Python: 利用Python进行数据分析 学习记录

-----15:18 2016/10/14-----

1.

import numpy as np;import pandas as pd
values = pd.Series(np.random.normal(0,1,size=2000))

#Series可看作一个定长的有序字典。

高斯分布对应的概率密度函数对应于numpy中:

np.random.normal(loc=mu, scale=sigma, size=Non)
标准的正态分布(mu=0,sigma=1)
np.random.normal(loc=0, scale=1, size=Non)

values.hist(bins=100, alpha=0.3, color='k', normed= True)
#bins 区间数 alpha 透明度 normed=True 参数来正则化直方图

2.

cv2.error: ..\..\..\opencv-3.1.0\modules\imgproc\src\color.cpp:7456: error: (-215) scn == 3 || scn == 4 in function cv::ipp_cvtColor 　　

主要问题就是 图片没有imread()成功。

3.

contours,hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
ValueError: too many values to unpack (expected 2)

返回值个数不对。

4.Python NumPy计算欧式距离

　　欧式距离：在m维空间中两点的实际距离。在二维空间中，两点距离表达式：d = sqrt{(X_1 – Y_1)^2 + (X_2 – Y_2)^2}　

import numpy as np

#样本数据
coords1 = [1,2,3]
coords2 = [4,5,6]
np_c1 = np.array(coords1)
np_c2 = np.array(coords2)

#Numpy版本
def eucldist_vectorized(coords1, coords2):
    """ Calculates the euclidean distance between 2 lists of coordinates. """
    return np.sqrt(np.sum((coords1 - coords2)**2))

if __name__ == "__main__":
    print(eucldist_vectorized(np_c1, np_c2)) #5.19615242271