1.

Thư viện opencv python

Cài đặt: py -m install opencv-python

Cú pháp:
 import cv2 or from cv2 import cv2 # sử dụng nếu lỗi đề xuất dự đoán lệnh
 #cú pháp: cv2.imread(path,flag)
 # cv2.IMREAD_COLOR: (1) trả về ảnh màu, bỏ qua kênh alpha (kênh trong
suốt ảnh)
 # cv2.IMREAD_GRAYSCALE : (-1) trả về ảnh bao gồm cả kênh alpha (có độ
trong suốt)

#đọc ảnh
img = cv2.imread(“picture_name”, 1) #nếu để trong thư mục folder/2.png
#resize image:
#1: img = cv2.resize(img,(400,200)) #(rộng, dài)
#2: xuất ảnh bằng x lần ban đầu
img = cv2.resize(img,(0,0), fx = 0.1, fy = 0.1) #fx rộng, fy dài)
#3. Xoay ảnh:
img = cv2.rotate(img.cv2.ROTATE_90_COUNTERCLOCKWISE)
#Hiển thị ảnh
cv2.imshow(“hienthi”,img)
k=cv2.waitKey() #cv.waitKey(milliseconds) #hiển thị ảnh trong 1 thời gian
print(k)
#nếu sau time wait không ấn gì nó sẽ trả về giá trị -1
# = 0, dừng chương trình đến khi nhấn 1 nút trên bàn phím
# trả về mã ASCII của phím được nhấn
print(ord(“s”)
#lưu thành file mới NẾU BẤM PHÍM “s”
 ifk == ord(“s”):
cv2.imwrite(“starry.night.png”, img)

3. Thư viện trong Numpy

 là một thư viện toán học. Cho phép làm việc hiệu quả với ma trận và mảng, đặc
biệt là dữ liệu ma trận và mảng với tốc độ xử lý nhanh hơn nhiều lần khi chỉ sử
dụng “code Python” đơn thuần.
 Cách cài đặt: pip install numpy
 Các thao tác với numpy:
o Khai báo thư viện: import numpy as np
o Khởi tạo mảng:
 Khởi tạo mảng một chiều:
 Khởi tạo mảng một chiều với kiểu dữ liệu các phần tử là
Interger: arr=np.array([1,3,4,5,6], dtype = int)
 Khởi tạo mảng một chiều với kiểu dữ liệu mặc định:
arr=np.array([1,3,4,5,6])
Print(arr)
 Khởi tạo mảng hai chiều:
arr1 = np.array([(4,5,6), (1,2,3)], dtype = int)
print(arr1)
 Khởi tạo mảng ba chiều
arr2 = np.array(([(2,4,0,6), (4,7,5,6)],
[(0,3,2,1), (1,2,4,5)],
[(0,4,7,2), (5,4,2,0)]), dtype = int)
print(arr2)
 Khởi tạo với các hàm có sẵn
 np.zeros((3,4), dtype = int): Tạo mảng hai chiều các
phần tử 0 với kích thước 3x4.
 np.arange(1,7,2): Tạo mảng 3 chiều với phần tử 1 với
kích thước 2x3x4
 np.arange(1,3,2): Tạo mảng với các phần tử từ 1-6 với
bước nhảy là 2.
 np.full((2,3),5): Tạo mảng 2 chiều các phần tử 5 với kích
thước 2x3
 np.eye(4,dtype=int): Tạo ma trận đơn vị với kích thước
là 4x4
  np.random.random((2,3)): Tạo ma trận các phần tử ngẫu
nhiên với kích thước 2x3
o Thao tác với mảng:
 dtype: Kiểu dữ liệu của phần tử trong mảng
 shape: Kích thước của mảng
 size: Số phần tử trong mảng
 ndim: Số chiều của mảng

o Truy cập phần tử trong mảng

 Index được đánh bắt đầu từ 0
 arr[i,j]: truy cập đến phần tử hàng i, cột j của mảng 2 chiều (1 chiều
tương tự)
 a[:,:i]: truy cập tới phần tử từ cột 0 đến cột i-1, của tất cả các hàng trong
mảng 2 chiều
o Đọc mảng từ file .txt
 VD: cho 1 bảng điểm có i hàng, j cột với hàng là điểm của học sinh i
(i=0,30), cột là điểm của môn học j (j=0,10)
 Code:
diem_2a = np.loadtxt(‘file_name (vd: Diem_2A.txt)’, dtype = int,
delimiter=’,’)
print(“ … “, diem_2a)
Bài toán có thể có: truy xuất điểm của học sinh I với môn học j, tính
điểm trung bình môn của 1 hs,…
o Các hàm thống kê
 arr.max() hoặc np.max(arr): Lấy giá trị lớn nhất của mảng
 arr.min() hoặc np.min(arr): Lấy giá trị nhỏ nhất của mảng
 arr.sum() hoặc np.sum(arr): Lấy tổng các phần tử của mảng
 arr.mean() hoặc np.mean(arr): Tính trung bình cộng của tất cả các phần
tử trong mảng arr
 np.meadian(arr): trả về giá trị trung vị (số có giá trị ở giữa) của mảng arr
3. Thư viện matplotlib (as plt)
- Tổng quan: Dùng để trực quan hóa dữ liệu, là thư viện vẽ biểu đồ, đồ thị rất mạnh
mẽ, hữu ích cho những người làm việc với Python và Numpy
a. Khái niệm chung
Một Matplotlib có thể được phân loại thành nhiều phần:
- Figure: giống như 1 cái cửa sổ chứa những thứ mà bạn vẽ trên đó
- Axes: là thành phần chính của một figure hay là những khung nhỏ hơn để vẽ hình
lên đó. Một figure có thể chứa một hoặc nhiều axes. Nói cách khác, figure chỉ là
khung chứa, chính các hình axes mới thật sự là nơi các hình vẽ được vẽ lên
- Axis: là các dòng số giống như các đối tượng và đảm nhiệm việc tạo các giới hạn
biểu đồ
- Artist: Mọi
4. Thư viện Pandas (as pd)
a. Khái niệm
- Hỗ trợ trong thao tác dữ liệu, là bộ công cụ phân tích và xử lý dữ liệu mạnh mẽ của
ngôn ngữ lập trình python
- Sử dụng một cấu trúc dữ liệu riêng là Dataframe.
b. Lợi ích
- Dataframe đem lại sự linh hoạt và hiệu quả trong thao tác dữ liệu và lập chỉ mục
- là một công cụ cho phép đọc/ ghi dữ liệu giữa bộ nhớ và nhiều định dạng file: csv,
text, excel, sql database, hdf5;
- liên kết dữ liệu thông minh, xử lý được trường hợp dữ liệu bị thiếu. Tự động đưa dữ
liệu lộn xộn về dạng có cấu trúc.
- Dễ dàng thay đổi bố cục của dữ liệu
- Tích hợp cơ chế trượt, lập chỉ mục, lấy ra tập con từ tập dữ liệu lớn
- Có thể thêm, xóa các cột dữ liệu
- Tập hợp hoặc thay đổi dữ liệu với group by cho phép bạn thực hiện các toán tử trên
tập dữ liệu.
- Lập chỉ mục theo các chiều của dữ liệu giúp thao tác giữa dữ liệu cao chiều và dữ
liệu thấp chiều.
- Tối ưu về hiệu năng.
- Pandas được sử dụng rộng rãi trong cả học thuật và thương mại. Bao gồm thống kê,
thương mại, phân tích, quảng cáo,…
c. Cách cài đặt
- Cú pháp: conda install pandas
Or pip install pandas
d.