Homework1 for machine learning Li

今天开始把第一次编程练习了。代码及运行结果参见HW0-question1+2。
作业如下:

Question 1 矩陣運算

  • 讀取 matrixA.txt 和 matrixB.txt 矩陣
  • 進行矩陣乘法 - matrixA * matrixB, 將得到的矩陣數值,由小到大排序後輸出至ans_one.txt <\blockquote>

Question 2 基本圖片資料操作

  • 讀取 lena.png 與 lena_modified.png
  • 使用後者異於前者的部分產生相同格式的新圖檔 ans_two.png

准备工作

jupyter昨天配置好了,想到自己可能更习惯pycharm写程序就配置一下。开始想应该比较简单,setting设置一下就行,没想到出现了 "Environment location diretory is not empty ",当时没想明白问题在哪里,看到下面有一个 "Existing environment ",设置到虚拟环境DeepLearnningWu仍提示非空,突然想到应该选到编辑器也就是python版本而不是文件夹,果然里面有两个python.exe,选择了一个之后环境配置完成。

编程过程

问题一的解决

知识储备

问题一首先要解决的是python文件的读取,参考书如下,本书chap8。
[1] <python 编程快速上手——让繁琐工作自动化>,Ai Sweigart。
以下为学习过程:

  1. windows下文件路径用到斜杠 " \ "表示,因此路径里面会出现两个到斜杠,第一个用来转义。
  2. 创建文件名称的字符串用命令:
import os
os.path.join()

例如:

import os
os.path.join('usr','bin','spam')

输出结果为: 'usr\bin\spam'

扩展应用:将一个文件名列表中的名称,添加到文件夹名称的末尾。

myFiles = ['accounts.txt', 'details.csv', 'invite.docx']
for filename in myFiles:
    print(os.path.join('c:\\Users\\asweigart', filename))

显示结果:
c:\Users\asweigart\accounts.txt
c:\Users\asweigart\details.csv
c:\Users\asweigart\invite.docx

  1. 显示当前工作目录:
os.getcwd()

改变当前工作目录:

os.chdir()

例子:

os.getcwd()
os.chdir('C:\\daka\\machine-learning-Li\\NTU-Machine-learning\\NTU-Machine-learning\\homework\\HW0')
os.getcwd()

显示结果: 'C:\Users\Jianyu';
'C:\daka\machine-learning-Li\NTU-Machine-learning\NTU-Machine-learning\homework\HW0'
若要更改的当前工作目录不存在,python会报错。

  1. 绝对路径与相对路径
    绝对路径:从根文件开始的完整路径。
    相对路径:从当前工作路径开始。
    路径中可使用的特殊名称:
    '.' :'这个目录'的缩写;
    '..' : 父文件夹。
  2. 创建新文件夹
    命令:
os.makedirs('文件夹的路径和名称')
  1. python处理文件、文件夹、文件路径的模块
    os.path模块
  2. 处理绝对路径和相对路径
    返回参数的绝对路径的字符串:
os.path.abspath(path)

例如:

os.path.abspath('.')

显示结果为:'C:\daka\machine-learning-Li\NTU-Machine-learning\NTU-Machine-learning\homework\HW0'(参见之前工作路径的设置,一致)
判断参数是否是绝对路径:

os.path.isabs()

例如:

os.path.abspath('..')
os.path.isabs('.')
os.path.isabs(os.path.abspath('.'))

显示结果为:False,True
查找第一个参数相对第二个参数的相对路径:

os.path.relpath('','')

例如:

os.path.relpath('C:\\daka\\machine-learning-Li','C:\\daka\\machine-learning-Li\\NTU-Machine-learning\\NTU-Machine-learning\\homework\\HW0')

结果显示为:'..\..\..\..'
返回参数的基本名称(最后一个斜杠后的内容)和目录名称(最后一个斜杠前的内容),同时调用基本名称与目录名称形成元组:

os.path.basename(path)
os.path.dirname(path)
os.path.split()

例如:

path = 'c:\\Windows\\System32\\calc.exe'
os.path.basename(path)
os.path.dirname(path)
os.path.split(path)

结果显示为:'calc.exe','c:\Windows\System32',('c:\Windows\System32', 'calc.exe')

  1. 查看文件大小和文件夹内容
    查看文件的字节数:
os.path.getsize(path)

返回包含参数中每个文件的文件名字符串列表:

os.listdir(path)

注意:该函数在os模块而不是os.path模块。
例如:

os.path.getsize('C:\\daka\\machine-learning-Li\\NTU-Machine-learning\\NTU-Machine-learning\\homework\\HW0')
os.listdir('C:\\daka\\machine-learning-Li\\NTU-Machine-learning\\NTU-Machine-learning\\homework\\HW0')

结果显示为:0,
['01-Data', '02-Output', 'Q1.py', 'Q2.py', 'README.md']

  1. 检查路径有效性
    判断文件或文件夹是否存在
    判断是否是一个文件
    判断是否是一个文件夹
os.path.exists(path)
os.path.isfile(path)
os.path.isdir(path)
  1. 文件读写(纯文本文件,如txt,p等)
    基本三个步骤:
    1. 调用open()函数,打开文件返回一个File对象;
    2. 调用File对象的read()或write()方法,读取或写入文件;
    3. 调用File对象的close()方法,关闭该文件
    注意必须有第三步,下一次才能再打开该文件。
    open()默认是只读方法,如果想写入需要在open()方法内传入参数,'w'将写入内容覆盖原内容,'a'在原有内容末尾追加写入内容若open的文件不存在,'w'和'a'都会创建一个新的空文件。在写入时write()方法不会自动换行,需要自己添加换行符'\n'。
    例如:
baconFile = open('bacon.txt','w')
baconFile.write('Hello World!\n')
baconFile.close()
baconFile = open('bacon.txt','a')
baconFile.write('Bacon is not a vegetable.')
baconFile.close()
baconFile = open('bacon.txt')
content = baconFile.read()
baconFile.close()
print(content)
  1. Numpy 模块也可以读取存储文件将数据加载到Numpy数组中
np.loadtxt()
np.savetxt()
np.genfromtxt()     #面向结构化数组和缺失数据处理。
  1. 排序
    Numpy数组可以通过sort就地排序,np.sort()返回的是排序副本。

练习题编程

我的答案:

import numpy as np
matrixA = np.loadtxt('..\\01-Data\\matrixA.txt',delimiter=',').reshape(1,50)
matrixB = np.loadtxt('..\\01-Data\\matrixB.txt',delimiter=',')
result_matrix = np.dot(matrixA,matrixB)
result_matrix.sort()
# print(result_matrix)
np.savetxt("..\\01-Data\\resultQ1.txt", result_matrix, fmt = "%d",delimiter="\r\n")

给出的答案:

import numpy as np

matrixA = []
for i in open('..\\01-Data\\matrixA.txt'):
    row = [int(x) for x in i.split(",")]
    matrixA.append(row)

matrixB = []
for j in open('..\\01-Data\\matrixB.txt'):
    row = [int(x) for x in j.split(",")]
    matrixB.append(row)

matrixA = np.array(matrixA)
matrixB = np.array(matrixB)

ans = matrixA.dot(matrixB)
ans.sort(axis=1)

np.savetxt("..\\01-Data\\Q1_ans.txt", ans, fmt="%d", delimiter="\r\n")

问题2的解决

使用pillow操作图像

  1. 引入pillow的方法
    from PIL import Image
  2. 打开,保存图片
Image.open()
Image.save()
  1. 旋转图片
Image.rotate()

4.练习题2代码

from PIL import Image
from PIL import ImageChops
import os
os.chdir('C:\\daka\\machine-learning-Li\\NTU-Machine-learning\\NTU-Machine-learning\\homework\\HW0\\01-Data')
image1 = Image.open('lena.png')
# image1.rotate(180).save('lena_reverse.png')
image2 = Image.open('lena_modified.png')
new_image = ImageChops.difference(image1,image2)
new_image.show()
new_image.save('result_image.png')

给出的答案:

from PIL import Image

lena = Image.open("lena.png")
lena_modified = Image.open("lena_modified.png")

w, h = lena.size
for j in range(h):
    for i in range(w):
        if lena.getpixel((i, j)) == lena_modified.getpixel((i, j)):
            lena_modified.putpixel((i, j), 255)

lena_modified.show()
lena_modified.save("ans_two.png")
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,423评论 6 491
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,147评论 2 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,019评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,443评论 1 283
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,535评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,798评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,941评论 3 407
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,704评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,152评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,494评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,629评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,295评论 4 329
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,901评论 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,742评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,978评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,333评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,499评论 2 348