pyplot

python skimage图像处理(一) This blog is from: https://www.jianshu.com/p/f2e88197e81d 基于python脚本语言开发的数字图片处理包，比如PIL,Pillow, opencv, scikit-image等。 PIL和Pillow只提供最基础的数字图像处理，功能有限；opencv实际上是一个c++库，只是提供了python接口，更新速度非常慢。scikit-image是基于scipy的一款图像处理包，它将图片作为numpy数组进行处理，正好与matlab一样，因此，我们最终选择scikit-image进行数字图像处理。 Image读出来的是PIL的类型，而skimage.io读出来的数据是numpy格式的 import Image as img import os from matplotlib import pyplot as plot from skimage import io,transform #Image和skimage读图片 img_file1 = img.open('./CXR_png/MCUCXR_0042_0.png') img_file2 = io.imread('./CXR_png/MCUCXR_0042_0.png') 输出可以看出Img读图片的大小是图片的(width, height)

python PIL 图像处理 This blog is from: https://www.jianshu.com/p/e8d058767dfa Image读出来的是PIL的类型，而skimage.io读出来的数据是numpy格式的 #Image和skimage读图片 import Image as img import os from matplotlib import pyplot as plot from skimage import io,transform img_file1 = img.open('./CXR_png/MCUCXR_0042_0.png') img_file2 = io.imread('./CXR_png/MCUCXR_0042_0.png') 输出可以看出Img读图片的大小是图片的(width, height)；而skimage的是(height,width, channel), [这也是为什么caffe在单独测试时要要在代码中设置：transformer.set_transpose('data',(2,0,1))，因为caffe可以处理的图片的数据格式是(channel,height,width)，所以要转换数据] #读图片后数据的大小： print "the picture's size: ", img_file1.size print "the

Python数据分析与挖掘实战 第三章 数据探索 3.1 数据质量分析 3.1.1 缺失值分析 3.1.2 异常值分析 3.2 数据特征分析 3.2.1 统计量分析 3.2.2 贡献度分析 3.2.3 相关性分析 3.2.4 统计特征函数 3.2.5 绘图函数 第四章 数据预处理 4.1 数据清洗 4.1.1 缺失值处理 4.2 数据变换 4.1.1 数据归一化 4.1.2 数据离散化(聚类) 4.3 属性改造 4.4 数据规约 4.5 常用预处理函数 第五章 挖掘建模 第三章 数据探索 3.1 数据质量分析 3.1.1 缺失值分析 缺失值的处理分为三种情况: 删除存在缺失值的记录; 对可能的数据进行插值:拉格朗日插值,牛顿插值法: 3.1.2 异常值分析 首先可以先使用describe()函数查看数据的基本情况: import pandas as pd # 餐饮数据 catering_sale = './data/catering_sale.xls' # 读取数据，指定日期列为索引列 data = pd.read_excel(catering_sale,index_col=u'日期') data.describe() 检测异常值的方法可以使用箱型图: import pandas as pd catering_sale = './data/catering_sale.xls'

1、绘制条形图 1 import matplotlib 2 import matplotlib.pyplot as plt 3 4 # 显示中文标识 5 matplotlib.rcParams["font.sans-serif"] = ["SimHei"] 6 matplotlib.rcParams["axes.unicode_minus"] = False 7 8 # X/Y轴刻度 9 x = [1,2,3,4,5,6,7,8] 10 y = [3,1,4,5,8,9,7,2] 11 12 # ==============绘制条形图================= 13 plt.bar(x, 14 y, 15 align="center", # 排列方式 16 color="c", # 填充颜色 17 tick_label=["q","a","c","e","r","j","b","p"], # 将X轴上的刻度替换成指定编号 18 hatch="/") # 图形填充值，可取值为： / , , | , - , + , x , o , O , . , * 19 20 # X/Y轴标签 21 plt.xlabel("箱子编号") 22 plt.ylabel("箱子重量(kg)") 23 24 plt.show() 2、绘制水平条形图 1 import matplotlib 2

最近导师给安排了新任务，由于刚进入实验室，对于医学图像这一块还一知半解，所以就想分享一下有关医学常见影像的学习(尤其是dicom后缀的图像文件)，欢迎大家一起交流。 目录 1.医学影像学的介绍 2.DICOM信息的简介 3.DICOM内部信息详解(DICOM Tag与VR) 4.利用python+pydicom这个库解析DICOM文件 5.DICOM的三个切面 1.医学影像学 （1）. 医学影像学Medical Imaging，是研究借助于某种介质（如X射线、电磁场、超声波等）与人体相互作用，把人体内部组织器官结构、密度以影像方式表现出来，供诊断医师根据影像提供的信息进行判断，从而对人体健康状况进行评价的一门科学，包括医学成像系统和医学图像处理两方面相对独立的研究方向。 （2）. 仪器主要包括X光成像仪器、CT(普通CT、螺旋CT）、正子扫描(PET)、超声（分B超、彩色多普勒超声、心脏彩超、三维彩超）、核磁共振成像（MRI）、心电图仪器、脑电图仪器等 2.DICOM简介 （1）DICOM（Digital Imaging and Communications in Medicine） 即医学数字成像和通信，是医学图像和相关信息的国际标准（ISO 12052）。DICOM被广泛应用于放射医疗，心血管成像以及放射诊疗诊断设备（X射线，CT，核磁共振，超声等）

一种简单的做法是每次在import matplotlib.pyplot的时候设置相应参数： # -*- coding: utf-8 -* import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签 plt.rcParams['axes.unicode_minus']=False #用来正常显示负号 plt.figure(1) plt.plot(x, y) plt.xlabel(u'我是横坐标') plt.ylabel(u'我是纵坐标') plt.show() 为了一劳永逸，还可以将中文字体添加至相应的库中，具体做法可参考： https://segmentfault.com/a/1190000005144275 来源： CSDN 作者： 元气少女wuqh 链接： https://blog.csdn.net/tsinghuahui/article/details/73611128

前沿 通过上一篇 谈谈Python实战数据可视化之matplotlib模块(基础篇) 的学习，我们初步了解了matplotlib模块的pyplot基础，本节实战将利用CSV模块获取某地的天气数据，并且使用matplotlib模块将天气数据可视化。 配套资源 鉴于Python编程从入门到实战这本书的配套资源网上难找的悲伤，我深有体会。所以，在此提供链接供下载（有帮助点个赞支持下我哦(●'◡'●)）： 百度云链接： https://pan.baidu.com/s/1-XE0pBS8IaDLoUBdO8hDOw 密码：n39g CSV文件格式 CSV - 逗号分隔值文件格式，逗号分隔值(Comma-Separated Values，CSV，有时也称为字符分隔值，因为分隔字符也可以不是逗号)，其文件以纯文本形式存储表格数据(数字和文本)。纯文本意味着该文件是一个字符序列，不含必须像二进制数字那样被解读的数据。CSV文件由任意数目的记录组成，记录间以某种换行符分隔;每条记录由字段组成，字段间的分隔符是其它字符或字符串，最常见的是逗号或制表符。通常，所有记录都有完全相同的字段序列。通常都是纯文本文件。 例如： Country,Indicator,Year,Value AFG,NGDP_R,2002,183.26 AFG,NGDP_R,2003,198.736 AFG,NGDP_R,2004

前沿 Python提供了很多模块用于数据可视化，其中matplotlib、pygal等模块。我参考网上热门书籍《Python编程从入门到实战》，在测试与学习过程中遇到的些许问题加以解决，才写下这一项目实战的心得，对于Python基础部分就不细讲，主要是项目核心要点和解决方案的描述。本小节先讲述pyplot模块的基本使用。 新手的建议 针对新手，真心觉得不要直接使用Python下载来的IDLE来开发，因为功能太少了，也不好使用。我的建议是对于Python初学者，先安装Anaconda，这是一个基于Python的数据处理和科学计算平台，它已经内置了许多非常有用的第三方库，我们装上Anaconda，就相当于把数十个第三方模块自动安装好了，非常简单易用，在安装界面添加Anaconda到PATH环境变量中勾上，这样就会自动添加环境变量了。Anaconda 自带了一个编辑器-Spyder，可以使用Spyder编写代码，知道有这个编辑器就好。然后再安装一个PyCharm，它是一种Python IDE，带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具。 Anaconda和PyCharm安装过程和方法文档链接，我是摘抄网上有用的资料再总结出来的：链接： https://pan.baidu.com/s/10KcfLLvI9omIRSJ6JMK9Uw 密码：cgf8