摘要：學(xué)習(xí)筆記七數(shù)學(xué)形態(tài)學(xué)關(guān)注的是圖像中的形狀，它提供了一些方法用于檢測(cè)形狀和改變形狀。學(xué)習(xí)筆記十一尺度不變特征變換，簡(jiǎn)稱是圖像局部特征提取的現(xiàn)代方法基于區(qū)域圖像塊的分析。本文的目的是簡(jiǎn)明扼要地說明的編碼機(jī)制，并給出一些建議。

開始之前，我們先來看這樣一個(gè)提問：

python初學(xué)者，請(qǐng)教python學(xué)習(xí)路徑

相信看完 @X_AirDu 的回答我們已經(jīng)對(duì) Python 有了一個(gè)大概的了解。那接下來就讓我們更深入的了解 Python 吧~

[零基礎(chǔ)學(xué)Python]一些關(guān)于Python的事情

已經(jīng)描述了python的美好，開始學(xué)啦，做好如下準(zhǔn)備：

電腦，必須的。不管是什么操作系統(tǒng)。

上網(wǎng)，必須的。沒有為什么。


除了這些，還有一條，非常非常重要，寫在最后：這是自己的興趣。

如何系統(tǒng)地自學(xué) Python？

是否非常想學(xué)好 Python，一方面被瑣事糾纏，一直沒能動(dòng)手，另一方面，擔(dān)心學(xué)習(xí)成本太高，心里默默敲著退堂鼓?
幸運(yùn)的是，Python 是一門初學(xué)者友好的編程語言，想要完全掌握它，你不必花上太多的時(shí)間和精力。
廢話不多說，學(xué)會(huì)一門語言的捷徑只有一個(gè)： Getting Started

Python初學(xué)者的資源總結(jié)

[譯]學(xué)習(xí)Python編程的19個(gè)資源

《Programming Computer Vision with Python》是一本介紹計(jì)算機(jī)視覺底層基本理論和算法的入門書，通過這本收可以學(xué)到有關(guān)對(duì)象識(shí)別、基于內(nèi)容的圖像搜索、光學(xué)字符識(shí)別、光流法、跟蹤、三維重建、立體成像、增強(qiáng)現(xiàn)實(shí)、姿態(tài)估計(jì)、全景創(chuàng)建、圖像分割、降噪、圖像分組等技術(shù)的實(shí)現(xiàn)原理。
英文版PDF下載：https://it-ebooks.info/book/836/
中文版介紹：http://book.douban.com/subjec...

Programming Computer Vision with Python （學(xué)習(xí)筆記一）

先介紹基本的圖像處理，包括圖像的讀取、轉(zhuǎn)換、縮放、導(dǎo)數(shù)計(jì)算、畫圖和保存，這些知識(shí)將為后面內(nèi)容的學(xué)習(xí)打下基礎(chǔ)。

Programming Computer Vision with Python （學(xué)習(xí)筆記二）

首先介紹跟圖像處理、顯示有關(guān)兩個(gè)庫：NumPy和Matplotlib，然后介紹增強(qiáng)圖像對(duì)比度的實(shí)現(xiàn)原理。

Programming Computer Vision with Python （學(xué)習(xí)筆記三）

原書對(duì)于PCA的講解只有一小節(jié)，一筆帶過的感覺，但我發(fā)現(xiàn)PCA是一個(gè)很重要的基礎(chǔ)知識(shí)點(diǎn)，在機(jī)器機(jī)視覺、人臉識(shí)別以及一些高級(jí)圖像處理技術(shù)時(shí)都被經(jīng)常用到，所以本人自行對(duì)PCA進(jìn)行了更深入的學(xué)習(xí)。

Programming Computer Vision with Python （學(xué)習(xí)筆記四）

上一個(gè)筆記主要是講了PCA的原理，并給出了二維圖像降一維的示例代碼。但還遺留了以下幾個(gè)問題：

在計(jì)算協(xié)方差和特征向量的方法上，書上使用的是一種被作者稱為compact trick的技巧，以及奇異值分解（SVD），這些都是什么東西呢？

如何把PCA運(yùn)用在多張圖片上？


所以，我們需要進(jìn)一步的了解，同時(shí)，為示例對(duì)多張圖片進(jìn)行PCA，我選了一個(gè)跟書相似但更有趣的例子來做——人臉識(shí)別。

Programming Computer Vision with Python （學(xué)習(xí)筆記五）

SciPy庫，與之前我們使用的NumPy和Matplotlib，都是scipy.org提供的用于科學(xué)計(jì)算方面的核心庫。相對(duì)NumPy，SciPy庫提供了面向更高層應(yīng)用的算法和函數(shù)(其實(shí)也是基于NumPy實(shí)現(xiàn)的），并以子模塊的形式組織，每個(gè)子模塊對(duì)應(yīng)不同的應(yīng)用領(lǐng)域。

Programming Computer Vision with Python （學(xué)習(xí)筆記六）

邊緣檢測(cè)（edge detection）是最重要的圖像處理技術(shù)之一，圖像邊緣檢測(cè)大幅度地減少了數(shù)據(jù)量，并且剔除了可以認(rèn)為不相關(guān)的信息，保留了圖像重要的結(jié)構(gòu)屬性，為后續(xù)圖像理解方法提供了基礎(chǔ)。

Programming Computer Vision with Python （學(xué)習(xí)筆記七）

數(shù)學(xué)形態(tài)學(xué)（mathematical morphology）關(guān)注的是圖像中的形狀，它提供了一些方法用于檢測(cè)形狀和改變形狀。起初是基于二值圖像提出的，后來擴(kuò)展到灰度圖像。二值圖像就是：每個(gè)像素的值只能是0或1，1代表描繪圖像的點(diǎn)，0代表背景。
基本的形態(tài)學(xué)運(yùn)算包括：腐蝕（erosion）、膨脹（dilation）、開（opening）、閉（closing），對(duì)于這些運(yùn)算，都需要用到被稱為結(jié)構(gòu)元素(Structuring element)的模板，一般為方形，以小矩陣的形式表示，但它的元素的值只能是0或1，它代表的是一個(gè)集合，這個(gè)集合罩在原圖像上，可以跟原圖像的形狀進(jìn)行集合運(yùn)算。

Programming Computer Vision with Python （學(xué)習(xí)筆記八）

圖像去噪(Image Denoising)的過程就是將噪點(diǎn)從圖像中去除的同時(shí)盡可能的保留原圖像的細(xì)節(jié)和結(jié)構(gòu)。這里講的去噪跟前面筆記提過的去噪不一樣，這里是指高級(jí)去噪技術(shù)，前面提過的高斯平滑也能去噪，但高斯平滑去噪的同時(shí)也把邊緣模糊化了，另外使用形態(tài)學(xué)的方法去噪是指去除一些粗的椒鹽噪聲。對(duì)于一幅密布噪點(diǎn)的圖像，如果使其變得清晰又保留邊緣細(xì)節(jié)，這是高級(jí)去噪技術(shù)所要解決的問題。

Programming Computer Vision with Python （學(xué)習(xí)筆記九）

角檢測(cè)（Corner detection）是指檢測(cè)圖像中具有代表性的（我們感興趣的）角點(diǎn)，一般講為形狀或邊緣的拐角處，這些點(diǎn)可以大略標(biāo)記對(duì)象在圖像中的輪廓和位置，如果從一個(gè)圖像序列中檢測(cè)每個(gè)圖像的角點(diǎn)，就可以找出圖像之間存在的相關(guān)和相對(duì)應(yīng)的角點(diǎn)，這對(duì)比如全景拼接（多張圖片拼接成一張全景圖片）很有用。
角檢測(cè)還可以用在運(yùn)動(dòng)檢測(cè)、物體識(shí)別等方面。

Programming Computer Vision with Python （學(xué)習(xí)筆記十）

現(xiàn)在考慮一個(gè)全景圖拼接的應(yīng)用場(chǎng)景，假設(shè)現(xiàn)有兩張圖片需要拼接成一張全景圖，這兩張圖片是通過相機(jī)右轉(zhuǎn)一定角度拍攝出來的，兩張圖片有部分取景是重疊的。如何實(shí)現(xiàn)拼接？當(dāng)然這是一個(gè)不簡(jiǎn)單的問題，我們現(xiàn)在只考慮實(shí)現(xiàn)拼接目標(biāo)的第一步：找出圖像中重疊的內(nèi)容，以及分別在兩張圖片中的位置。

Programming Computer Vision with Python （學(xué)習(xí)筆記十一）

尺度不變特征變換(Scale-invariant feature transform， 簡(jiǎn)稱SIFT)是圖像局部特征提取的現(xiàn)代方法——基于區(qū)域/圖像塊的分析。在上篇筆記里我們使用的圖像之間對(duì)應(yīng)點(diǎn)的匹配方法，不適用于不同尺度的圖像。有許多應(yīng)用場(chǎng)景需要對(duì)不同尺度（即分辨率、縮放、旋轉(zhuǎn)角度、亮度等都可能存在不同）的圖像進(jìn)行特征識(shí)別和匹配，這就需要一種特征提取方法，通過這種方法提取出來的特征描述，可以不受尺度的影響，SIFT算法就是這種方法的實(shí)現(xiàn)。
SIFT算法的應(yīng)用非常廣泛，包括物體識(shí)別、機(jī)器人地圖感知與導(dǎo)航、全景拼接、3D建模、手勢(shì)識(shí)別、影像追蹤和動(dòng)作比對(duì)等,原書后面章節(jié)的算法也會(huì)多次用到它。SIFT算法的過程較復(fù)雜，本文只是粗略介紹其關(guān)鍵步驟，以便引出SURF——基于SIFT的改進(jìn)算法。

Programming Computer Vision with Python （學(xué)習(xí)筆記十二）

ORB（Oriented FAST and Rotated BRIEF）可用來替代SIFT（或SURF），它對(duì)圖像更具有抗噪特性，是一種特征檢測(cè)高效算法，其速度滿足實(shí)時(shí)要求，可用于增強(qiáng)圖像匹配應(yīng)用。
ORB的算法基于FAST角檢測(cè)（Features from accelerated segment test）和BRIEF(Binary Robust Independent Elementary Features)特征描述符，這也是它名字的由來。

[原] Python 開發(fā)者面向文檔編程的正確姿勢(shì)

在實(shí)際生產(chǎn)中，機(jī)器學(xué)習(xí)工作現(xiàn)在看起來，白天像是個(gè)算法工程師的活，晚上就變成運(yùn)維+測(cè)試了。Python 一直以來也都受到測(cè)試工程師和運(yùn)維工程師的偏愛，下面是幾個(gè)經(jīng)典的注釋活用case。

[譯]讓你的Python代碼優(yōu)雅又地道

在Python社區(qū)文化的澆灌下，演化出了一種獨(dú)特的代碼風(fēng)格，去指導(dǎo)如何正確地使用Python，這就是常說的pythonic。一般說地道(idiomatic)的python代碼，就是指這份代碼很pythonic。Python的語法和標(biāo)準(zhǔn)庫設(shè)計(jì)，處處契合著pythonic的思想。而且Python社區(qū)十分注重編碼風(fēng)格一的一致性，他們極力推行和處處實(shí)踐著pythonic。所以經(jīng)常能看到基于某份代碼P vs NP (pythonic vs non-pythonic)的討論。pythonic的代碼簡(jiǎn)練，明確，優(yōu)雅，絕大部分時(shí)候執(zhí)行效率高。閱讀pythonic的代碼能體會(huì)到“代碼是寫給人看的，只是順便讓機(jī)器能運(yùn)行”暢快。

python高級(jí)特性

python語言的一些高階用法主要有以下幾個(gè)特性：

generators生成器用法

collections包常見用法

itertools包常見用法

packing/unpacking封包/解包特性

Decorators裝飾器

Context Managers上下文管理期


以上幾個(gè)特性我會(huì)針對(duì)應(yīng)用場(chǎng)景，使用注意事項(xiàng)，應(yīng)用舉例幾個(gè)維度分別進(jìn)行講解，如果有同學(xué)對(duì)某個(gè)特性特別熟悉則可以直接跳過。

深入淺出地，徹徹底底地理解python中的編碼

python處理文本的功能非常強(qiáng)大，但是如果是初學(xué)者，沒有搞清楚python中的編碼機(jī)制，也經(jīng)常會(huì)遇到亂碼或者decode error。本文的目的是簡(jiǎn)明扼要地說明python的編碼機(jī)制，并給出一些建議。

Python裝飾器為什么難理解？

無論項(xiàng)目中還是面試都離不開裝飾器話題，裝飾器的強(qiáng)大在于它能夠在不修改原有業(yè)務(wù)邏輯的情況下對(duì)代碼進(jìn)行擴(kuò)展，權(quán)限校驗(yàn)、用戶認(rèn)證、日志記錄、性能測(cè)試、事務(wù)處理、緩存等都是裝飾器的絕佳應(yīng)用場(chǎng)景，它能夠最大程度地對(duì)代碼進(jìn)行復(fù)用。

眾里尋她千百度--正則表達(dá)式

簡(jiǎn)單來說，正則表達(dá)式就是用來匹配特定內(nèi)容的字符串。舉個(gè)例子來講，如果我想找出由a、b組成的，以abb結(jié)尾的字符串，比如ababb，那么用正則表達(dá)式來表示就是[ab]*abb。

【Python3】Python面向?qū)ο蟮某绦蛟O(shè)計(jì)

python中一切皆為對(duì)象，且python3統(tǒng)一了類與類型的概念，類型就是類。
基于面向?qū)ο笤O(shè)計(jì)一個(gè)款游戲：英雄聯(lián)盟，每個(gè)玩家選一個(gè)英雄，每個(gè)英雄都有自己的特征和和技能，特征即數(shù)據(jù)屬性，技能即方法屬性，特征與技能的結(jié)合體就一個(gè)對(duì)象。
從一組對(duì)象中提取相似的部分就是類，類所有對(duì)象都具有的特征和技能的結(jié)合體。
在python中，用變量表示特征，用函數(shù)表示技能，因而類是變量與函數(shù)的結(jié)合體，對(duì)象是變量與方法（指向類的函數(shù)）的結(jié)合體。

Python源碼理解: "+=" 和 "xx = xx + xx"的區(qū)別

現(xiàn)在我們大概明白了+=實(shí)際上是干嘛了: 它應(yīng)該能算是一個(gè)加強(qiáng)版的+, 因?yàn)樗?多了一個(gè)寫回本身的功能.不過是否能夠?qū)懟乇旧? 還是得看對(duì)象自身是否支持, 也就是說是否具備Py_NotImplemented標(biāo)識(shí), 是否支持sq_inplace_concat, 如果具備, 才能實(shí)現(xiàn), 否則, 也就是和 + 效果一樣而已.

那些有趣/用的 Python 庫

Python拾遺（一）

總所周知，Python 做爬蟲很方便，有現(xiàn)成的庫，這是很多從入門級(jí)選手到專業(yè)級(jí)選手都在做的。Python 也可以做游戲。Python 還很受黑客的青睞，在黑客領(lǐng)域的應(yīng)用就不多說了。此外 Python 做網(wǎng)站也無壓力，比如知乎的主站后臺(tái)就是基于 Python 的 tornado 框架，豆瓣的后臺(tái)也是基于 Python?？梢圆回?fù)責(zé)任地說，Python 幾乎可以做任何事情。Python 還可以做桌面程序，Python 有很多 UI 庫，可以很方便地完成一個(gè) GUI 程序，比如大名鼎鼎的 Dropbox，就是用 Python 實(shí)現(xiàn)的服務(wù)器端和客戶端程序。

Python爬蟲基礎(chǔ)

python爬蟲基礎(chǔ)知識(shí)，至此足夠，接下來，在實(shí)戰(zhàn)中學(xué)習(xí)更高級(jí)的知識(shí)。

精通Python網(wǎng)絡(luò)爬蟲(0):網(wǎng)絡(luò)爬蟲學(xué)習(xí)路線

隨著大數(shù)據(jù)時(shí)代的到來，人們對(duì)數(shù)據(jù)資源的需求越來越多，而爬蟲是一種很好的自動(dòng)采集數(shù)據(jù)的手段。
那么，如何才能精通Python網(wǎng)絡(luò)爬蟲呢？學(xué)習(xí)Python網(wǎng)絡(luò)爬蟲的路線應(yīng)該如何進(jìn)行呢？在此為大家具體進(jìn)行介紹。

Python爬蟲使用Selenium+PhantomJS抓取Ajax和動(dòng)態(tài)HTML內(nèi)容

在上一篇python使用xslt提取網(wǎng)頁數(shù)據(jù)中，要提取的內(nèi)容是直接從網(wǎng)頁的source code里拿到的。但是一些Ajax動(dòng)態(tài)內(nèi)容是在source code找不到的，就要找合適的程序庫把異步或動(dòng)態(tài)加載的內(nèi)容加載上來，交給本項(xiàng)目的提取器進(jìn)行提取。
python可以使用selenium執(zhí)行javascript，selenium可以讓瀏覽器自動(dòng)加載頁面，獲取需要的數(shù)據(jù)。selenium自己不帶瀏覽器，可以使用第三方瀏覽器如Firefox，Chrome等，也可以使用headless瀏覽器如PhantomJS在后臺(tái)執(zhí)行。

Python爬蟲項(xiàng)目整理

爬蟲實(shí)戰(zhàn)系列

Python爬蟲實(shí)戰(zhàn)（1）：爬取Drupal論壇帖子列表

Python爬蟲實(shí)戰(zhàn)（2）：爬取京東商品列表

Python爬蟲實(shí)戰(zhàn)（3）：安居客房產(chǎn)經(jīng)紀(jì)人信息采集

Python爬蟲實(shí)戰(zhàn)（4）：豆瓣小組話題數(shù)據(jù)采集—?jiǎng)討B(tài)網(wǎng)頁

開始Tornado的源碼分析之旅

Tornado 是由 Facebook 開源的一個(gè)服務(wù)器“套裝”，適合于做 python 的 web 或者使用其本身提供的可擴(kuò)展的功能，完成了不完整的 wsgi 協(xié)議，可用于做快速的 web 開發(fā)，封裝了 epoll 性能較好。文章主要以分析 tornado 的網(wǎng)絡(luò)部分即異步事件處理與上層的 IOstream 類提供的異步IO，其他的模塊如 web 的 tornado.web 以后慢慢留作分析。

tornado 源碼閱讀-初步認(rèn)識(shí)

最近閑暇無事,閱讀了一下tornado的源碼,對(duì)整體的結(jié)構(gòu)有了初步認(rèn)識(shí),與大家分享

我心中的 tornado 最佳實(shí)踐

最近開發(fā)新項(xiàng)目一直在學(xué)習(xí)tornado的知識(shí)，在前人的基礎(chǔ)上找了些最佳實(shí)踐，記錄如下，備查。

Tornado 簡(jiǎn)單入門教程:

Tornado 簡(jiǎn)單入門教程（零）——準(zhǔn)備工作

這兩天在學(xué)著用Python + Tornado +MongoDB來做Web開發(fā)（哈哈哈這個(gè)詞好高端）。學(xué)的過程中查閱了無數(shù)資料，也收獲了一些經(jīng)驗(yàn)，所以希望總結(jié)出一份簡(jiǎn)易入門教程供初學(xué)者參考。完整的教程將盡可能（233）遵循下面的目錄順序。

Tornado 簡(jiǎn)單入門教程（一）——Demo1

Demo1是一個(gè)簡(jiǎn)單的博客系統(tǒng)（=。=什么網(wǎng)站都叫系統(tǒng)）。我們從這個(gè)簡(jiǎn)單的系統(tǒng)入手，去了解P+T+M網(wǎng)站的內(nèi)部邏輯，并記住一些“規(guī)則”，方便我們進(jìn)一步自己開發(fā)。

Tornado 簡(jiǎn)單入門教程（二）——Demo2

在Demo1里面,我們練習(xí)了如何部署應(yīng)用、tornado框架的基本結(jié)構(gòu)以及應(yīng)用如何處理請(qǐng)求。
其實(shí)Demo1算不上一個(gè)博客啦。一個(gè)最基本的信息系統(tǒng)一定要包含對(duì)數(shù)據(jù)庫的增、刪、改和查。所以這次，我們來將Demo1升級(jí)為Demo2，添加上基本的增刪改查。

一直斷斷續(xù)續(xù)的用過幾次 OpenCV，感覺熟練掌握它的使用方法已經(jīng)變的非常必要了，正好找到一個(gè)很不錯(cuò)的英文教程，就以此為起點(diǎn)，詳細(xì)記錄一下對(duì) OpenCV 的學(xué)習(xí)過程吧。

安裝Python OpenCV

第一節(jié)：圖像基本操作

第二節(jié)：濾鏡和圖像運(yùn)算

第三節(jié)：圖像像素點(diǎn)操作

第四節(jié)：圖像直方圖和反向投影

第五節(jié)：圖像中邊界和輪廓檢測(cè)

第六節(jié)：對(duì)象識(shí)別

第七節(jié)：圖像灰度化處理

第八節(jié)：圖像二值化處理

第一節(jié)：輸入輸出

第二節(jié)：視頻處理

第三節(jié)：標(biāo)記運(yùn)動(dòng)軌跡

第四節(jié)：運(yùn)動(dòng)檢測(cè)

第五節(jié)：運(yùn)動(dòng)方向判斷

數(shù)據(jù)科學(xué)部門如何使用Python和R組合完成任務(wù)

和那些數(shù)據(jù)科學(xué)比賽不同，在真實(shí)的數(shù)據(jù)科學(xué)中，我們可能更多的時(shí)間不是在做算法的開發(fā)，而是對(duì)需求的定義和數(shù)據(jù)的治理。所以，如何更好的結(jié)合現(xiàn)實(shí)業(yè)務(wù)，讓數(shù)據(jù)真正產(chǎn)生價(jià)值成了一個(gè)更有意義的話題。
數(shù)據(jù)科學(xué)項(xiàng)目的完整流程通常是這樣的五步驟：
需求定義=》數(shù)據(jù)獲取=》數(shù)據(jù)治理=》數(shù)據(jù)分析=》數(shù)據(jù)可視化

Python科學(xué)計(jì)算利器——Anaconda

最近在用Python做中文自然語言處理。使用的IDE是PyCharm。PyCharm確實(shí)是Python開發(fā)之首選，但用于科學(xué)計(jì)算方面，還略有欠缺。為此我嘗試過Enthought Canopy，但Canopy感覺把問題搞得復(fù)雜化，管理Python擴(kuò)展也不太方便。直到今天我發(fā)現(xiàn)了Anaconda。
Anaconda是一個(gè)和Canopy類似的科學(xué)計(jì)算環(huán)境，但用起來更加方便。自帶的包管理器conda也很強(qiáng)大。

[翻譯]使用Python一步一步地來進(jìn)行數(shù)據(jù)分析

你學(xué)習(xí)Python時(shí)能犯的最簡(jiǎn)單的錯(cuò)誤之一就是同時(shí)去嘗試學(xué)習(xí)過多的庫。當(dāng)你努力一下子學(xué)會(huì)每樣?xùn)|西時(shí)，你會(huì)花費(fèi)很多時(shí)間來切換這些不同概念之間，變得沮喪，最后轉(zhuǎn)移到其他事情上。
所以，堅(jiān)持關(guān)注這個(gè)過程：

理解 Python 基礎(chǔ)

學(xué)習(xí) Numpy

學(xué)習(xí) Pandas

學(xué)習(xí) Matplolib

numpy：python數(shù)據(jù)領(lǐng)域的功臣

numpy對(duì)python的意義非凡，在數(shù)據(jù)分析與機(jī)器學(xué)習(xí)領(lǐng)域?yàn)閜ython立下了汗馬功勞?，F(xiàn)在用python搞數(shù)據(jù)分析或機(jī)器學(xué)習(xí)經(jīng)常使用的pandas、matplotlib、sklearn等庫，都需要基于numpy構(gòu)建。毫不夸張地說，沒有numpy，python今天在數(shù)據(jù)分析與機(jī)器學(xué)習(xí)領(lǐng)域只能是捉襟見肘。

0x01 念念Python，必有回響

真若有心于數(shù)據(jù)領(lǐng)域，甚或欲從事數(shù)據(jù)科學(xué)之職業(yè)。請(qǐng)對(duì)Python有信心，值得你付出時(shí)間。想走機(jī)器學(xué)習(xí)之路，Scikit-learn是你最好的選擇，一邊操作實(shí)例，一邊閱讀文檔，再輔助以相關(guān)的理論基礎(chǔ)，持之?dāng)?shù)日，則大業(yè)可成也。

Python機(jī)器學(xué)習(xí)工具：Scikit-Learn介紹與實(shí)踐

官方的解釋很簡(jiǎn)單: Machine Learning in Python, 用python來玩機(jī)器學(xué)習(xí)。
Scikit-learn的優(yōu)點(diǎn)：

構(gòu)建于現(xiàn)有的NumPy(基礎(chǔ)n維數(shù)組包)，SciPy(科學(xué)計(jì)算基礎(chǔ)包), matplotlib(全面的2D/3D畫圖)，IPython(加強(qiáng)的交互解釋器)，Sympy(Symbolic mathematics)， Pandas(數(shù)據(jù)結(jié)構(gòu)和分析)之上，做了易用性的封裝。

簡(jiǎn)單且高效的數(shù)據(jù)挖掘、數(shù)據(jù)分析的工具。

對(duì)所有人開放，且在很多場(chǎng)景易于復(fù)用。

BSD證書下開源。

教程 | 如何用Python和機(jī)器學(xué)習(xí)炒股賺錢？

相信很多人都想過讓人工智能來幫你賺錢，但到底該如何做呢？瑞士日內(nèi)瓦的一位金融數(shù)據(jù)顧問 Ga?tan Rickter 近日發(fā)表文章介紹了他利用 Python 和機(jī)器學(xué)習(xí)來幫助炒股的經(jīng)驗(yàn)，其最終成果的收益率跑贏了長(zhǎng)期處于牛市的標(biāo)準(zhǔn)普爾 500 指數(shù)。雖然這篇文章并沒有將他的方法完全徹底公開，但已公開的內(nèi)容或許能給我們帶來如何用人工智能炒股的啟迪。機(jī)器之心對(duì)本文進(jìn)行了編譯介紹，代碼詳情請(qǐng)?jiān)L問原文。

歐拉函數(shù)(Euler" totient function )

gamma函數(shù)的求導(dǎo)會(huì)出現(xiàn)所謂的歐拉函數(shù)（phi），在一篇論文中我需要對(duì)好幾個(gè)歐拉函數(shù)求值，結(jié)果不能理解，立即去google，發(fā)現(xiàn)了一個(gè)開源的python庫可以用來計(jì)算歐拉函數(shù)

Python 機(jī)器學(xué)習(xí)入門資料整理

這10個(gè)Python項(xiàng)目超有趣

Python可謂是現(xiàn)在很多人正在學(xué)或者想學(xué)的一個(gè)腳本語言了，提到學(xué)習(xí)自然就少不了拿項(xiàng)目練手，可是一般的項(xiàng)目根本提不起興趣嘛，這10個(gè)項(xiàng)目可是非常有趣的，不信你看看。

Python 讀寫excel文件

最近需要用到Python來操作excel表，讀取表格內(nèi)容到數(shù)據(jù)庫。所以就搜索了相關(guān)資料。查找了一下，可以操作excel表的幾個(gè)庫有以下幾個(gè)：

openpyxl 這個(gè)是推薦使用的庫，可以讀寫Excel 2010以上格式，以.xlsx結(jié)尾的文件。

xlsxwriter 這個(gè)支持.xlsx,但是只支持寫入，格式化等操作，不支持讀取。

xlrd 這個(gè)支持讀取數(shù)據(jù)，支持以xls結(jié)尾的文件，也就是比較老的格式。

xlwt 這個(gè)和上面的相對(duì)應(yīng)，支持寫入書和格式化數(shù)據(jù)，支持xls結(jié)尾的文件格式。

xlutils 這個(gè)是整合了xlrd和xlwt兩個(gè)庫的功能。


經(jīng)過對(duì)比我還是選擇了openpyxl這個(gè)庫，下面針對(duì)這個(gè)庫的使用進(jìn)行說明

7 行Python的人臉識(shí)別

隨著去年alphago 的震撼表現(xiàn)，AI 再次成為科技公司的寵兒。AI涉及的領(lǐng)域眾多，圖像識(shí)別中的人臉識(shí)別是其中一個(gè)有趣的分支。百度的BFR，F(xiàn)ace++的開放平臺(tái)，漢王，訊飛等等都提供了人臉識(shí)別的API，對(duì)于老碼農(nóng)而言，自己寫一小段代碼，來看看一張圖片中有幾個(gè)人，沒有高大上，只是覺得好玩，而且只需要7行代碼。

動(dòng)手實(shí)操 | 如何用 Python 實(shí)現(xiàn)人臉識(shí)別，證明這個(gè)楊冪是那個(gè)楊冪？

當(dāng)前，人臉識(shí)別應(yīng)用于許多領(lǐng)域，如支付寶的用戶認(rèn)證，許多的能識(shí)別人心情的 AI，也就是人的面部表情，還有能分析人的年齡等等，而這里面有著許多的難度，在這里我想要分享的是一個(gè)利用七牛 SDK 簡(jiǎn)單的實(shí)現(xiàn)人臉識(shí)別的方法，當(dāng)然七牛的 SDK 中提供了很多的拓展，在返回的 JSON 中包含著如年齡等信息，這里就不進(jìn)行分享了。這里我們要使用的是七牛云平臺(tái)中由第三方數(shù)據(jù)處理提供的 API。

Python 爬蟲：把廖雪峰的教程轉(zhuǎn)換成 PDF 電子書

寫爬蟲似乎沒有比用 Python 更合適了，Python 社區(qū)提供的爬蟲工具多得讓你眼花繚亂，各種拿來就可以直接用的 library 分分鐘就可以寫出一個(gè)爬蟲出來，今天就琢磨著寫一個(gè)爬蟲，將廖雪峰的 Python 教程 爬下來做成 PDF 電子書方便大家離線閱讀。

我用Python分析了42萬字的歌詞，為了搞清楚民謠歌手們?cè)诔┦裁?/p>

聽了這么多年民謠，我有一種感覺，就是很多歌都似曾相識(shí)，但是仔細(xì)一想，又哪一首都想不起來，為了搞清楚這群流浪在祖國(guó)大地的現(xiàn)代游吟詩人們都在唱些什么，我做了一些數(shù)據(jù)分析的工作。

僅78行代碼實(shí)現(xiàn)微信撤回消息查看~

今天一大早奔來圖書館，想想了微信很簡(jiǎn)潔也很強(qiáng)大的一個(gè)工具，最近微信的新聞還是比較多的， 比如：小程序、時(shí)間軸等，這不是重點(diǎn)，重點(diǎn)是看到了一個(gè)基于python的微信開源庫：itchat，玩了一天。Python曾經(jīng)對(duì)我說："時(shí)日不多，趕緊用Python"。

Python爬蟲，看看我最近博客都寫了啥，帶你制作高逼格的數(shù)據(jù)聚合云圖

今天一時(shí)興起，想用python爬爬自己的博客，通過數(shù)據(jù)聚合，制作高逼格的云圖(對(duì)詞匯出現(xiàn)頻率視覺上的展示)，看看最近我到底寫了啥文章。

桑心病狂，試試把報(bào)警日志發(fā)到微信上

wechat_sender 是基于 wxpy 和 tornado 實(shí)現(xiàn)的一個(gè)可以將你的網(wǎng)站、爬蟲、腳本等其他應(yīng)用中各種消息 （日志、報(bào)警、運(yùn)行結(jié)果等） 發(fā)送到微信的工具。
使用 wechat_sender 很簡(jiǎn)單，只需要有個(gè)人微信號(hào)，然后用個(gè)人微信號(hào)啟動(dòng) wechat_sender 服務(wù)。

微信公號(hào)DIY：一小時(shí)搭建微信聊天機(jī)器人

使用Python實(shí)現(xiàn)聊天機(jī)器人的方案有多種：AIML、chatterBot以及圖靈聊天機(jī)器人和微軟小冰等。
考慮到以后可能會(huì)做一些定制化的需求，這里我選擇了chatterBot。
chatterbot是一款python接口的，基于一系列規(guī)則和機(jī)器學(xué)習(xí)算法完成的聊天機(jī)器人。具有結(jié)構(gòu)清晰，可擴(kuò)展性好，簡(jiǎn)單實(shí)用的特點(diǎn)。

用 Python 寫一個(gè) NoSQL 數(shù)據(jù)庫

NoSQL 這個(gè)詞在近些年正變得隨處可見， 但是到底 "NoSQL" 指的是什么? 它是如何并且為什么這么有用? 在本文, 我們將會(huì)通過純 Python (我比較喜歡叫它， "輕結(jié)構(gòu)化的偽代碼") 寫一個(gè) NoSQL 數(shù)據(jù)庫來回答這些問題。

Python 動(dòng)手寫一個(gè)刷網(wǎng)站流量的工具

Python 詞云分析周杰倫《晴天》

python爬蟲之實(shí)戰(zhàn)花瓣網(wǎng)

講師：

@kimg1234，知乎專欄 爬蟲入門到精通系統(tǒng)教程 的作者，對(duì)爬蟲技巧有特別的研究，熟悉HTTP協(xié)議。

內(nèi)容簡(jiǎn)介：

如何爬取異步加載的網(wǎng)頁

如何解析請(qǐng)求中的參數(shù)

headers中的Accept如何應(yīng)用

如何優(yōu)雅的獲取JavaScript中的內(nèi)容

如何解決爬取網(wǎng)頁過程中遇到的問題

使用 Python 和 TFlearn 深度學(xué)習(xí)的第一步

講師：

@Christoph，浙江財(cái)經(jīng)大學(xué)數(shù)據(jù)分析和大數(shù)據(jù)計(jì)算客座教授，德國(guó)不萊梅大學(xué)數(shù)學(xué)博士

內(nèi)容簡(jiǎn)介:

近年來，深度學(xué)習(xí)已經(jīng)帶動(dòng)了機(jī)器學(xué)習(xí)的革命性進(jìn)展：用于分類圖像和自動(dòng)翻譯的深層神經(jīng)網(wǎng)絡(luò)模型已經(jīng)達(dá)到了過去無法想象的程度。
我們將快速概述深度神經(jīng)網(wǎng)絡(luò)和激活函數(shù)，然后使用 TFlearn 構(gòu)建圖像分類器。 TFlearn 使用類似 sklearn 的接口，一個(gè)流行的 Python 機(jī)器學(xué)習(xí)庫，利用谷歌的 TensorFlow 的底層計(jì)算和加快開發(fā)過程。 聽課只需具備一些 Python 知識(shí)即可，無需機(jī)器學(xué)習(xí)背景。

SegmentFault 官方目前開放的微信技術(shù)群如下：

SF.GG 后端攻城獅交流群

SF.GG 前端攻城獅交流群

SF.GG 北京技術(shù)交流群

SF.GG 上海技術(shù)交流群

SF.GG 廣州技術(shù)交流群

SF.GG 深圳技術(shù)交流群

SF.GG 杭州技術(shù)交流群

以上群組僅限程序員加入，需要入群的小伙伴請(qǐng)?zhí)砑庸芾韱T微信好友：mgr_segmentfault，備注『群名稱+SF用戶ID』，審核成功后會(huì)拉你進(jìn)入相應(yīng)技術(shù)群。

（本期完）