容易弄混的python与matlab语句

  1. 读取目录下文件名
import os
os.listdir("C:\\Users")
dir("C:\\Users")
  1. 格式转换
int()
str()

a = 5.33464565
str_a = "{:03.02f}".format(a)
print(str_a) # 格式化输出,005.33
str2num()
num2str()
num2str(4, '%02d')  % 格式化输出,0004
  1. 字符串
string = 'abcd.txt'
## 截取
string [1:3]  # bc
string [0:string.index('.')]  # abcd
## 长度
len(string)  # 4
## 删掉左右的xx
string.rstrip('xx')
string.lstrip('xx')
string(2:4)  % bcd
string(1:strfind(string,'.')-1)  % abcd
newStr = strip(string) % 删除前后空格
newStr = strip(string,'left','0') % 删除前导零
% 'left' / 'right' / 'both'
  1. 读写文件
## 'r': read
## 'w': write
## 'a': append
with open('/path/to/file', 'r') as f:
  f.read()   # 全部读到一个变量里
  f.readline()  # 读取一行
  f.readlines()  # 全部都到一个列表变量里

import numpy as np
np.loadtxt()   # 直接读到数组里!
-----
with open('/path/to/file', 'w') as f:
  f.write(line)
  f.writelines()
load(filename)
importdata(filename)
fid=fopen('data.txt','r');   
  A=fscanf(A,'%c');      
fclose(fid);  
-----
fid = fopen(savename,'w');
for j = 1:count
  fprintf(fid,'%f \n',number);
end
fclose(fid);
  1. 图片 opencv + matplotlib
import cv2
from matplotlib import pyplot as plt
%matplotlib inline

## 读取
img = cv2.imread('test.png')

## 其他操作
# 大小
img.shape  # (height,width,channel)

# 转换颜色空间
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)  

# 画图
cv2.line(img, (0,0), (511, 511), (255,0,0), 5)  
# position 1, position 2, color, line width
cv2.rectangle(img, (384,0), (510, 128), (0, 255, 0), 3)  
cv2.circle(img, (447, 63), 63, (0,0,255), -1)
 #linewidth -1 means fill circle using setted color  
cv2.ellipse(img, (256,256), (100,50),45,0,270,(0,0,255),-1) 
#椭圆的第二个参数是椭圆中心,第三个参数是椭圆长轴和短轴对应的长度,第四个
参数45是顺时针旋转45度, 第五个参数是从0度开始,顺时针画270的弧,第七个参
数是颜色,最后一个是用颜色填充椭圆内部  
font = cv2.FONT_HERSHEY_SIMPLEX  
cv2.putText(img, 'Hello', (10,500), font, 4, (255,255,255), 2)  

## 显示
# opencv 与 matplot颜色空间不同,需要转换B/R通道才能显示出正常的颜色
img = cv2.cvtColor(img,cv2.COLOR_RGB2BGR) 
plt.imshow(img)
plt.show()
img = imread(imgname)
img = imrotate(img,90);  % counterclockwise
size(img)  % [height, width, channel]

figure;
imshow(img)
hold on;
plot(X(1,:),X(2,:),'gx');
  1. 打乱list
import random
random.shuffle (lst)   # lst is shuffled
  1. 随机数
import random
random.seed(10) # 设置随机数种子,参数为空时默认为当前系统时间
random.random() # 随机浮点数

random.randint(1,10) # 随机整数,包含上下限
random.uniform(1,5) # 随机正态浮点数,random.uniform(u,sigma)

random.choice('abcde./;[fgja13ds2d') # 随机选取一个字符
random.sample('abcdefghijk',3) # 随机选取n个字符

参考:
http://blog.csdn.net/szfhy/article/details/51084383
http://www.runoob.com/python/func-number-shuffle.html
https://www.cnblogs.com/skyEva/p/6097157.html

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,602评论 6 481
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,442评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 152,878评论 0 344
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,306评论 1 279
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,330评论 5 373
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,071评论 1 285
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,382评论 3 400
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,006评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,512评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,965评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,094评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,732评论 4 323
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,283评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,286评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,512评论 1 262
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,536评论 2 354
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,828评论 2 345