多互聯(lián)網(wǎng)新鮮資訊、工作奇淫技巧關(guān)注原創(chuàng)【飛魚在浪嶼】（日更新）
本文是將Python和Jupyter Notebook安裝到Windows 10（64位）的分步教程。安裝Jupyter Notebook需要Python 3.3或更高版本或Python 2.7。
2.Windows 10–64位計(jì)算機(jī)選擇“ x86-64 executable installer”
3.選擇位置以保存可執(zhí)行文件。
4.將Python 3.7.4（64位）安裝到計(jì)算機(jī)上。
定制安裝→“Optional Features”窗口
“Advanced Options”窗口
“Setup Progress”窗口
“Setup was successful”窗口
5.通過(guò)運(yùn)行“IDLE”檢查安裝
6.將“ Python37”路徑和“ Python37 / Scripts”路徑設(shè)置為環(huán)境變量
“ Python37 / Scripts”文件夾的位置
設(shè)置環(huán)境變量
7.打開命令提示符，并使用“ python --version ”檢查python版本。
8.使用“ pip install virtualenv ”安裝pip
9.使用“ python -m pip install -upgrade pip ”升級(jí)pip
10.創(chuàng)建一個(gè)稱為opencv的虛擬環(huán)境（“ virtualenv opencv ”）
11.移至Scripts文件夾并使用“ activate.bat ”激活opencv虛擬環(huán)境
12.使用“ pip install numpy ”安裝numpy
13.使用“ pip install opencv-python ”安裝OpenCV
14.使用“ pip install matplotlib ”安裝Matplotlib
15.使用“python -m pip安裝jupyter”
16.使用“ jupyter notebook ”運(yùn)行Jupyter Notebook
17.使用“ localhost:8888/tree ” URL在瀏覽器中啟動(dòng)
18.創(chuàng)建第一個(gè)筆記本
右上角，選擇New→Python 3
在網(wǎng)絡(luò)瀏覽器的新選項(xiàng)卡中打開新筆記本
NumPy 就是一個(gè)數(shù)學(xué)運(yùn)算的庫(kù)，使用 C 語(yǔ)言實(shí)現(xiàn)的，所以運(yùn)算速度非常快。該模塊也不是 Python 自帶的，需要自行安裝。
可以使用 PIP 進(jìn)行安裝，命令如下：
pip install numpy使用該模塊之前需要將其引入，常用的方法是：
import numpy as np 這樣以后就可以使用 np 來(lái)表示該模塊了。
NumPy 最常見的數(shù)據(jù)結(jié)構(gòu)就是 ndarray，ndarray 表示 N-dimentioanl Array，就是多維數(shù)組的意思。本節(jié)也從這里開始介紹 NumPy。
可以使用多種方式來(lái)構(gòu)建多維數(shù)組，最常見的是使用列表來(lái)構(gòu)建多維數(shù)組。下面的例子便使用一維列表構(gòu)建了一個(gè)一維數(shù)組。
>>> import numpy as np
>>> nda1 = np.array([1, 2, 3]) # 使用一維列表來(lái)作為輸入
>>> nda1
array([1, 2, 3])6 >>> type(nda1)
<class 'numpy.ndarray'>如果希望構(gòu)建二維數(shù)組，可以使用下面的方法：
>>> input_list = [
... [1, 2, 3],
... [4, 5, 6]
... ]
>>> nda2 = np.array(input_list)
>>> nda2
array([[1, 2, 3], # 查看值
[4, 5, 6]])
>>> type(nda2) # 查看類型
<class 'numpy.ndarray'>也可以指定一些特征值，讓 NumPy 自動(dòng)產(chǎn)生相關(guān)的數(shù)組。例如指定維度，讓其產(chǎn)生所有元素都為正常 0 的數(shù)組，代碼如下：
>>> np.zeros(5) # 5個(gè)元素的一維數(shù)組
array([0., 0., 0., 0., 0.])
>>> np.zeros((5, 2)) # 二維數(shù)組，5行，2列
array([[0., 0.],
[0., 0.],
[0., 0.],
[0., 0.],
[0., 0.]])也可以指定維度，讓其產(chǎn)生所有元素值都為 1 的數(shù)組，代碼如下：
>>> np.ones((5, 2)) # 二維數(shù)組，5行，2列，所有元素都為1
array([[1., 1.],
[1., 1.],
[1., 1.],
[1., 1.],
[1., 1.]])
>>> np.ones(5) # 一維數(shù)組，5個(gè)元素
array([1., 1., 1., 1., 1.])還可以讓 NumPy 自動(dòng)產(chǎn)生等差數(shù)組，此時(shí)需要指定開始值、結(jié)束值和步長(zhǎng)。代碼如下：
>>> np.arange(3,7,2) # 從3開始，直到7，步長(zhǎng)為2
array([3, 5])
>>> np.arange(3,7,1) # 從3開始，直到7，步長(zhǎng)為1
array([3, 4, 5, 6])
>>> np.arange(7, 3, -1) # 從7開始，直到3，步長(zhǎng)為-1
array([7, 6, 5, 4])
>>> np.arange(7, 3, -2) # 從7開始，直到3，步長(zhǎng)為-2
array([7, 5])arange() 函數(shù)和 range() 類似，如果僅提供一個(gè)值，那么開始值就是 0，步長(zhǎng)是 1，代碼如下：
>>> np.arange(7)
array([0, 1, 2, 3, 4, 5, 6])
如果提供兩個(gè)參數(shù)，那么步長(zhǎng)為 1：
>>> np.arange(2, 5) # 從2開始，直到5，步長(zhǎng)為1
array([2, 3, 4])
>>> np.arange(2, 6) # 從2開始，直到6，步長(zhǎng)為1
array([2, 3, 4, 5])
另外一個(gè)等差數(shù)列函數(shù)是 linspace()，其指定開始位置和結(jié)束位置，但不指定步長(zhǎng)，而是指定元素個(gè)數(shù)。例如從 1 開始，到 5 結(jié)束，一共有 8 個(gè)數(shù)，那么生成的數(shù)組如下面所示：
>>> np.linspace(1, 5, 8) # 包括1和5，等分8個(gè)點(diǎn)
array([1. , 1.57142857, 2.14285714, 2.71428571, 3.28571429,
3.85714286, 4.42857143, 5]) 可以發(fā)現(xiàn)元素個(gè)數(shù)和指定的一致，開始值和結(jié)束值也都被包含，而且它們的確是等差數(shù)列。
linspace() 函數(shù)比較有用，例如要畫正弦函數(shù)在 0 到 2π 之間的圖形，便可以使用該函數(shù)在 0 到 2π 之間產(chǎn)生均勻分布的 100 個(gè)點(diǎn)，然后使用 matplotlib 將它們畫出來(lái)。下面是演示的代碼：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 2*np.pi, 100)
y = [np.sin(e) for e in x]
plt.plot(x, y)
plt.savefig("sindemo1.png") 運(yùn)行后產(chǎn)生的圖片如圖 1 所示。
圖 1 y=sin(x)的曲線
還可以使用 logspace() 函數(shù)讓 NumPy 自動(dòng)產(chǎn)生等比數(shù)列，此時(shí)需要指定開始點(diǎn)和結(jié)束點(diǎn)，同時(shí)指定點(diǎn)的個(gè)數(shù)。如果沒(méi)有提供點(diǎn)的數(shù)目，默認(rèn)是生成 50 個(gè)點(diǎn)。
>>> np.logspace(2.0, 3.0, num=4) # 4個(gè)點(diǎn)，其實(shí)位置是102，結(jié)束位置是103
array([ 100. , 215.443469, 464.15888336, 1000.])
下面是一個(gè)例子，其演示了 logspace() 的用法和參數(shù) endpoint 的用法。endpoint=True 表示結(jié)束值被包含在輸出數(shù)組中，否則表示不包含在輸出數(shù)組中。下面是完整的代碼：
import matplotlib.pyplot as plt
import numpy as np
N = 10 # 一共10個(gè)點(diǎn)
x1 = np.logspace(0.1, 1, N, endpoint=True) # 10被算作是最后一個(gè)點(diǎn)
x2 = np.logspace(0.1, 1, N, endpoint=False) # 10不被算作是最后一個(gè)點(diǎn)
y = np.zeros(N)
plt.plot(x1, y, 'o')
plt.plot(x2, y + 0.5, 'x')
plt.ylim([-0.5, 1]) # y軸的范圍是-0.5到1
plt.savefig("logspace1.png") # 保存圖片到文件 運(yùn)行該腳本，得到的輸出圖片如圖 2 所示。
圖 2 logspace()的用法
還可以使用 full() 函數(shù)指定維度和一個(gè)值，讓所有的元素都等于該值。該函數(shù)和 ones() 類似，但值是由用戶指定的。
>>> np.full((2, 2), np.inf) # 所有元素都是無(wú)窮大
array([[inf, inf],
[inf, inf]])
>>> np.full((2, 2), 11) # 所有元素都是11
array([[11, 11],
[11, 11]])
>>> np.full((2, 2), 1.51) # 所有元素都是1.51
array([[1.51, 1.51],
[1.51, 1.51]])
使用 eye() 函數(shù)還可以自動(dòng)生成單位矩陣，就是僅對(duì)角線上的值為 1，其他位置上的值都為 0。
>>> np.eye(2) # 2x2的單位矩陣
array([[1., 0.],
[0., 1.]])
>>> np.eye(3) # 3x3的單位矩陣
array([[1., 0., 0.],
[0., 1., 0.],
[0., 0., 1.]])還可以自動(dòng)產(chǎn)生隨機(jī)的矩陣，例如可以使用 random.normal() 函數(shù)產(chǎn)生一個(gè)正態(tài)分布的一維矩陣：
>>> mu, sigma = 0, 0.1 # mu是平均值，sigma代表分散程度
>>> s = np.random.normal(mu, sigma, 1000)
>>> s.size # 元素個(gè)數(shù)為1000
1000
>>> np.mean(s) # 平均值接近0
-0.0011152161285000821
>>> abs(mu - np.mean(s)) < 0.01 # 平均值接近mu=0
True
>>> abs(sigma - np.std(s, ddof=1)) < 0.01 # 分散程度檢查
True可以將生成的數(shù)據(jù)畫出來(lái)，使用下面的代碼：
import matplotlib.pyplot as plt
import numpy as np
mu, sigma = 0, 0.1
s = np.random.normal(mu, sigma, 1000)
count, bins, ignored = plt.hist(s, 30, density=True)
plt.plot(bins, 1/(sigma * np.sqrt(2 * np.pi)) *
np.exp( - (bins - mu)**2 / (2 * sigma**2) ),
linewidth=2, color='r')
plt.savefig("rand1.png") 運(yùn)行該腳本，得到的輸出圖片文件如圖 3 所示。
圖 3 正態(tài)分布
還可以生成完全隨機(jī)的矩陣，方法是使用 np.random.rand（外形）函數(shù)。例如在下面的例子中，就生成了隨機(jī)內(nèi)容組成的指定外形的矩陣。