Professional Documents
Culture Documents
1, and
Dùng để so sánh hai đối tượng trở lên
2, assert
Dùng để kiểm tra đúng sai. Đúng thì
chạy bước tiếp theo còn sai thì sinh ra
lỗi AssertionError
3, break
Dùng khi muốn thoát vòng lặp for hoặc
while
4, class
Để tạo một lớp đối tượng cùng thuộc
tính với nhau.
I. Kiến thức cho người bắt đầu
5, continue
Dùng để bỏ qua phần cọn lại của code
trong vòng lặp
6, def
Dùng để khai báo hàm
7, del
Dùng để xóa một biến hoặc một phần
tử
8.elif
9.else
I. Kiến thức cho người bắt đầu
10, if
11, try
12, except
13.exec
exec(doituong, global, local)
doituong: một chuỗi hoặc mã đối tượng
global: một dictionary chỉ định các phương thức và biến global có sẵn.
Global là tham số không bắt buộc.
local: một đối tượng ánh xạ. Local là tham số không bắt buộc.
I. Kiến thức cho người bắt đầu
14, finally
15, for
for bien_lap in chuoi_lap:
Khối lệnh
16, from
17, global
là biến toàn cục dùng để sử dụng kế
thừa giá trị khởi tạo lúc ban đầu.
I. Kiến thức cho người bắt đầu
18, import
19, in
20, is
21, lambda
lambda tham_so: bieu_thuc
Hàm Lambda có thể có nhiều tham số
nhưng chỉ có 1 biểu thức.
I. Kiến thức cho người bắt đầu
22, not
23, or
24, pass
khi nào chưa biết code gì trong hàm
thì dùng đến pass
25, print
26, raise
Dùng để xử dụng để tạo
một exception
I. Kiến thức cho người bắt đầu
27, return
28, try
29, while
30, with
31, yield
Giống như return nhưng
có thể trả về nhiều giá trị
I. Kiến thức cho người bắt đầu
1, number
var1=1
var2=1.5
2, string
str = 'Hello World!'
print str
print str[0]
print str[2:5]
print str[2:]
print str * 2
print str + "TEST"
I. Kiến thức cho người bắt đầu
3, tuple
I. Kiến thức cho người bắt đầu
2, Gán giá trị mới cho một phần tử trong mảng: lst[2]=100 2, không thể Gán giá trị mới cho một phần tử trong tuple:
5, Gộp hai mảng: any_lst = ['one', 'two', 'three'] 5, Không thể Gộp hai mảng:
lst.extend(any_lst)
6, Không thể Sắp xếp hay đảo ngược
6, Sắp xếp hay đảo ngược
lst.sort()# sap tu nho toi lon
lst.sort(reverse = True)# sap tu lon toi nho
4, set
5, dictionary
I. Kiến thức cho người bắt đầu
Dir()
dùng để liệt kê các hàm trong một class
Modules
dùng để liệt kê các hàm trong một class
I. Kiến thức cho người bắt đầu
IO Giải Thích
1,in ra màn hình print()
2, đọc từ bàn phím input()
3, read()
import sys,os
path=os.getcwd()
filename='\output.txt'
print(path+filename)
buff=open(path+filename,"r+")
print(buff.read(1024))
4, write()
I. Kiến thức cho người bắt đầu
IO Giải Thích
5,remove()
xoa file
6, tell()
vi tri file
7, mkdir()
tao thu muc os.mkdir('test')
os.mkdir('test')
8, listdir(path)
liet ke ten cac file trong thu muc bao gom ca
thu muc
9, chdir(path)
thay foi thu muc hien hanh
I. Kiến thức cho người bắt đầu
IO Giải Thích
10, path
II. Kiến thức nâng cao
re Giải Thích
1, math
dùng để kiểm tra đối xứng
2, search
dùng để kiểm tra đối xứng
sự khác biệt giữa math và search là search sẽ
tìm rộng hơn có thể tìm khi ký tự ở cuối chuỗi
còn match thì không.
II. Kiến thức nâng cao
re Giải Thích
3, sub
dùng để thay thế một ký tự bất kỳ
II. Kiến thức nâng cao
2, Blur img_blur=cv2.blur(img,(3,3))
dst=cv.blur(src, ksize[, dst[, anchor[, borderType]]]) img=cv2.resize(img,None,fx=2,fy=2,interpolation=1)
img[np.where(img<60)]=0
img[np.where(img>95)]=255
II. Kiến thức nâng cao
4, buildPyramid()
dst=buildPyramid(src,dst,malevel,borderType)
II. Kiến thức nâng cao
6, erode
dst=cv.erode(src, kernel[, dst[, anchor[, iterations[, M=np.ones((3,3),np.uint8)
borderType[, borderValue]]]]]) dst=cv2.erode(img,M,iterations=1)
8, GaussianBlur dst=cv2.GaussianBlur(img,(7,7),cv2.BORDER_DEFAULT)
dst=cv.GaussianBlur(src, ksize, sigmaX[, dst[,
sigmaY[, borderType]]])
9, Laplacian dst=cv2.Laplacian(img,cv2.CV_32F)
dst=cv.Laplacian(src, ddepth[, dst[, ksize[, scale[,
delta[, borderType]]]]])
II. Kiến thức nâng cao
Three-D
-Nhìn vào mảng threeD thì có 2 mảng 2D trong
mảng 2D có 4 mảng 1D và trong 1D có 3 phần tử
ndim=3,2,3
ket luan: Có 3 mảng hai chiều, trong mảng hai chiều
có 2 mảng một chiều, và trong mảng một chiều có 3
phần tử
II. Kiến thức nâng cao
Ảnh mầu: 1pixel=3 lần [0 tới 256] theo hệ mầu RGB còn
theo hệ HSV thì giá trị của h là 0:180
chuyển dữ liệu 1D thành một ảnh xám(2D): đầu tiên phải
biết được tổng số dữ liệu, sau đó quy ước kích thước của
ảnh. Ví dụ:
#quy ước kích thước ảnh là 400*300
# tạo một dữ liệu có 120000 giá trị ngẫu nhiên.
flatArrayRandom=bytearray(os.urandom(120000) path=os.getcwd()
filename=path+'\\3.png'
#sử dụng reshape của numpy để convert thành ảnh xám img=cv2.imread(filename,1)
grayImage=ArrayRandom.reshape(300,400) w,h,c=img.shape
chuyển dữ liệu 1D thành một ảnh xám(3D): đầu tiên phải flat=np.array(img).flatten()
area=flat.size/3
biết được tổng số dữ liệu, sau đó quy ước kích thước của
w1=int(area/h)
ảnh. Ví dụ: h1=np.int0(area/w)
#quy ước kích thước ảnh là 100*400 print("w1,h1",w1,h1)
# tạo một dữ liệu có 120000 giá trị ngẫu nhiên. print("w,h,c",w,h,c)
flatArrayRandom=bytearray(os.urandom(120000) imageColor=flat.reshape(w1,h1,3)
#sử dụng reshape của numpy để convert thành ảnh mầu cv2.imshow("imageColor",imageColor)
cv2.imshow("orginal",img)
colorImage=ArrayRandom.reshape(100,400,3)
cv2.waitKey(0)
cv2.destroyAllWindows()
II. Kiến thức nâng cao
Thuoc tinh:
class t(object):
def __init__(self):
pass
@property
def channel(self):
return self.channel
# @channel.setter
t.channel=5
II. Machine learning
Lý thuyết:
Ta cần chuẩn bị cặp dữ liệu (data,label). Data chính là dữ
liệu hay là các đặc điểm của đối tượng, còn label chính là
gán cho mỗi một đối tượng một cái tên.
Có hai loại supervised là classification và regression:
Sự khác biệt của chúng là ở phần gán lable. Classification
thì có số nhãn lable cố định, còn regression thì lable là
một giá trị cụ thể
Sklearn
iris and digits là hai dữ liệu cho bài toán classification
boston house price dataset cho regression
To xay dung mot cai Model thi feature phai la kieu
numeric
Recognize text
b1. cho moi mot chu cai vao mot thu muc
b2. gan moi mot thu muc voi mot so id, so id o day phai
la dang number
II. Machine learning_Sklearn
Thống kê mô tả
Số trung vị
Xác xuất thống kê
PC
RF cable
RJ45