✍️پکیج numpy در پایتون

میدونی Cheat Sheet (برگه تقلب) چیه؟!

⛔️اگر یه خلاصه بر ویژگی های اصلی پکیج numpy در پایتون میخوای این Cheat Sheet و از دست نده.

پکیج Numpy یک بسته اساسی برای محاسبات علمی در پایتون است. از آرایه ها و ماتریس ها به همراه مجموعه ای از توابع ریاضی برای کار بر روی این ساختارهای داده پشتیبانی می کند.

#برگه_تقلب | #Cheat_Sheet | آموزش پایتون | #numpy

import matplotlib.pyplot as plt
import numpy as np


def midpoints(x):
    sl = ()
    for _ in range(x.ndim):
        x = (x[sl + np.index_exp[:-1]] + x[sl + np.index_exp[1:]]) / 2.0
        sl += np.index_exp[:]
    return x

# prepare some coordinates, and attach rgb values to each
r, g, b = np.indices((17, 17, 17)) / 16.0
rc = midpoints(r)
gc = midpoints(g)
bc = midpoints(b)

# define a sphere about [0.5, 0.5, 0.5]
sphere = (rc - 0.5)**2 + (gc - 0.5)**2 + (bc - 0.5)**2 < 0.5**2

# combine the color components
colors = np.zeros(sphere.shape + (3,))
colors[..., 0] = rc
colors[..., 1] = gc
colors[..., 2] = bc

# and plot everything
ax = plt.figure().add_subplot(projection='3d')
ax.voxels(r, g, b, sphere,
          facecolors=colors,
          edgecolors=np.clip(2*colors - 0.5, 0, 1),  # brighter
          linewidth=0.5)
ax.set(xlabel='r', ylabel='g', zlabel='b')
ax.set_aspect('equal')

plt.show()

#matplotlib | #numpy

Image Processing Using OpenCV & MATPLOTLIB In Python

کد فوق به پردازش تصاویر با استفاده از OpenCV و Matplotlib پرداخته است.

برای مشاهده کد کلیک کنید👩‍💻

پردازش تصویر با استفاده از OpenCV، خواندن یک تصویر، تبدیل آن به فرمت‌های مختلف و نمایش نتایج شامل تصویر اصلی، تصویر خاکستری، تصویر بلور شده و لبه‌ها.💫

کد شامل مراحل زیر می‌باشد:

1. خواندن تصویر: تصویر از مسیر مشخص‌شده خوانده می‌شود.
2. بررسی خطا: اگر تصویر نتواند خوانده شود، پیغام خطا چاپ می‌شود.
3. تبدیل به RGB: تصویر از فرمت BGR به RGB تبدیل می‌شود تا در Matplotlib به‌درستی نمایش یابد.
4. تبدیل به خاکستری: تصویر به صورت خاکستری تبدیل می‌شود.
5. اعمال فیلتر بلور: یک فیلتر بلور Gaussian به تصویر RGB اعمال می‌شود.
6. استخراج لبه‌ها: با استفاده از فیلتر Canny، لبه‌ها از تصویر خاکستری استخراج می‌شود.
7. نمایش تصاویر: در نهایت، چهار تصویر (اصل، خاکستری، بلور شده و لبه‌ها) در یک شکل به نمایش در می‌آید.


#cv2 | #numpy | #matplotlib | #opencv | LearnPython

#بدانیم | #پردازش_تصویر | آموزش پایتون

✔️ تولید اعداد تصادفی در پایتون با ۷ روش حرفه‌ای!

برای تولید اعداد تصادفی در پایتون، این تکنیک‌های کاربردی را امتحان کنید:

1️⃣ ماژول random پایه

import random
print(random.random())  # عدد اعشاری بین 0 تا 1

2️⃣ محدوده عددی

print(random.randint(1, 100))  # عدد صحیح بین 1 تا 100

3️⃣ انتخاب تصادفی از لیست

items = ['a', 'b', 'c']
print(random.choice(items))  # انتخاب یک آیتم

4️⃣ نمونه‌گیری بدون جایگزینی

print(random.sample(range(100), 5))  # 5 عدد منحصر بفرد

5️⃣ توزیع نرمال

print(random.gauss(0, 1))  # توزیع گاوسی

6️⃣ برای نتایج تکرارپذیر

random.seed(42)  # ثابت کردن نتایج تصادفی

7️⃣ ماژول secrets برای امنیت

import secrets
print(secrets.randbelow(100))  # ایمن برای رمزنگاری

🗝 روش ویژه: NumPy برای آرایه‌های تصادفی

import numpy as np
print(np.random.rand(3,3))  # ماتریس 3x3 تصادفی

نکات طلایی
- برای امنیت از secrets استفاده کنید
- برای علم داده از numpy.random استفاده شود
- دستور seed برای دیباگ مفید است


#PythonMagic | #random | #seed | #secrets | #numpy | learnpythonicy

> *برای بازی‌ها، شبیه‌سازی‌ها و رمزنگاری کاربرد دارد*