► 前言
上一篇為大家介紹Google Colab平台及基本操作，本篇會為大家介紹深度學習基本使用的幾個Python語法，讓大家在看深度學習程式碼時，能夠比較清楚知道在做什麼。
► Python介紹
Python是一種易於學習、功能強大、直譯式並且物件導向的程式語言(由Guido van Rossum創造)，可執行於多平台，屬於通用型程式語言，Python 有幾項特點：
- 語法簡潔：
Ｃ、Java及Android等語言，需要經過存檔、編譯及執行等三步驟，才能夠將你寫的程式碼執行運作，而Python不必存檔及編譯，寫完程式碼就可以直接執行，而且只需要輸入print(“Hello! World”)，就可以直接打印Hello! World，去除函示使用大括號（{}）的功能，以冒號（：）及換行table或四個空白替代大括號。
- 功能強大：
Python可以用在深度學習、機器學習、網頁設計、手機 App 撰寫、遊戲程式設計、自動化控制、生物醫學、大數據…等領域，Python可以說是「萬用語言」。其他工程師撰寫好用 Python 程式打包成Library，允許你進行安裝使用﹐可以省下非常多的時間。
- 跨平台：
Python支援各種主要的作業系統。
Python擁有完整的資料分析套件，常用的如下：
1.統計科學計算：Numpy、Scipy、Statsmodels。
2.結構化資料處理與分析：Pandas。
3.資料探索編輯器：Jupyter Notebook。
4.深度學習：TensorFlow、Pytorch。
5.大數據處理：PySpark。
6.機器學習：Scikit-Learn。
► Python基礎語法
輸出
Python的輸出指令就是print，只需要輸入print(‘Hello Word’)，直接執行就可以看到輸出結果Hello Word被打印出。
變數
Python常見的基本變數有：int (整數)、float (浮點數)、str (字串)。不像其他語言需要先定義變數型態，在python的世界裡，會依照出史哲決定變數型態，常常忘記自己設定的變數型態可以使用type(變數) 這個指令做查看。
數學運算
|
運算子 |
功能 |
|
x + y |
X加Y |
|
x - y |
X減Y |
|
x * y |
X乘Y |
|
x / y |
X除以Y |
|
x // y |
X除以Y，只取整數解 |
|
x % y |
求X除以Y的餘數 |
|
x ** y |
X的Y次方 |
字串（String）
a = ‘1234567\
89012345’
print(a)
串列（List）
my_list=[1,2,3]
my_list=['A string',23,100.232,'o']將字串轉為List：
hello=list('Hello world')print(hello)
['H','e','l','l','o',' ','w','o','r','l','d’]
字典（Dictionary）
dic={'a':100, 'b':"yes", 'c':0.98}
元祖（Tuples）
tuple = (1,2,3)流程控制(if...else)
if True:
print('It was true!')輸出結果為：It was true!
For迴圈
a = [1,2,3,4,5,6,7,8,9,10]
b = ""
for num in a:
b = b + str(num)
print(b)
函式
def addNum(a, b):
return a+b
print(addNum(5, 6))
以上為大概的Python基礎語法介紹，有興趣的來這裡 Python 說明文件內容
► Numpy套件基本介紹
NumPy(Numerical Python) 是Python 語言的一個擴展函式庫，支持大量的維度數組與矩陣運算，此外也針對數組運算提供大量的數學函數庫。
NumPy 通常與SciPy（Scientific Python）和Matplotlib（繪圖庫）一起使用，有助於通過Python 學習數據科學或者機器學習。
na=np.array([1,2,3,4,5]) #一維陣列，跟一般List操作類似
na=np.array([[1,2,3,4,5],[6,7,8,9,10]]) #二維陣列SciPy 包含的模塊有最優化、線性代數、積分、插值、特殊函數、快速傅里葉變換、信號處理和圖像處理、常微分方程求解和其他科學與工程中常用的計算，只需要做安裝引用就可以實現這些數學運算。
Matplotlib 是Python 編程語言及其數值數學擴展，可視化操作界面，操作如下：
import numpy as np
import matplotlib.pyplot as plt
x=np.arange(1,7)
y=[0.2,0.1,0.1,0.2,0.1,0.3]
cdf=np.cumsum(y)
plt.plot(x,y, marker="o",label="AA")
plt.plot(x,cdf,marker="o",label="BB")
plt.xlim(0,7)
plt.ylim(0,1.5)
plt.xlabel("X")
plt.ylabel("Y")
plt.title("Test")
plt.legend()
plt.show()
►小結
透過以上講解，因該已經對於Python有初步的了解，當看Python程式碼時也可以看得懂，也可以嘗試自己寫一個簡單的Python應用來玩玩，本篇博文到這裡，期待下一篇博文吧！
►參考資料
NumPy 教程
python基本語法介紹
Python 說明文件內容
評論