python 读写数据

开源标准数据集 —— mnist（手写字符识别）

下载地址：mnist.pkl.gz

１. 使用 python 读取和解析 mnist.pkl.gz

import pickle
import gzip
from PIL import Image

def load_data():
    with gzip.open('./mnist.pkl.gz') as fp:
        training_data, valid_data, test_data = pickle.load(fp)
    return training_data, valid_data, test_data

training_data, valid_data, test_data = load_data()
print len(training_data[0])
print len(valid_data[0])
print len(test_data[0])
print len(training_data[0][0])

I = training_data[0][0]
I.resize((28, 28))
im = Image.fromarray((I*256).astype('uint8'))
im.show()
im.save('5.png')

可以看出，mnist.pkl.gz 分为训练集，校验集和测试集；

使用 PIL 中的图像相关 api，我们可对其中的图像显示出来并保存；

２. Python中的单行、多行、中文注释

在大量的数据处理或者计算机视觉的文献和著作中，我们常见如下的数据集可视化（甚至对参数也可进行可视化，毕竟图像的本质是二维数组），通过文章末尾的代 码我们发现只需对布局及间距的慎重设置，便可对大量丰富的图像以”地板贴砖（tiles on a floor）”的形式进行组织，也即可视化，展示数据或相关工作，可以起到十分直观的效果，下图即是对深度神经网络的权值矩阵进行的贴砖可视化：

def normalize(darr, eps=1e-8):
    # normalize(x) = (x-min)/(max-min)
    darr -= darr.min()
    darr *= 1./(darr.max()+eps)
    return darr

def tile_raster_images(X, image_shape, tile_shape,
            tile_spacing=(0, 0), normalize_rows=True, output_pixel_vals=True):
            # image_shape：每一个砖的高和宽，
            # tile_shape：在横纵两个方向上分别有多少砖
            # tile_spacing：砖与砖之间的距离
            # normalize_rows：是否对砖进行归一化
            # output_pixel_vals：是否对砖以图像的形式进行显示

    assert len(image_shape) == 2
    assert len(tile_shape) == 2
    assert len(tile_spacing) == 2
                            # 对参数进行断言，确保它们都是二维元组
    output_shape = [
        (ishp + tsp)*tshp-tsp
        for ishp, tshp, tsp in zip(image_shape, tile_shape, tile_spacing)
    ]
                    # image_shape == (28, 28)   mnist data
                    # tile_shape == (10, 10), tile_spacing == (1, 1)
                    # [(28+1)*10-1]*[(28+1)*10-1]                   

    H, W = image_shape
    Hs, Ws = tile_spacing
    dt = 'uint8' if output_pixel_vals else X.dtype
                            # python 风格的三目运算符
    output_array = numpy.zeros(output_shape, dtype=dt)

    # 开始贴砖
    for i in range(tile_shape[0]):
        for j in range(tile_shape[1]):
            if i*tile_shape[1]+j < X.shape[0]:
                    # X的每一行是一个图像（二维）flatten后的（一维的行向量）
                this_x = X[i*tile_shape[1]+j]
                this_image = normalize(this_x.reshape(image_shape)) if normalize_rows else this_x.reshape(image_shape)
                c = 255 if output_pixel_vals else 1
                output_array[
                    i*(H+Hs):i*(H+Hs)+H, j*(W+Ws):j*(W+Ws)+W
                ] = this_image*c
    return output_array

import numpy
from PIL import Image

X = numpy.random.randn(500, 28*28)
arr = tile_raster_images(X, image_shape=(28, 28),
            tile_shape=(12, 12), tile_spacing=(1, 1))
img = Image.fromarray(arr)
img.show()
img.save('./砖块可视化.png')
    # 这里也可使用 matplotlib 进行显示
    # plt.imshow(img, cmap='gray')
    # plt.show()

可视化可以更直观的观察数据，让工作更加高效。

３. 数据可视化，贴砖

一、python单行注释符号(#)

示例：#this is a comment

二、批量、多行注释符号

多行注释是用三引号”’ ”’包含的，引号可以使单引号也可以是双引号

例如：

'''
ABC
ABC
ABC
'''
"""
ABC
ABC
ABC
"""

三、python中文注释方法

如果文件里有非ASCII字符，需要在第一行或第二行指定编码声明。把ChineseTest.py文件的编码重新改为ANSI，并加上编码声明：

一定要在第一行或者第二行加上这么一句话：

#coding=utf-8
或
# -*- coding: utf-8 -*-

我刚开始加上了依然出错，是因为我的py文件的前三行是注释声明，我把这句话放在了第四行，所以依然报错。

py脚本的前两行一般都是：

#!/usr/bin/python

# -*- coding: utf-8 -*-