基础库
Numpy：矩阵计算与其它大多数框架的数据处理基础；
Scipy：科学计算库,提供了很多科学计算工具包和算法；
Matplotlab：专业画图工具,话说这个单词还是真是在Matlab之间插入了plot这个词形成的；
Pandas：提供类似于R语言的DataFrame操作,非常方便；
机器学习与深度学习
OpenCV：提供图像识别的很多方便的操作；
Orange：基于图形界面的机器学习程序,也可以用Python脚本来操作调用；
Scikit-Learn：前面说了,这是Python在机器学习领域里面的代表作.尤其是它的文档,完全可以当成机器学习的参考资料来阅读了,曾经我向朋友推荐的时候说,说过,把scikit-learn的文档当成佛经来读,假以时日,功力定会大增.
Theano：深度学习里面非常有名的一个框架了,也非常具有代表性.是其它很多框架的基础.
Keras：基于Theano进行了抽象,建议入门的话使用这个,搭积木一样地就可以弄个神经网络出来了.
NLTK：自然语言处理,提供的功能也很强大.
分布式机器学习与深度学习
Spark之MLlib的Python接口Pyspark
收费的Graph Create的Python接口
Google最近刚出的TensorFlow的Python接口
三星最近刚出的Veles,目前只提供Python接口
python实现堆栈与队列的方法
本文实例讲述了python实现堆栈与队列的方法.分享给大家供大家参考.具体分析如下：
①.、python实现堆栈,可先将Stack类写入文件stack.py,在其它程序文件中使用from stack import Stack,然后就可以使用堆栈了.
stack.py的程序:
代码如下:class Stack():
def __init__(self,size):
self.size=size;
self.stack=[];
self.top=-1;
def push(self,ele): #入栈之前检查栈是否已满
if self.isfull():
raise exception("out of range");
else:
self.stack.append(ele);
self.top=self.top+1;
def pop(self): # 出栈之前检查栈是否为空
if self.isempty():
raise exception("stack is empty");
self.top=self.top-1;
return self.stack.pop();
def isfull(self):
return self.top+1==self.size;
def isempty(self):
return self.top==-1;
再写一个程序文件,stacktest.py,使用栈,内容如下:
代码如下:#!/usr/bin/python
from stack import Stack
s.push(i);
s.pop()
print s.isempty();
复制代码代码如下:class Queue():
self.front=-1;
self.rear=-1;
self.queue=[];
def enqueue(self,ele): #入队操作
raise exception("queue is full");
self.queue.append(ele);
self.rear=self.rear+1;
def dequeue(self): #出队操作
raise exception("queue is empty");
self.front=self.front+1;
return self.queue[self.front];
return self.rear-self.front+1==self.size;
return self.front==self.rear;
q=Queue(10);
q.enqueue(i);
print q.dequeue();
print q.isempty();
希望本文所述对大家的Python程序设计有所帮助.
"栈"
和
"队列"
是数据结构,与具体的语言无关.
①队列先进先出,栈先进后出.
对插入和删除操作的"限定".
栈是限定只能在表的一端进行插入和删除操作的线性表.
队列是限定只能在表的一端进行插入和在另一端进行删除操作的线性表.
从"数据结构"的角度看,它们都是线性结构,即数据元素之间的关系相同.但它们是完全不同的数据类型.除了它们各自的基本操作集不同外,主要区别是对插入和删除操作的"限定".
栈和队列是在程序设计中被广泛使用的两种线性数据结构,它们的特点在于基本操作的特殊性,栈必须按"后进先出"的规则进行操作,而队列必须按"先进先出"
的规则进行操作.和线性表相比,它们的插入和删除操作受更多的约束和限定,故又称为限定性的线性表结构.
也就最先放入的需要遍历整个栈最后才能取出来,而且在遍历数据的时候还得为数据开辟临时空间,保持数据在遍历前的一致性队列怎不同,他基于地址指针进行遍历,而且可以从头或尾部开始遍历,但不能同时遍历,无需开辟临时空间,因为在遍历的过程中不影像数据结构,速度要快的多
栈（stack）是限定只能在表的一端进行插入和删除操作的线性表.
队列（queue）是限定只能在表的一端进行插入和在另一端进行删除操作的线性表.
栈和队列是在程序设计中被广泛使用的两种线性数据结构,它们的特点在于基本操作的特殊性,栈必须按"后进先出"的规则进行操作,而队列必须按"先进先出"的规则进行操作.和线性表相比,它们的插入和删除操作受更多的约束和限定,故又称为限定性的线性表结构.
python多类化和栈有管理方式不同,生长方向不同的区别.Heap）与栈（Stack）是开发人员必须面对的两个概念,在理解这两个概念时,需要放到具体的场景下,因为不同场景下,堆与栈代表不同的含义.一般情况下,有两层含义：
（1）程序内存布局场景下,堆与栈表示的是两种内存管理方式；
堆与栈实际上是操作系统对进程占用的内存空间的两种管理方式,主要有如下几种区别：
（1）管理方式不同.栈由操作系统自动分配释放,无需我们手动控制；堆的申请和释放工作由程序员控制,容易产生内存泄漏；
python中你可以使用list模拟栈数据结构,list自带pop函数,默认为获取最后一个元素,但是可以通过指定索引值pop(i),获取指定位置的元素.
如果元素索引错误,抛出IndexError异常.
Python 函数
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.
函数能提高应用的模块性,和代码的重复利用率.你已经知道Python提供了许多内建函数,比如print().但你也可以自己创建函数,这被叫做用户自定义函数.
定义一个函数
你可以定义一个由自己想要功能的函数,以下是简单的规则：
函数代码块以?def?关键词开头,后接函数标识符名称和圆括号().
任何传入参数和自变量必须放在圆括号中间.圆括号之间可以用于定义参数.
函数的第一行语句可以选择性地使用文档字符串—用于存放函数说明.
函数内容以冒号起始,并且缩进.
return [表达式]?结束函数,选择性地返回一个值给调用方.不带表达式的return相当于返回 None.
语法
def functionname( parameters ): ? "函数_文档字符串"
function_suite
return [expression]
默认情况下,参数值和参数名称是按函数声明中定义的顺序匹配起来的.
实例
以下为一个简单的Python函数,它将一个字符串作为传入参数,再打印到标准显示设备上.
def printme( str ): ? "打印传入的字符串到标准显示设备上"
print str
return
函数调用
定义一个函数只给了函数一个名称,指定了函数里包含的参数,和代码块结构.
这个函数的基本结构完成以后,你可以通过另一个函数调用执行,也可以直接从Python提示符执行.
如下实例调用了printme（）函数：
# 定义函数def printme( str ): ? "打印任何传入的字符串"
# 调用函数printme("我要调用用户自定义函数!")printme("再次调用同一函数")
以上实例输出结果：
我要调用用户自定义函数!再次调用同一函数
参数传递
在 python 中,类型属于对象,变量是没有类型的：
a="Runoob"
可更改(mutable)与不可更改(immutable)对象
在 python 中,strings, tuples, 和 numbers 是不可更改的对象,而 list,dict 等则是可以修改的对象.
python 函数的参数传递：
不可变类型：类似 c++ 的值传递,如 整数、字符串、元组.如fun（a）,传递的只是a的值,没有影响a对象本身.比如在 fun（a）内部修改 a 的值,只是修改另一个复制的对象,不会影响 a 本身.
可变类型：类似 c++ 的引用传递,如 列表,字典.如 fun（la）,则是将 la 真正的传过去,修改后fun外部的la也会受影响
python 中一切都是对象,严格意义我们不能说值传递还是引用传递,我们应该说传不可变对象和传可变对象.
python 传不可变对象实例
def ChangeInt( a ): ? ?a = 10
传可变对象实例
# 可写函数说明def changeme( mylist ): ? "修改传入的列表"
print "函数内取值: ", mylist
实例中传入函数的和在末尾添加新内容的对象用的是同一个引用,故输出结果如下：
参数
以下是调用函数时可使用的正式参数类型：
必备参数
关键字参数
默认参数
不定长参数
必备参数须以正确的顺序传入函数.调用时的数量必须和声明时的一样.
调用printme()函数,你必须传入一个参数,不然会出现语法错误：
#可写函数说明def printme( str ): ? "打印任何传入的字符串"
#调用printme函数printme()
Traceback (most recent call last):
File "test.py", line 11, in module
printme()TypeError: printme() takes exactly 1 argument (0 given)
关键字参数和函数调用关系紧密,函数调用使用关键字参数来确定传入的参数值.
使用关键字参数允许函数调用时参数的顺序与声明时不一致,因为 Python 解释器能够用参数名匹配参数值.
以下实例在函数 printme() 调用时使用参数名：
#调用printme函数printme( str = "My string")
My string
下例能将关键字参数顺序不重要展示得更清楚：
#可写函数说明def printinfo( name, age ): ? "打印任何传入的字符串"
print "Name: ", name
print "Age ", age
调用函数时,默认参数的值如果没有传入,则被认为是默认值.下例会打印默认的age,如果age没有被传入：
def functionname([formal_args,] *var_args_tuple ): ? "函数_文档字符串"
加了星号（*）的变量名会存放所有未命名的变量参数.不定长参数实例如下：
# 可写函数说明def printinfo( arg1, *vartuple ): ? "打印任何传入的参数"
print "输出: "
print arg1
for var in vartuple: ? ? ?print var
匿名函数
python 使用 lambda 来创建匿名函数.
lambda只是一个表达式,函数体比def简单很多.
lambda的主体是一个表达式,而不是一个代码块.仅仅能在lambda表达式中封装有限的逻辑进去.
lambda函数拥有自己的命名空间,且不能访问自有参数列表之外或全局命名空间里的参数.
虽然lambda函数看起来只能写一行,却不等同于C或C++的内联函数,后者的目的是调用小函数时不占用栈内存从而增加运行效率.
lambda函数的语法只包含一个语句,如下：
如下实例：
return 语句
return语句[表达式]退出函数,选择性地向调用方返回一个表达式.不带参数值的return语句返回None.之前的例子都没有示范如何返回数值,下例便告诉你怎么做：
print "函数内 : ", total
return total
变量作用域
一个程序的所有的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是在哪里赋值的.
变量的作用域决定了在哪一部分程序你可以访问哪个特定的变量名称.两种最基本的变量作用域如下：
全局变量
局部变量
全局变量和局部变量
定义在函数内部的变量拥有一个局部作用域,定义在函数外的拥有全局作用域.
局部变量只能在其被声明的函数内部访问,而全局变量可以在整个程序范围内访问.调用函数时,所有在函数内声明的变量名称都将被加入到作用域中.如下实例：
print "函数内是局部变量 : ", total