python扩展模块

一、扩展模块

■影像扩展模块PIL（单独安装）

影像扩展模块需安装PIL V1.16（与python版本对应）

安装完毕后调用方式为：

import Image # 注意首字母大写！！

im = Image.open(r"d:\000.jpg") # 注意路径字符串的处理

row, col = im.size # 获取影像的尺寸

■声音引擎pyTTS扩展模块（单独安装）

下载并安装pytts 3.0（for python 2.5版），然后使用以下代码即可发声！！

import pyTTS # 注意大小写

tts = pyTTS.Create() # 注意首字母大写

tts.Speak("Mission Finished!") # 注意首字母大写

■Math库（系统自带）

from math import *

1、包含两个常数，pi, e注意小写

2、包含常用的算术运算：floor, ceil, log, log10, exp, sqrt

3、包含常用的三角运算：sin, cos, tan, asin, acos, atan, degree, radians

注意：1、abs()为系统内置函数；2、numpy可以替代 math 实现所有功能！！

■Random库（系统自带）

1、整型随机数：

randint(a, b) # 生成[a, b)的整型浮点数

randrange(a, b, s) # 生成[a, b)的整型浮点数

2、浮点随机数：

random() # 生成[0, 1)的浮点随机数

uniform(a, b) # 生成[a, b)的浮点随机数

■FTP库（系统自带）

import ftplib

1、ftp服务器的连接

ftp = ftplib.FTP("192.168.209.205") # 连接影响服务器，注意FTP要大写

print ftp.login("sino", "801") # 使用用户名登录

2、路径操作

ftp.cwd("/aaa/bbb//") # 设置当前工作路径

ftp.mkd("/aaa/bbb/ccc//") # 创建路径

ftp.rmk("/aaa/bbb/ccc//") # 删除路径

ftp.pmd("/aaa/bbb//") # 返回当前路径名

3、文件操作

ftp.rename(...) # 文件更名

ftp.delete(...) # 文件删除

二、数组/矩阵处理

早期有个包叫Numeric，后来有人写了numarray替代它，很快有人写了个numpy把两个包都替换了，现在有人在Numpy的基础上写了个Scipy，这个咚咚不错，可以完成80%的Matlab工作！！

numpy是python用于科学计算的扩展模块，numpy提供ndarray和ufunc两个对象，主要提供数组对

象、数组函数和傅立叶变换相关函数，Scipy则提供了更多计算工具。

注意：scipy库依赖于numpy库，必须先安装numpy才能使用！！

1、数组的定义

numpy中同时提供了array数组和matrix矩阵对象，使用时容易弄混。

import numpy as np # 数组对象为array对象，而不是普通列表对象！！

import scipy as sp

a = np.array([[1,2],[3,4]],dtype=np.float) #通过列表创建数组

a = np.array(((1,2,3),(4,5,6))) # 通过元组创建数组，效果相同

a = np.mat([[1,2,3],[4,5,6]]) # 通过列表创建矩阵

a = np.mat(((1,2,3),(4,5,6))) # 通过元组创建矩阵

a = np.mat(array([[1,2,3],[4,5,6]])) # 通过数组创建数组

b = np.arange(30) # 通过类似range()创建一维数组

b = np.arange(2, 3, 0.1) # 通过(起点,终点,步长)创建数组

b = np.linspace(2, 3, 10) # 通过(起点,终点,个数)创建线性数组

b = np.logspace(2, 3, 5) # 通过(起点,终点,个数)创建指数数组，很少用

c = np.zeros((3,5)) # 通过元组创建零矩阵

c = np.zeros_like(a) # 通过类似创建

c = np.ones((3,5)) # 通过元组创建一矩阵

c = np.ones_like(a) # 通过类似创建

c = np.eye(3,5) # 注意单位阵创建方法，不是元组！！

d = np.diag(a) # 获取矩阵a的对角阵

d = np.tri(3, 5) # 生成3*5的下三角阵

d = np.tril(a) # 获取矩阵a的下三角阵

d = np.triu(a) # 获取矩阵a的上三角阵

2、数组常用属性

a = np.array([[1, 2, 3, 4],[5, 6, 7, 8], [9, 10, 11, 12]])

a.ndim # 数组的维数，一维数组=1，二维数组=2

a.dtype # dtype('int32')，获取数组类型

a.size # 12, 获取数组总元素个数（个数=行*列）

a.itemsize # 数组单个元素所占字节数

a.nbytes # 数组总共所占字节数

a.shape # (3,4), 获取数组的行列数

a.shape = 4, 3 # 将数组重排为4行3列，注意不是转置，且划分前后数组

尺寸不变

a.shape = 2, -1 # 使用-1自动计算行/列长度，相当于（2，6）

a.reshape((4, 3)) # 同上，重新划分

3、数组常用操作

a.real; a.imag # 返回数组的实部，虚部

a.T # 矩阵转置

a.tolist() # 数组转换为列表

a.flatten() # 多维数组转一维数组