday例如：Tuesday%a星期缩写（三个字符）Mon-Sun例如：Wed%H小时（24小时）00~23，例如：15%h小时(12小时)01~12，例如：9%P上/下午AM,PM,例如:AM%M分钟00~59，例如：34%S秒00~59，例如：42表15-4时间格式化字符串说明15.3.2时间格式化函数实例如下：>>>importtime>>>t=time.gmtime()>>>time.strftime("%Y-%m-%d%H:%M:%S",t)'2021-05-2702:48:30'>>>time.strftime("%Y-%B-%d-%A-%H-%p-%S")'2021-May-27-Thursday-10-AM-02'>>>time.strftime("%A-%p")'Thursday-AM'>>>time.strftime("%M:%S")'49:14'15.3.2时间格式化函数2.strptime(str,tpl)str是字符串形式的时间值，tpl是格式化模板字符串，用来定义输入效果，实例如下：>>>importtime>>>timeStr='2021-05-2710:26:21'>>>time.strptime(timeStr,"%Y-%m-%d%H:%M:%S")time.struct_time(tm_year=2021,tm_mon=5,tm_mday=27,tm_hour=10,tm_min=26,tm_sec=21,tm_wday=3,tm_yday=147,tm_isdst=-1)15.3.3程序计时函数程序计时是指测量程序从开始到结束所经历的时间，主要包括测量时间和产生时间两部分。time库提供了一个非常精准的测量时间函数perf_counter()，该函数可以获取CPU以其频率运行的时钟，这个时间往往是以纳秒来计算的，所以这样获取的时间非常精准。Time库提供的产生时间函数sleep()，可以让程序休眠或产生一段时间。15.3.3程序计时函数1.perf_counter()perf_counter()会返回系统运行时间，由于返回值的基准点是未定义的，所以，只有连续调用的结果之间的差值才是有效的。实例如下：>>>importtime>>>start=time.perf_counter()>>>print(start)1497.733367483>>>end=time.perf_counter()>>>print(end)1522.141805637>>>end-start24.40843815400012315.3.3程序计时函数2.sleep(s)在sleep(s)中，s为休眠时间，单位是秒，可以是浮点数，实例如下：>>>importtime>>>defwait(): time.sleep(4.5) >>>wait()15.3.3程序计时函数3.应用实例这里使用程序计时函数perf_counter()和sleep(s)实现一个实时显示程序执行进度的效果，具体代码如下：01#program_process.py02importtime03scale=4004print('执行开始')05start=time.perf_counter()06foriinrange(scale+1):07a='*'*i08b='.'*(scale-i)09c=(i/scale)*10010dur=time.perf_counter()-start11print("\r{:^3.0f}%[{}->{}]{:.2f}".format(c,a,b,dur))12time.sleep(0.1)13print('\n'+'执行结束')15.3.3程序计时函数15.4PyInstaller库PyInstaller库用于将Python源代码文件转换成exe格式的可执行文件。在Windows系统中，打开一个cmd窗口，执行如下命令就可以在Python3环境中安装PyInstaller库：>pipinstallpyinstallerPyInstaller的常用参数如表15-5所示。参数作用-h查看帮助--clean清理打包过程临时文件-D默认值，生成dist文件夹-F只在dist文件夹中生成打包文件-i<图标文件名.ico>指定打包文件使用的图标文件15.4PyInstaller库PyInstaller的最简单的使用方法是：pyinstaller-F<文件名.py>假设已经有一个代码文件“C:\mycode\hello.py”，里面只有一行代码“print("HelloWorld")”，可以使用如下命令生成可执行文件：>cdC:\mycode>pyinstaller-Fhello.py执行完上述命令以后，在“C:\mycode”目录下会生成三个新的目录，分别是__pycache__、build和dist，进入dist目录，里面就包含了一个可执行文件hello.exe，双击该文件就可以执行。15.5jieba库15.5.1jieba库简介15.5.2jieba的安装和使用15.5.3应用实例15.5.1jieba库简介Jieba库是一款流行的Python第三方中文分词库。jieba分词采用的是基于统计的分词方法，首先给定大量已经分好词的文本，利用机器学习的方法学习分词规律，然后保存训练好的模型，从而实现对新的文本的分词。具体而言，包括如下步骤：（1）先加载自带的字典，生成trie树；（2）给定待分词的句子，使用正则表达式获取连续的中文字符和英文字符，切分成短语列表，对每个短语使用DAG（有向无环图）和动态规划，得到最大概率路径，对DAG中那些没有在字典中查到的字，组合成一个新的片段短语，使用HMM模型（隐马尔科夫模型）进行分词，也就是识别新词，即识别字典外的新词；（3）使用Python的yield语法生成一个词语生成器，逐词语返回。15.5.1jieba库简介jieba中文分词支持三种分词模式：（1）精确模式：试图将语句最精确地切分，不存在冗余数据，适合做文本分析；（2）全模式：将语句中所有可能是词的词语都切分出来，速度很快，但是存在冗余数据；（3）搜索引擎模式：在精确模式的基础上，对长词再次切分，提高召回率，适合用于搜索引擎分词。15.5.1jieba库简介表15-6给出了jieba库的常用函数及其说明。函数说明jieba.cut(s)精确模式，返回一个可迭代的数据类型jieba.cut(s,cut_all=True)全模式，输出s中的所有可能单词jieba.cut_for_search(s)搜索引擎模式jieba.lcut(s)精确模式，返回一个列表类型jieba.lcut(s,cut_all=True)全模式，返回一个列表类型jieba.lcut_for_search(s)搜索引擎模式，返回一个列表类型jieba.add_word(w)向分词词典中增加新词w15.5.2jieba的安装和使用在Windows系统中，打开一个cmd窗口，执行如下命令就可以在Python3环境中安装jieba库：>pipinstalljieba15.5.2jieba的安装和使用新建一个代码文件jieba_test.py，内容如下：01#-*-coding:utf-8-*-02#jieba_test.py03importjieba04#全模式05text="我来到厦门大学数据库实验室"06seg_list=jieba.cut(text,cut_all=True)07print(u"[全模式]:","/".join(seg_list))0809#精确模式10seg_list=jieba.cut(text,cut_all=False)11print(u"精确模式]:","/".join(seg_list))1213#默认是精确模式14seg_list=jieba.cut(text)15print(u"[默认模式]:","/".join(seg_list))1617#搜索引擎模式18seg_list=jieba.cut_for_search(text)19print(u"[搜索引擎模式]:","/".join(seg_list))15.5.2jieba的安装和使用代码的执行结果如下：[全模式]:我/来到/厦门/厦门大学/大学/数据/数据库/据库/实验/实验室精确模式]:我/来到/厦门大学/数据库/实验室[默认模式]:我/来到/厦门大学/数据库/实验室[搜索引擎模式]:我/来到/厦门/大学/厦门大学/数据/据库/数据库/实验/实验室15.5.3应用实例这里给出一个具体应用实例，完成的功能是，给定一段语句，使用jieba分词对语句进行分词，并统计出出现次数排在前3位的词语，具体实现代码如下：01#-*-coding:utf-8-*-02#wordcount.py03importjieba0405text="厦门大学设有研究生院、6个学部以及30个学院和16个研究院，形成了包括人文科学、社会科学、自然科学、工程与技术科学、管理科学、艺术科学、医学科学等学科门类在内的完备学科体系。学校现有18个学科进入ESI全球前1%，拥有5个一级学科国家重点学科、9个二级学科国家重点学科。学校设有32个博士后流动站；36个博士学位授权一级学科，45个硕士学位授权一级学科；8个交叉学科；1个博士专业学位学科授权类别，28个硕士专业学位学科授权类别。”15.5.3应用实例06words=jieba.cut(text)#使用精确模式对文本进行分词07counts={}#通过键值对的形式存储词语及其出现的次数0809forwordinwords:10iflen(word)==1:#不对单个字的词语进行统计11continue12else:13counts[word]=counts.get(word,0)+1#词语每出现一次，其对应的次数加11415items=list(counts.items())16items.sort(key=lambdax:x[1],reverse=True)#根据词语出现的次数进行从大到小排序1718foriinrange(3):19word,count=items[i]20print("{0:<4}{1:>4}".format(word,count))15.6wordcloud库wordcloud是优秀的词云展示第三方库，它可以根据文本中词语出现的频率等参数绘制词云，而且词云的绘制形状、尺寸和颜色都可以设定。Python安装好以后，默认是没有安装wordcloud库的，需要单独安装。在Windows系统中打开一个cmd窗口，执行如下命令安装wordcloud库：>pipinstallwordcloud15.6wordcloud库在使用wordcloud制作词云时，首先要声明一个WordCloud对象，语法如下：w=wordcloud.WordCloud(<参数>);对于一个WordCloud对象w，它可以使用的基本函数如下：w.generate()：向WordCloud对象中加载文本；w.to_file(filename)：将词云输出为图像文件（png或jpg格式）。对于一个WordCloud对象w，可以配置如表15-7所示的各种参数。15.6wordcloud库参数描述width指定词云对象生成图片的宽度，默认为400像素实例：w=wordcloud.WordCloud(width=500)height指定词云对象生成图片的高度，默认为200像素实例：w=wordcloud.WordCloud(height=300)min_font_size指定词云中字体的最小字号，默认为4号实例：w=wordcloud.WordCloud(min_font_size=10)max_font_size指定词云中字体的最大字号，根据高度自动调节实例：w=wordcloud.WordCloud(max_font_size=20)font_step指定词云中字体字号的步进间隔，默认为1实例：w=wordcloud.WordCloud(font_step=2)font_path指定文体文件的路径，默认为None实例：w=wordcloud.WordCloud(font_path="msyh.ttc")max_words指定词云显示的最大单词数量，默认为200实例：w=wordcloud.WordCloud(max_words=20)stop_words指定词云的排除词列表，即不显示的单词列表实例：w=wordcloud.WordCloud(stop_words="Python")mask指定词云形状，默认为长方形实例：importimageio#需要事先安装imageio库mk=imageio.imread("pic.png")w=wordcloud.WordCloud(mask=mk)background_color指定词云图片的背景颜色，默认为黑色实例：w=wordcloud.WordCloud(background_color="white")表15-7WordCloud对象的配置参数15.6wordcloud库绘制词云包含3个主要步骤：配置对象参数；加载词云文本；输出文本。15.6wordcloud库下面是制作词云的简单实例：01 #wordcloud_university.py02 importjieba03 importwordcloud04 txt="厦门大学设有研究生院、6个学部以及30个学院和16个研究院，形成了包括人文科学、社会科学、自然科学、工程与技术科学、管理科学、艺术科学、医学科学等学科门类在内的完备学科体系。学校现有18个学科进入ESI全球前1%，拥有5个一级学科国家重点学科、9个二级学科国家重点学科。学校设有32个博士后流动站；36个博士学位授权一级学科，45个硕士学位授权一级学科；8个交叉学科；1个博士专业学位学科授权类别，28个硕士专业学位学科授权类别。"05 w=wordcloud.WordCloud(width=1000,font_path="C:\\Windows\\Fonts\\simsun.ttc",height=700)06 w.generate("".join(jieba.lcut(txt)))07 w.to_file("university.png")15.6wordcloud库程序执行成功后会生成一个名称为“university.png”的词云图片（如图15-5所示）。图15-5一个词云的简单实例15.7Matplotlib库Matplotlib是Python最著名的绘图库，它提供了一整套和Matlab相似的命令API，十分适合交互式地进行制图。而且也可以方便地将它作为绘图控件，嵌入到GUI应用程序中。Matplotlib能够创建多种类型的图表，如条形图、散点图、饼图、堆叠图、3D图和地图图表。Python安装好以后，默认是没有安装Matplotlib库的，需要单独安装。在Windows系统中打开一个cmd窗口，执行如下命令安装Matplotlib库：>pipinstallmatplotlib15.7Matplotlib库15.7.1绘制折线图15.7.2绘制条形图15.7.3绘制直方图15.7.4绘制饼图15.7.1绘制折线图首先要导入pyplot模块：>>>importmatplotlib.pyplotasplt接下来，调用plot方法绘制一些坐标：>>>plt.plot([1,2,3],[4,8,5])plot()方法需要很多参数，但是最主要的是前2个参数，分别表示x坐标和y坐标，比如，上面语句中放入了两个列表[1,2,3]和[4,8,5]，就表示生成了3个坐标(1,4)、(2,8)和(3,5)。下面可以把图表显示到屏幕上（如图15-6所示）：>>>plt.show()图15-6三个坐标点生成的折线图15.7.1绘制折线图下面画出两条折线，并且给每条折线一个名称：>>>x=[1,2,3]#第1条折线的横坐标>>>y=[4,8,5]#第1条折线的纵坐标>>>x2=[1,2,3]#第2条折线的横坐标>>>y2=[11,15,13]#第2条折线的纵坐标>>>plt.plot(x,y,label='FirstLine')#绘制第1条折线，给折线一个名称'FirstLine'>>>plt.plot(x2,y2,label='SecondLine')#绘制第2条折线，给折线一个名称'SecondLine'>>>plt.xlabel('PlotNumber')#给横坐标轴添加名称>>>plt.ylabel('Importantvar')#给纵坐标轴添加名称>>>plt.title('GraphExample\nTwolines')#添加标题>>>plt.legend()#添加图例>>>plt.show()#显示到屏幕上（如图15-7所示）15.7.1绘制折线图图15-7绘制两条折线15.7.2绘制条形图下面介绍条形图的绘制方法。>>>plt.bar([1,3,5,7,9],[6,3,8,9,2],label="FirstBar")#第1个数据系列>>>#下面的color='g'，表示设置颜色为绿色>>>plt.bar([2,4,6,8,10],[9,7,3,6,7],label="SecondBar",color='g')#第2个数据系列>>>plt.legend()#添加图例>>>plt.xlabel('barnumber')#给横坐标轴添加名称>>>plt.ylabel('barheight')#给纵坐标轴添加名称>>>plt.title('BarExample\nTwobars!')#添加标题>>>plt.show()#显示到屏幕上（如图15-8所示）15.7.2绘制条形图图15-8条形图15.7.3绘制直方图下面介绍直方图的绘制方法。>>>population_ages=[21,57,61,47,25,21,33,41,41,5,96,103,108, 121,122,123,131,112,114,113,82,77,67,56,46,44,45,47]>>>bins=[0,10,20,30,40,50,60,70,80,90,100,110,120,130]>>>plt.hist(population_ages,bins,histtype='bar',rwidth=0.8)>>>plt.xlabel('x')>>>plt.ylabel('y')>>>plt.title('GraphExample\nHistogram')>>>plt.show()#显示到屏幕上（如图15-9所示）15.7.3绘制直方图图15-9直方图15.7.4绘制饼图下面介绍饼图的绘制方法。>>>slices=[7,2,2,13]#即activities分别占比7/24,2/24,2/24,13/24>>>activities=['sleeping','eating','working','playing']>>>cols=['c','m','r','b']>>>plt.pie(slices,labels=activities,colors=cols,startangle=90,shadow=True,explode=(0,0.1,0,0),autopct='%1.1f%%')>>>plt.title('GraphExample\nPiechart')>>>plt.show()#显示到屏幕上（如图15-10所示）15.7.4绘制饼图图15-10饼图15.8NumPy库15.8.1概述15.8.2数组创建15.8.3数组索引和切片15.8.4数组运算15.8.5数组对象的常用函数15.8.1概述NumPy数组是NumPy库中的核心对象，它是一个用于保存数据的网格状结构。这种数组可以拥有任意数量的维度，每个维度也可以是任意长度，因此可以非常方便地处理各种类型的数据集。15.8.1概述NumPy数组有许多重要的特性：（1）数据类型：NumPy数组具有明确的数据类型，这可以提高处理速度并减少内存使用。在创建数组时，可以指定数据类型，如整数、浮点数或复数等。默认情况下，如果未指定数据类型，NumPy会根据输入数据自动推断数据类型。（2）形状：数组的形状由其维度确定。一维数组类似于Python列表，而多维数组则类似于嵌套列表。可以通过数组的shape属性获取其维度信息。（3）广播机制：NumPy的广播机制允许对不同形状的数组进行数学运算，而无需显式地重塑或复制数据，这使得在数组上进行计算变得非常高效。15.8.1概述（4）切片和索引：NumPy数组支持类似于Python列表的切片和索引操作，这使得访问和修改数组元素变得非常直观和方便。（5）数学运算：NumPy提供了大量的数学函数和操作符，可以直接对数组进行运算，无需编写循环，这使得处理大规模数据集时能够显著提高性能。15.8.2数组创建下面是数组创建的一些具体实例：>>>importnumpyasnp>>>a=[1,2,3,4,5]#创建简单的列表>>>b=np.array(a)#将列表转换为数组>>>barray([1,2,3,4,5])>>>b.size#数组的元素个数5>>>b.shape#数组的形状(5,)>>>b.ndim#数组的维度1>>>b.dtype#数据的元素类型dtype('int32')>>>print(b[0],b[1],b[2])#访问数组元素12315.8.2数组创建>>>b[4]=6#修改数组元素>>>barray([1,2,3,4,6])>>>c=np.array([[1,2,3],[4,5,6]])#创建二维数组>>>c.shape#数组的形状(2,3)>>>print(c[0,0],c[0,1],c[0,2],c[1,0],c[1,1],c[1,2])123456>>>d=a.copy()#数组的复制>>>d[1,2,3,4,5]15.8.2数组创建NumPy还提供了一些常用的数据创建函数，包括zeros()、ones()、empty()、eye()、full()、random.random()、random.randint()、random.rand()、random.randn()、random.uniform()、linspace()、arange()等。（1）zeros()：创建一个数组，内部元素均为0，第一个参数提供维度，第二个参数提供类型。>>>a=np.zeros([2,3],int)>>>aarray([[0,0,0],[0,0,0]])15.8.2数组创建（2）ones()：创建一个数组，内部元素均为1，第一个参数提供维度，第二个参数提供类型。>>>a=np.ones([2,3],int)>>>aarray([[1,1,1],[1,1,1]])15.8.2数组创建（3）empty()：创建一个没有任何具体值的数组，第一个参数提供维度，第二个参数提供类型。>>>a=np.empty([2,3],int)>>>aarray([[0,0,0],[0,0,0]])15.8.2数组创建（4）eye()：返回一个具有对角线为1其余元素为0的二维数组，常称为单位矩阵；第一个参数提供矩阵规模；第二个参数如果为0则对角线全为“1”，大于0则右上方第k条对角线全为“1”，小于0则左下方第k条对角线全为“1”；第三个参数提供类型。>>>a=np.eye(3,k=1,dtype=int)>>>aarray([[0,1,0],[0,0,1],[0,0,0]])>>>a=np.eye(4,k=-2,dtype=int)>>>aarray([[0,0,0,0],[0,0,0,0],[1,0,0,0],[0,1,0,0]])15.8.2数组创建（5）full()：full((m,n),c)用于创建一个指定形状（m行n列）、指定值（c）的数组。>>>a=np.full((2,3),4)>>>aarray([[4,4,4],[4,4,4]])15.8.2数组创建（6）random.random()：random.random((m,n))生成一个m行n列的元素为0～1随机数的数组。>>>a=np.random.random((2,3))>>>aarray([[0.46657535,0.2398773,0.18675721],[0.30525201,0.66826887,0.5708038]])15.8.2数组创建（7）random.randint()：random.randint(low,high=None,size=None,dtype='l')返回一个随机整数，范围从低（包括）到高（不包括），即[low,high)。如果没有写参数high的值，则返回[0,low)的值。size用于指定生成元素值的形状，也就是数组维度的大小，如果不指定size这个参数，那么生成的元素值的个数只有一个。>>>a=np.random.randint(2,size=10)>>>aarray([0,1,0,0,1,1,0,0,1,1])>>>b=np.random.randint(5,size=(2,4))>>>barray([[1,2,3,3],[0,0,2,4]])15.8.2数组创建（8）random.rand()：random.rand(d0,d1,…,dn)根据给定维度生成[0,1)内的数据，其中，dn表示数组每个维度的元素个数。>>>a=np.random.rand(4,2)>>>aarray([[0.22225254,0.25555882],[0.69250455,0.62957494],[0.567664,0.30459249],[0.16394031,0.00900947]])15.8.2数组创建（9）random.randn()：random.randn(d0,d1,…,dn)返回一个或一组样本，具有标准正态分布，其中，dn表示数组每个维度的元素个数。>>>a=np.random.randn(2,4)>>>aarray([[-0.28183753,-0.4931384,-2.11355842,0.17782074],[-1.14089585,0.816798,0.39287532,-0.19339946]])（10）random.uniform()：random.uniform(low,high,size)会从一个均匀分布[low,high)中随机采样，其中，low表示采样下界，float类型，默认值为0；high表示采样上界，float类型，默认值为1；size表示输出样本数目，为int或元组类型，例如，size=(m,n,k),则输出m*n*k个样本，缺省时输出1个值。>>>a=np.random.uniform(5,10,size=4)>>>aarray([6.67581928,9.15495131,5.02607146,5.05260788])15.8.2数组创建（11）linspace()：linspace(start,end,num=num_points,endpoint=False,retstep=True,axis=0,dtype=int)，用于在线性区域中生成等间距的序列。其中，[start,end]表示数值区间；num表示元素个数；endpoint如果设置为False，表示对应的序列在[start,end)，即不包括最后一个元素；retstep如果设置为True，则返回的序列结果为一个元组；axis用于设置轴来存储，默认为0，表示在开始处插入新轴；dtype表示数据类型，默认类型为int，很多时候输出为float类型。15.8.2数组创建>>>a=np.linspace(10,100,10)>>>aarray([10.,20.,30.,40.,50.,60.,70.,80.,90.,100.])（12）arange()：arange(start,stop,step,dtype=None)返回在给定的间隔内返回具有一定步长的整数。start和stop分别表示开始位置和结束位置，step表示步长，dtype表示输出数组的类型，如果未给出dtype，则从其他输入参数推断数据类型。>>>a=np.arange(1,5,2)>>>aarray([1,3])>>>a=np.arange(1,5)#起点为1，步长默认为1>>>aarray([1,2,3,4])>>>a=np.arange(5)#只有结束项>>>aarray([0,1,2,3,4])15.8.3数组索引和切片与Python列表类似，NumPy数组可以索引和切片。由于数组可能是多维的，因此，必须为数组的每个维度指定一个索引或切片。具体实例如下：>>>a=np.arange(10)#返回0~9,整型>>>aarray([0,1,2,3,4,5,6,7,8,9])>>>a[5]5>>>a[5:8]array([5,6,7])>>>a[5:8]=12>>>aarray([0,1,2,3,4,12,12,12,8,9])15.8.3数组索引和切片>>>a=np.arange(10)>>>a_slice=a[5:8]>>>a_slice[0]=-1>>>a_slicearray([-1,6,7])>>>aarray([0,1,2,3,4,-1,6,7,8,9])>>>b=np.array([[1,2,3],[4,5,6],[7,8,9]])>>>b[2]array([7,8,9])>>>b[0][2]3>>>b[0,2]315.8.3数组索引和切片>>>b[:2]array([[1,2,3],[4,5,6]])>>>b[:2,1:]array([[2,3],[5,6]])>>>b[1,:2]array([4,5])>>>b[:2,2]array([3,6])>>>b[:,:1]array([[1],[4],[7]])15.8.4数组运算数组运算实质上是数组对应位置的元素的运算，常见的是加、减、乘、除、开方等运算。具体实例如下：>>>a=np.array([[1,2,3],[4,5,6]])>>>a*aarray([[1,4,9],[16,25,36]])>>>a-aarray([[0,0,0],[0,0,0]])>>>1/aarray([[1.,0.5,0.33333333],[0.25,0.2,0.16666667]])15.8.4数组运算>>>a+aarray([[2,4,6],[8,10,12]])>>>np.exp(a)#e的幂array([[2.71828183,7.3890561,20.08553692],[54.59815003,148.4131591,403.42879349]])>>>np.sqrt(a)array([[1.,1.41421356,1.73205081],[2.,2.23606798,2.44948974]])>>>a**2array([[1,4,9],[16,25,36]],dtype=int32)15.8.5数组对象的常用函数NumPy提供了函数或方法对数组进行基本操作，掌握了这些基本操作，可以在使用数组的时候更加灵活多变，也可以为后续的编程提供更简便的算法。数组对象常用的函数包括以下几类：（1）修改数组形状：reshape()、flatten()、ravel()；（2）翻转数组：transpose()、rollaxis()、swapaxes()；（3）修改数组维度：expand_dims()、squeeze()；（4）连接数组：concatenate()、union1d()、stack、hstack()、vstack()；（5）拆分数组：split()、hsplit()、vsplit()；（6）数组元素的添加、删除与替换：resize()、append()、insert()、delete()、unique()、where()、put()；（7）数学计算：min()、max()、mean()、median()、sum()、abs()；（8）排序：sort()、argsort()。15.9Pillow库15.9.1Pillow概述15.9.2Pillow库Image类15.9.3Pillow库ImageFilter类和ImageEnhance类15.9.4Pillow库ImageDraw类和ImageFont类15.9.5图像的字符画绘制15.9.1Pillow概述Pillow库的主要特点和功能如下：（1）图像格式支持：Pillow支持大量的图像文件格式，包括但不限于JPEG、PNG、BMP、GIF、TIFF、SVG等。开发者可以轻松地读取、编辑和保存这些格式的图像。（2）图像处理功能：Pillow提供了丰富的图像处理功能，如图像缩放、裁剪、旋转、翻转、色彩调整（如亮度、对比度、饱和度、色相调整等）、滤镜效果（如模糊、锐化、边缘检测等）、图像合成（如透明度调整、图层叠加等）。（3）像素级操作：Pillow允许开发者直接访问和操作图像的像素数据。你可以读取像素值，对它们进行修改，然后再将修改后的数据写回到图像中。（4）图像显示：Pillow支持将图像显示在屏幕上，通常配合Tkinter或其他GUI库使用。15.9.1Pillow概述（5）文字绘制：Pillow支持在图像上绘制文字，可以设置文字内容、字体、大小、颜色等属性。（6）图像分析：Pillow提供了一些基本的图像分析功能，如计算图像的直方图、获取图像的统计信息等。（7）图像转换：Pillow可以将图像转换为不同的颜色模式（如RGB、CMYK、灰度等），以适应不同的输出需求。（8）性能优化：虽然Pillow是用纯Python编写的，但它内部使用了许多优化的算法和C语言扩展，以提供较好的性能。对于大规模的图像处理任务，开发者可以通过调整Pillow的配置或结合其他工具（如NumPy）来进一步提高性能。15.9.1Pillow概述丰富功能的实现，得益于Pillow提供了众多的模块。在Pillow库中有二十多个模块，比如Image图像处理模块、ImageFont添加文本模块、ImageColor颜色处理模块、ImageDraw绘图模块等等，每个模块各自实现了不同的功能，同时模块之间又可以互相配合。通过Python包管理器pip来安装Pillow是最简单、轻量级的一种安装方式，并且这种方法适用于任何平台，只需执行以下命令即可：>pipinstallpillow15.9.2Pillow库Image类1.创建Image对象Image类是Pillow库中最为重要的类，该类被定义在和与其同名的Image模块中。需要使用下列导包方式引入Image模块：>>>fromPILimportImage使用Image类可以实例化一个Image对象，通过调用该对象的一系列属性和方法对图像进行处理。Pillow提供了两种创建Image实例对象的方法：open()和new()，这里介绍open()的使用方法。使用Image类的open()方法，可以创建一个Image对象，语法格式如下：im=Image.open(fp,mode="r")其中，fp表示文件路径，采用字符串格式；mode是可选参数，若出现该参数，则必须设置为

"r"，否则会引发ValueError异常。15.9.2Pillow库Image类下面是具体实例：>>>fromPILimportImage>>>#打开一个位于Python当前工作目录下的图片文件xiamen-university.jpg>>>#需要提前准备好图片xiamen-university.jpg>>>im=Image.open("xiamen-university.jpg")>>>#调用show()方法显示图像>>>im.show()15.9.2Pillow库Image类2.Image对象的基本属性Image对象有一些常用的基本属性，这些属性能够帮助我们了解图片的基本信息，下面对这些属性用法做简单的演示：>>>fromPILimportImage>>>im=Image.open("xiamen-university.jpg")>>>print("宽是%s高是%s"%(im.width,im.height))>>>print("图像的大小size:",im.size)>>>print("图像的格式:",im.format)>>>print("图像是否为只读:",im.readonly)>>>print("图像信息:",)>>>print("图像模式信息:",im.mode)15.9.2Pillow库Image类3.Pillow图片格式转换Pillow能够很轻松地实现图片格式之间的转换。图片格式之间的转换主要有两种方法：save()和convert()。save()方法用于保存图像，当不指定文件格式时，它会以默认的图片格式来存储；如果指定图片格式，则会以指定的格式存储图片。save()的语法格式如下：Image.save(fp,format=None)其中，fp是图片的存储路径，包含图片的名称，采用字符串格式；format是可选参数，用于指定图片的格式。>>>fromPILimportImage>>>im=Image.open("xiamen-university.jpg")>>>im.save('xiamen-university.bmp')15.9.2Pillow库Image类但是，并非所有的图片格式都可以用save()方法转换完成，比如，将PNG格式的图片保存为JPG格式，如果直接使用save()方法就会报错。引发错误的原因是由于PNG和JPG图像模式不一致导致的。其中，PNG是四通道RGBA模式，即红色、绿色、蓝色、Alpha透明色；JPG是三通道RGB模式。因此，要想实现图片格式的转换，就要将PNG转变为三通道RGB模式。Image类提供的convert()方法可以实现图像模式的转换。该函数提供了多个参数，比如mode、matrix、dither等，其中，最关键的参数是mode，其余参数无须关心。语法格式如下：convert(mode,params**)其中，mode指的是要转换成的图像模式；params是其他可选参数。>>>fromPILimportImage>>>#假设在Python当前工作目录下已经存在图片文件example.png>>>im=Image.open("example.png")>>>image=im.convert('RGB')>>>im.save('example.jpg')15.9.2Pillow库Image类4.Pillow图像缩放操作

在图像处理过程中，经常会遇到缩小或放大图像的情况，Image类提供的resize()方法能够实现任意缩小和放大图像。resize()函数的语法格式如下：resize(size,resample=image.BICUBIC,box=None,reducing_gap=None)各个参数的含义如下：（1）size：元组参数(width,height)，图片缩放后的尺寸；（2）resample：可选参数，指图像重采样滤波器，默认为Image.BICUBIC；（3）box：对指定图片区域进行缩放，box的参数值是长度为4的像素坐标元组，即(左,上,右,下)。注意，被指定的区域必须在原图的范围内，如果超出范围就会报错。当不传该参数时，默认对整个原图进行缩放；（4）reducing_gap：可选参数，浮点参数值，用于优化图片的缩放效果，常用参数值有3.0和5.0。15.9.2Pillow库Image类>>>fromPILimportImage>>>im=Image.open("example.png")>>>print("图像的大小size:",im.size)

>>>image=im.resize((135,54))

#缩小图片>>>image.save("example-small.png")>>>print("查看新图像的尺寸",image.size)15.9.2Pillow库Image类Image类还支持创建缩略图。缩略图指的是将原图缩小至一个指定大小的图像。通过创建缩略图可以使图像更易于展示和浏览。Image对象提供了一个thumbnail()方法用来生图像的缩略图，该函数的语法格式如下：thumbnail(size,resample)其中，size是元组参数，指的是缩小后的图像大小；resample是可选参数，指图像重采样滤波器，有四种过滤方式，分别是Image.BICUBIC（双立方插值法）、PIL.Image.NEAREST（最近邻插值法）、PIL.Image.BILINEAR（双线性插值法）、PIL.Image.LANCZOS（下采样过滤插值法），默认为Image.BICUBIC。>>>fromPILimportImage>>>im=Image.open("example.png")>>>im.thumbnail((100,50))>>>print("缩略图尺寸",im.size)>>>im.save("example-thumbnail.png")15.9.2Pillow库Image类在图像处理过程中，对于某些不需要精细处理的环节，我们往往采用批量处理方法，比如批量转换格式、批量修改尺寸等，这是一种提升工作效率的有