模塊?Python：人工智能開發語言2-1初識Python目錄CONTENTSPython簡介01Python的特點及應用領域02一.Python簡介發明人：吉多·范羅蘇姆一.Python簡介最受歡迎的計算機語言二.Python的特點及應用領域1Python特點Python為人工智能首選語言二.Python的特點及應用領域2Python應用領域數據挖掘機器學習、深度學習二.Python的特點及應用領域2Python應用領域云計算與運維Web應用開發人工智能基礎與應用Thankyouverymuch!2-2Python開發環境搭建模塊?Python：人工智能開發語言目錄CONTENTS安裝Python01安裝Anaconda02淺嘗Python03一.安裝Python1.下載Python安裝文件一.安裝Python1.下載Python安裝文件一.安裝Python2.安裝Python安裝設置界面安裝成功提示界面一.安裝Python2.安裝PythonPython快捷菜單安裝成功提示界面Python3.10ModuleDocs(64-bit)：內置服務式的Python模塊幫助文檔。IDLE(Python3.1064-bit)：Python自帶的集成開發環境（IntegratedDevelopmentandLearningEnvironment，IDLE）。Python3.10Manuals(64-bit)：Python幫助文檔。Python3.10(64-bit)：Python解釋器。二.安裝Anaconda1.安裝AnacondaAnaconda是一個可以便捷安裝開發包且對包能夠進行統一管理的工具，它包含了conda、numpy、scipy、pandas、notebook在內的超過180多個科學包及其依賴項。官網下載界面二.安裝Anaconda1.安裝AnacondaAnaconda安裝完成勾選安裝選項二.安裝Anaconda2.啟動JupyterNotebook啟動JupyternotebookAnaconda的快捷菜單二.安裝Anaconda2.啟動JupyterNotebookJupyterNotebook主頁二.安裝Anaconda3.淺嘗Python新建case2-1的腳本源程序編寫源代碼人工智能基礎與應用Thankyouverymuch!2-3Python編程基礎模塊?Python：人工智能開發語言目錄CONTENTS變量01分支結構02循環結構03組合數據類型04一.變量1.變量定義程序需要將數據存儲到變量中，變量是計算機內存的存儲位置的表示，也叫內存變量。變量用標識符來命名，也就是每個變量都有自己的名字，但命名變量的時候不能讓變量名字與Python保留的關鍵字沖突。Python的關鍵字一.變量2.變量命名規則定義變量在Python內部是有類型的，如int、float、str等類型，但是在編程時無須關注變量類型，所有的變量都無須提前聲明，賦值后就能使用。另外，可以將不同類型的數據賦值給同一個變量，所以變量的類型是可以隨時改變的，可以用函數type來查看變量的類型。二.分支結構1.執行流程語法表示ifcondition_1:

statement_block_1elifcondition_2:

statement_block_2else:

statement_block_3二.分支結構2.例子【引例2-2】判斷狗對應于人類的年齡。（1）引例描述輸入狗的實際年齡，按下列公式計算狗對應于人類的年齡。

上式中x表示狗的實際年齡，y表示狗對應于人類的年齡。源代碼三.循環結構1.while循環語法表示while循環條件(condition):

執行語句(statements)…三.循環結構2.例子源代碼【引例2-3】多次反復計算狗對應于人類的年齡。（1）引例描述多次反復計算不同狗的年齡對應于人類的年齡，直到用戶按“Q”鍵退出。四.組合數據類型1.列表列表用方括號“[]”來表示，里面的各元素用逗號分開，列表的各元素可以是不同的數據類型。創建一個列表，只要把用逗號分開的所有的元素使用方括號括起來即可。示例代碼二.安裝Anaconda1.安裝AnacondaAnaconda是一個可以便捷安裝開發包且對包能夠進行統一管理的工具，它包含了conda、numpy、scipy、pandas、notebook在內的超過180多個科學包及其依賴項。官網下載界面二.安裝Anaconda1.安裝AnacondaAnaconda安裝完成勾選安裝選項二.安裝Anaconda2.啟動JupyterNotebook啟動JupyternotebookAnaconda的快捷菜單二.安裝Anaconda2.啟動JupyterNotebookJupyterNotebook主頁二.安裝Anaconda3.淺嘗Python新建case2-1的腳本源程序編寫源代碼人工智能基礎與應用Thankyouverymuch!2-4NumPy基礎應用模塊?Python：人工智能開發語言目錄CONTENTS求解三元一次方程01數組計算02向量化處理03一.求解三元一次方程1.NumPy安裝在Anaconda中已包含NumPy等基礎庫，如果其中沒有找到NumPy，說明它還沒有安裝或已被卸載，需要執行以下命令來安裝NumPy。

pip3installnumpyNumpy安裝界面一.求解三元一次方程2.引例執行結果：二.數組計算1.數組定義數組是NumPy中最基礎的數據結構，N維數組對象是ndarray，它是一系列同類型元素的集合，以0開始表示集合中元素的索引。在深度學習中，神經元之間的連接關系往往采用數組形式的參數來表示，還有大數據的統計也常常采用數組特性進行排序、去重和統計計算等。使用NumPy提供的數組操作，比使用常規的Python數組操作有更高的效率和更簡潔的編程代碼。ndarray0開始索引表示處理高校編程簡潔二.數組計算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('花萼長度的最大值:',np.max(iris_data[:,1]))6 print('花萼長度的最小值:',np.min(iris_data[:,1]))7 print('花萼長度的平均值:',np.mean(iris_data[:,1]))8 print('花萼長度的標準差:',np.std(iris_data[:,1]))9 print('花萼長度的方差:',np.var(iris_data[:,1]))二.數組計算2.引例執行結果:數組計算方便代碼簡潔高效三.向量化處理1.概念三.向量化處理2.引例讀數據三.向量化處理2.引例VS結果對比：人工智能基礎與應用Thankyouverymuch!2-5Matplotlib基礎應用模塊?Python：人工智能開發語言目錄CONTENTS繪制直方圖01繪制散點圖02一.繪制直方圖1.Matplotlib簡介Python的第三方庫Matplotlib提供了豐富的繪圖功能，是一個非常好用的數據可視化工具。Anaconda中已包含該工具，可以直接調用該第三方庫。matplotlib官網一.繪制直方圖2.引例一.繪制直方圖2.引例運行結果：二.繪制散點圖1.概念散點圖利用一系列的散點將兩個變量的聯合分布情況描繪出來，可以從圖形分布中推斷一些信息，如兩個變量間是否存在某種有意義的關系，當數據以恰當的方式在散點圖中展示出來時，就可以非常直觀地觀察到某些趨勢或者模式，也就可以揭示變量之間的關系。下面，以鳶尾花數據集為例，利用seaborn庫的散點圖嘗試揭示鳶尾花花瓣的寬度和長度之間的關系。二.繪制散點圖2.引例二.繪制散點圖2.引例執行結果:人工智能基礎與應用Thankyouverymuch!2-6項目1—精準扶貧計劃模塊?Python：人工智能開發語言目錄CONTENTS提出問題01解決方案02預備知識03任務1—從鍵盤輸入方程的系數04任務2—調用roots函數求解方程05一.提出問題問題描述某縣城當年有約12000個貧困人口，為合理利于扶貧資源、保持可持續減貧目標，計劃3年后將貧困人口控制在2000左右，你認為將年平均貧困人口下降率定為多少比較合適？如何利用numpy求解該問題二.解決方案方案分析數學描述：解決流程：三.預備知識求根函數rootsnumpy.roots([多項式系數])Polynomial([多項式系數]).roots()用法1：用法2：四.任務1——從鍵盤輸入方程的系數1.兩種實現代碼方法1方法2四.任務1——從鍵盤輸入方程的系數2.運行結果方法1結果：方法2結果：五.任務2——調用roots函數求解方程1.任務描述用兩種方法實現！五.任務2——調用roots函數求解方程2.實現代碼方法1：方法2：五.任務2——調用roots函數求解方程2.運行結果方法1：方法2：人工智能基礎與應用Thankyouverymuch!2-7項目2—解讀第二產業的GDP發展趨勢模塊?Python：人工智能開發語言目錄CONTENTS提出問題01解決方案02預備知識03任務1—讀取GDP數據并觀察數據結構04任務2—繪制GDP數據的折線圖05一.提出問題問題描述當拿到大量有關GDP的數據時，如何從這些表面看起來雜亂無章的數據中解讀出一些有價值的信息呢？顯然，如果能將這些數據以圖形的方式展現出來，如將這些數據以隨時間（或另一個變量）而變化的關系在圖上繪制出來，是否能直觀地幫助人們更深入洞悉數據背后可能隱藏的一些有用信息呢？如何用圖形展示數據規律二.解決方案方案分析使用工具：