【python的numpy應用】

1. numpy

1:numpy：https://www.cnblogs.com/reaptomorrow-flydream/p/9173161.html

2:python x[:] x[::] x[:::]用法，切片和索引

  python [:-1] [::-1]的理解(容易混淆)

  所以a[::-1]相當於 a[-1:-len(a)-1:-1]，也就是從最後一個元素到第一個元素複製一遍。所以你看到一個倒序的東東。

  https://blog.csdn.net/qq_21840201/article/details/85084621

  https://blog.csdn.net/mingyuli/article/details/81604795

  文檔：https://www.runoob.com/numpy/numpy-ndexing-and-slicing.html

  

#切片操作
#coding=utf-8  
import numpy as np 

data=np.zeros((2,3,4),np.uint8)
print(data)
print("...")
img=np.ones((3,4),np.uint8)
data[1]=img 
print(data)
data[0,...]=img
print(data)

#  ::是反轉
import numpy as np
a=[1,2,3.4,5]
print(a)
[ 1 2 3 4 5 ]
 
print(a[-1]) ###取最後一個元素
[5]
 
print(a[:-1])  ### 除了最後一個取全部
[ 1 2 3 4 ]
 
print(a[::-1]) ### 取從後向前（相反）的元素
[ 5 4 3 2 1 ]
 
print(a[2::-1]) ### 取從下標爲2的元素翻轉讀取
[ 3 2 1 ]

3： np.where(condition, x, y)    condition是條件列表，可以多條件

numpy.where多條件查詢

與： numpy.where((con1)*(con2))或者用&

或：numpy.where((con1)|(con2))  (重點：多條件查詢時條件一定要用括號！一定要用括號！一定要用括號！)

參考鏈接：https://www.jb51.net/article/161971.htm

 

array1=np.where((mask==1)|(mask==2),255,0)

import numpy as np
x = np.arange(16)
a=np.where((x>5)|(x<10))

   滿足條件(condition)，輸出x，不滿足輸出y。  https://www.cnblogs.com/massquantity/p/8908859.html

4: 

import numpy as np
from PIL import Image
a=np.zeros((256,256,3))
b = Image.fromarray(a, mode='RGB')
b.show()

img = np.array(Image.open("lena.jpg"))
#最後將array轉化爲iMage形式
img = Image.fromarray(img.astype('uint8'), mode='RGB')
img.show()

5：省略號與：：

https://blog.csdn.net/z13653662052/article/details/78010654

import numpy as np
from PIL import Image

a=np.arange(25).reshape([5,5])
print(a)
print(a[1:3,2:4])
print(a[:,2])
print(a[...,2])

6：python的軸 https://www.cnblogs.com/rrttp/p/8028421.html

7. .join

# -*- coding: UTF-8 -*-
 
str = "-";
seq = ("a", "b", "c"); # 字符串序列
print str.join( seq );

 輸出：a-b-c

8. np.expand_dims

  

9.np.squeeze 

  返回：從數組shape中刪除一維項

import numpy as np
x = np.array([[[0], [1], [2]]])
print(x.shape)
d = np.squeeze(x)   # 從數組的形狀中刪除單維條目，即把shape中爲1的維度去掉
print(d.shape)

(3,)

10. np.argwhere(a)

  返回：非0的數組元素的索引，其中a是待索引數組的條件

import numpy as np
m = np.arange(6).reshape(1,1,6)
print(m)
m=[[[0 1 2 3 4 5]]] 
n = np.squeeze(m)#第一維和第二維都是1，故刪除
print(n)
n=[0 1 2 3 4 5]

11. numpy.argmax(a, axis=None, out=None) https://www.cnblogs.com/touch-skyer/p/8509217.html

該函數返回的是數組中最大值的索引值
>>> a = np.arange(6).reshape(2,3)
>>> a
array([[0, 1, 2],
       [3, 4, 5]])
>>> np.argmax(a)
5
>>> np.argmax(a, axis=0) #返回行號
array([1, 1, 1])
>>> np.argmax(a, axis=1) #返回列號
array([2, 2])

2. OS模塊：

import os

path=r"F:\wzl\Object-Tracking-master\src\1.png"
print(os.path.split(path)[1])
print(os.path.split(os.path.split(path)[0])[1])
print(os.path.basename(path))
print(os.path.splitext(path)[1])

 0. split(str,n)                                 使用str分割n次，返回一個分割後的列表

  >>> "hi.nokia.lumia".split('.',1)[1]            ('nokia.lumia') 

  >>> "hi.nokia.lumia".split('lum',1)[0]        ('hi.nokia.') 

 1. os.path.split(path)                     將path分割成目錄和文件名二元組返回。 

  filepath, tmpfilename = os.path.split(fileUrl)    shotname, extension = os.path.splitext(tmpfilename)     
  >>> os.path.split('c:\\csv\\test.csv')            ('c:\\csv', 'test.csv') 
  >>> os.path.split('c:\\csv\\')                        ('c:\\csv', '') 

  2. os.path.splitext(filenames)       分離文件名與擴展名；默認返回(fname,fextension)元組，可做分片操作.

  >>> os.path.splitext('c:\\csv\\test.csv')[0]       ('c:\\csv\\test', '.csv')

  3. os.path.join()                            將多個路徑組合後返回，第一個絕對路徑之前的參數將被忽略。 

   >>> os.path.join('c:\\', 'csv', 'test.csv')             'c:\\csv\\test.csv' 

  4. os.path.basename(path)          返回path最後的文件名。如何path以／或\結尾，那麼就會返回空值。

  >>> os.path.basename('c:\\test.csv')      'test.csv' 
  >>> os.path.basename('c:\\csv')              'csv' （這裏csv被當作文件名處理了） 
  >>> os.path.basename('c:\\csv\\')             ''  

  5. os.path.exists(path)                 如果path存在，返回True；如果path不存在，返回False。 

  6. list2=os.listdir(list1)    new=sorted(list2,key=lambda i:int((i.split(".")[0]).split("_")[1]))   提取並根據文件名排序；

     文件名 mask_10.bmp

  7. filenames=os.listdir(dir)  filenames.sort(key=lambda x:int(x[:-4]))#倒着數第四位'.'爲分界線，按照‘.’左邊的數字從小到大排序

  8. join  https://www.cnblogs.com/ling-yu/p/9167065.html

參考鏈接：https://www.cnblogs.com/wuxie1989/p/5623435.html

import os
print(os.path.split('C:/soft/python/test.py')[1]) #test.py
print(os.path.split('C:/soft/python/test'))   #test

可以遍歷找到所有路徑含某字符的文件
def findfile(self,keyword,root):
        filelist=[]
        for root,dirs,files in os.walk(root):
            for name in files:                
                fitfile=filelist.append(os.path.join(root, name))
                #print(fitfile)
                #print(os.path.join(root, name))
        #print(filelist)
        print('...........................................')
        for i in filelist:            
            if os.path.isfile(i):
                #print(i)
                if keyword in os.path.split(i)[0]:
                     print('yes!',i)    # 絕對路徑
                #else:
                    #print('......no keyword!')

3. lambda

from functools import reduce
foo = [2, 18, 9, 22, 17, 24, 8, 12, 27]
 
print (list(filter(lambda x: x % 3 == 0, foo)))
#[18, 9, 24, 12, 27]
 
print (list(map(lambda x: x * 2 + 10, foo)))
#[14, 46, 28, 54, 44, 58, 26, 34, 64]
 
print (reduce(lambda x, y: x + y, foo))
#139

  上述用for....in...if表示：

  print ([x * 2 + 10 for x in foo]) 非常的簡潔，易懂。 　　

  filter的例子可以寫成:print ([x for x in foo if x % 3 == 0]) 同樣也是比lambda的方式更容易理解。

4 txt文件寫入

import os
data=[]
data.append(str(1))
data.append("...")
data.append("name")
with open("data.txt",'w') as f:
    f.writelines(data)
    w.write('\r\n')#換行

5 shutil

import shutil
argetdir_path = 'W:\\Solar\\' + upfile
Targetfile_path = 'W:\\Solar\\' + upfile + '\\' + data_name
if not os.path.exists(Targetdir_path):
	os.mkdir(Targetdir_path)
	shutil.copyfile(file, Targetfile_path)

6 find

  常用於os模塊中路徑特定字符查找，找到該字符返回索引位置，否則返回-1 。

str='F:\術前\3  MR OSag T2'
print(str.find("術前"))
print(str[:str.find("術前")+2])
#F:\術前

7. 一種查找替換numpy數組矩陣符合條件的方法，參考np.where

#和np.where測試代碼
img1=np.random.randint(0,3,(2,2,3))
print("img1：：：")
print(img1)
print(img1.shape)
# print("......")
# img=np.arange(24).reshape(2,2,3,2)
# print(img.shape)
# print(img)
 
print("..............................")
img=img1[1,:,:]
print("img.shape",img.shape)
print("img",img)

#img2=np.where(img>1,255,0)
#print(img2)

pre=np.zeros_like(img,dtype=np.uint8)
pre[img>1]=255
print(pre)
 

8 關鍵字排序sorted

# 用第二個關鍵字排過序後再用第一個關鍵字進行排序
L = [('d',2),('a',4),('b',3),('c',2)]
print sorted(L, key=lambda x:(x[1],x[0]),reverse=False)
>>>[('c', 2), ('d', 2), ('b', 3), ('a', 4)]

for j in range(0, len(contours)):
   area = cv2.contourArea(contours[j])
   M = cv2.moments(contours[j])
   cX = int(M["m10"] / (M["m00"] + 0.000001))
   cY = int(M["m01"] / (M["m00"] + 0.000001))
   cnt_tuples.append((j, area, cX, cY))
   cnt_tuples = sorted(cnt_tuples, key=lambda x: x[1], reverse=True)

9. filter map reduce配合lamda：https://www.cnblogs.com/caizhao/p/7905094.html                           https://www.cnblogs.com/caizhao/p/7905094.html

foo=[1,2,4,3,53,234]
# list1=[x for x in foo if x%2==0]
# opencv輪廓檢測中可以相對輪廓面積長度排序，然後filter篩選
# cnt_tuples.append((j, area, cX, cY))
# cnt_tuples = sorted(cnt_tuples, key=lambda x: x[1], reverse=True)
print(list(map(lambda x: x * x, [y for y in range(3)])))
print(list(filter(lambda x:x%2==0,foo)))

#測試二
import numpy as np 
import os

list1=np.random.randint(1,3,[3,4])
print(list1)

list2=np.arange(1,15,2)
print(list2)

list3=list(map(lambda x: x*x , list2))
print(list3) 
list4=list(filter(lambda x:x%2==0,list2))
print(list4)

    六劍客鏈接：https://www.cnblogs.com/xiaxiaoxu/p/9740086.html

other：練習小程序

# 邊界提取 https://blog.csdn.net/weixin_38517705/article/details/84670150
import numpy as np
import cv2
import os
def face2line(dirFile,suffix,newDirFile):
    '''把dirFile文件夾下的類別圖轉化成邊界圖
    dirFile：指定的被轉化的圖片所在的文件夾
    suffix:圖片類型，如“tif"
    newDirFile:轉化出來的圖片所要存的文件夾
    '''
    if(os.path.exists(newDirFile)==False):
        os.mkdir(newDirFile)
    for file in os.listdir(dirFile):
        singleFileName=dirFile+"\\"+file
        singlefileForm = os.path.splitext(singleFileName)[1][1:]
        if(singlefileForm == suffix):
            print('loading................ : ',singleFileName)
            img=cv2.imread(singleFileName,0)
            edge=np.zeros((img.shape[0],img.shape[1]),np.int8)
            for i in range(1,img.shape[0]-1):
                for j in range(1,img.shape[1]-1):
                    #if (img[i,j]==255&img[i+1,j]==0)|(img[i,j]==255&img[i-1,j]==0):
                    if (img[i,j]==255 and img[i+1,j]==0) or(img[i,j]==255 and img[i-1,j]==0):
                        edge[i,j]=255
                    if (img[i,j]==255 and img[i,j+1]==0) or(img[i,j]==255 and img[i,j-1]==0):
                        edge[i,j]=255
            cv2.imwrite(newDirFile+"\\"+file,edge)

numpy遍歷圖像操作：

# -*- coding: utf-8 -*-
import cv2  
import numpy as np  
import matplotlib.pyplot as plt

#讀取原始圖像
img = cv2.imread('miao.png')

#圖像灰度轉換
grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#獲取圖像高度和寬度
height = grayImage.shape[0]
width = grayImage.shape[1]

#創建一幅圖像
result = np.zeros((height, width), np.uint8)

#圖像灰度非線性變換：DB=DA×DA/255
for i in range(height):
    for j in range(width):
        gray = int(grayImage[i,j])*int(grayImage[i,j]) / 255
        result[i,j] = np.uint8(gray)

#顯示圖像
cv2.imshow("Gray Image", grayImage)
cv2.imshow("Result", result)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

10. np.concatenate

import numpy as np

# a=np.array([[1,2,3],[4,5,6]])
# b=np.array([[11,21,31],[7,8,9]])
# c=np.concatenate((a,b),axis=0)
# print(c)

a=np.random.randint(0,3,(1,3,3,2))
b=np.random.randint(5,8,(1,3,3,2))
c=np.concatenate((a,b),axis=0)
print(c)
print(c.shape) # (2, 3, 3, 2)

11. np.random

from skimage import io,data
import numpy as np
img=data.chelsea()

#隨機生成5000個椒鹽，因爲是3通道，所以是rows,cols,dims=img.shape，如果是灰度圖則只有兩通道則rows,cols=img.shape
rows,cols,dims=img.shape
for i in range(5000):
    x=np.random.randint(0,rows)
    y=np.random.randint(0,cols)
    img[x,y,:]=255
    
io.imshow(img)