《DLS》第一章笔记：Python入门

1.1 Python安装

   Python版本：Python3<br />       外部库：NumPy库和Matplotlib库<br />       推荐版本：Anaconda发行版<br />       集成很多机器学习相关的库，使用户一次性完成安装

1.2 Python算数运算

1.3 Python语法

1.3.1 数据类型

   包括int、float、str、bool等，可以用type()函数查看。

1.3.2 变量

   Python是动态类型语言，变量的情况根据情况自动决定，因此要注意变量类型的转换。

1.3.3 列表

>>> a = [1, 2, 3, 4, 5] # 生成列表

   []中的数字称为索引，列表可以通过切片访问，从 0 到 n-1 或从-n 到 1。

# 使用切片：
>>> a[0] # 访问第一个元素的值
>>> a[0:2] # 获取索引为0到2（不包括2！）的元素
>>> a[1:] # 获取从索引为1的元素到最后一个元素
>>> a[:3] # 获取从第一个元素到索引为3（不包括3！）的元素
>>> a[:-1] # 获取从第一个元素到最后一个元素的前一个元素之间的元素
>>> a[:-2] # 获取从第一个元素到最后一个元素的前二个元素之间的元素

1.3.4 字典

   字典则以键-值对（key-value）的形式存储数据。

>>> me = {'height':180} # 生成字典 
>>> me['height'] # 访问元素 
>>> me['weight'] = 70 # 添加新元素

1.3.5 if语句的语法

if condition:
    do something
elif condition:
    do something
………
else:
    do something

1.3.6 for语句的语法

for item in iterable:
    do something

1.3.7 函数

def function (arg1, arg2):
    do something
    return ‘Something’

1.3.8 类

clsaa name:
def __init__(self, argument, …):
    do something
def method1((self, argument, …):
    do something
def method2((self, argument, …):
    do something
……

1.4 NumPy

1.4.1 导入Numpy

import numpy as np

1.4.2 生成NumPy数组

a = np.array([1.0, 2.0, 3.0]) # 一维数组
A = np.array([[1, 2], [3, 4]]) # 二维数组

1.4.3 NumPy数组的运算

1.4.3.1 element-wise运算

   NumPy数组可以进行对应元素之间的运算。

1.4.3.2 和标量的运算（广播）

1.5 Matplotlib

1.5.1 绘制图像

import matplotlib.pyplot as plt
plt.plot() # 绘制图形
plt.show() # 显示图形

1.5.2 显示图像

import matplotlib.pyplot as plt
imshow() # 显示图像

   因为都是入门知识所以不多做展开，回顾Python基础语法之后，我们就可以迈入深度学习的大门了：
   [《DLS》第二章笔记：感知机](https://blog.csdn.net/m0_50299150/article/details/113801773)