fillpolypython

Ⅰ cv.fillPoly參數線寬

cv2.fillPoly 和 cv2.fillConvexPoly 對它們的點數組使用不同的數據類型，因為 fillConvexPoly 只繪制一個多邊形，而 fillPoly 繪制它們的（python）列表。 因此，
cv2.fillConvexPoly(ar, 三角形, 1)
cv2.fillPoly(ar, [三角形], 1)
是調用這兩種方法的正確方法。 如果你有正方形和六邊形點數組，你可以使用
cv2.fillPoly(ar, [三角形, 正方形, 六邊形], 1)
和三角形，正方形，六邊形都是點的列表，如 [(0,100),(0,self.shape[0]),(self.shape[1],self.shape[0]),(self.shape[1 ],100)]
繪制所有三個。
至於 fillPoly() 的第二次擴充的 dtype，我們應該使用 np.int32
作者：紅縷魚與綠縷魚與驢
鏈接：https://www.jianshu.com/p/9df961b467f2
來源：簡書
著作權歸作者所有。商業轉載請聯系作者獲得授權，非商業轉載請註明出處。

Ⅱ 如何用Python進行線性回歸以及誤差分析

數據挖掘中的預測問題通常分為2類：回歸與分類。

簡單的說回歸就是預測數值，而分類是給數據打上標簽歸類。

本文講述如何用Python進行基本的數據擬合，以及如何對擬合結果的誤差進行分析。

本例中使用一個2次函數加上隨機的擾動來生成500個點，然後嘗試用1、2、100次方的多項式對該數據進行擬合。

擬合的目的是使得根據訓練數據能夠擬合出一個多項式函數，這個函數能夠很好的擬合現有數據，並且能對未知的數據進行預測。

代碼如下：

• importmatplotlib.pyplot as plt

• importnumpy as np

• importscipy as sp

• fromscipy.statsimportnorm

• fromsklearn.pipelineimportPipeline

• fromsklearn.linear_modelimportLinearRegression

• fromsklearn.

• fromsklearnimportlinear_model

• ''''' 數據生成 '''

• x = np.arange(0,1,0.002)

• y = norm.rvs(0, size=500, scale=0.1)

• y = y + x**2

• ''''' 均方誤差根 '''

• defrmse(y_test, y):

• returnsp.sqrt(sp.mean((y_test - y) **2))

• ''''' 與均值相比的優秀程度，介於[0~1]。0表示不如均值。1表示完美預測.這個版本的實現是參考scikit-learn官網文檔 '''

• defR2(y_test, y_true):

• return1- ((y_test - y_true)**2).sum() / ((y_true - y_true.mean())**2).sum()

• ''''' 這是Conway&White《機器學習使用案例解析》里的版本 '''

• defR22(y_test, y_true):

• y_mean = np.array(y_true)

• y_mean[:] = y_mean.mean()

• return1- rmse(y_test, y_true) / rmse(y_mean, y_true)

• plt.scatter(x, y, s=5)

• degree = [1,2,100]

• y_test = []

• y_test = np.array(y_test)

• fordindegree:

• clf = Pipeline([('poly', PolynomialFeatures(degree=d)),

• ('linear', LinearRegression(fit_intercept=False))])

• clf.fit(x[:, np.newaxis], y)

• y_test = clf.predict(x[:, np.newaxis])

• print(clf.named_steps['linear'].coef_)

• print('rmse=%.2f, R2=%.2f, R22=%.2f, clf.score=%.2f'%

• (rmse(y_test, y),

• R2(y_test, y),

• R22(y_test, y),

• clf.score(x[:, np.newaxis], y)))

• plt.plot(x, y_test, linewidth=2)

• plt.grid()

• plt.legend(['1','2','100'], loc='upper left')

• plt.show()

該程序運行的顯示結果如下：



[ 0. 0.75873781]

rmse=0.15, R2=0.78, R22=0.53, clf.score=0.78

[ 0. 0.35936882 0.52392172]

rmse=0.11, R2=0.87, R22=0.64, clf.score=0.87

[ 0.00000000e+00 2.63903249e-01 3.14973328e-01 2.43389461e-01

1.67075328e-01 1.10674280e-01 7.30672237e-02 4.88605804e-02

......

3.70018540e-11 2.93631291e-11 2.32992690e-11 1.84860002e-11

1.46657377e-11]

rmse=0.10, R2=0.90, R22=0.68, clf.score=0.90

Ⅲ python腳本問題

哎，網路這個貼代碼的功能有待提高！

代碼是計算兩個數相加減吧，首先，第二行raw_input()即是把輸入的內容當作字元串了，不需要再轉換了；其次，上面的程序倒數第五、第七行寫錯了；最後，這個程序只能計算兩個數之間的加減，對於一串數字的運算就無能為力了。
按給出的演算法修改如下：

import string
a=raw_input('請輸入運算式：')
ans=0
flag=True
while flag:
if a.find('+') >= 1:
sign='+'
x=a[0:a.index(sign)]
y=string.atoi(x)
ans+=y
a=a[a.index(sign)+1:]
if a.find('+') < 0 and a.find('-') < 0:
z=string.atoi(a)
ans+=z
print ans
flag=False
elif a.find('-') >=1:
sign='-'
x=a[0:a.index(sign)]
y=string.atoi(x)
ans+=y
a=a[a.index(sign)+1:]
if a.find('+') < 0 and a.find('-') < 0:
z=string.atoi(a)
ans-=z
print ans
flag=False

-------------下面這個刪掉刪掉-------------------

import string
a=raw_input('請輸入運算式：')
sum=0
flag=True
while flag:
    if a.find('+') >= 1:
        sign='+'
        x=a[0:a.index(sign)]
        y=string.atoi(x)
        sum+=y
        a=a[a.index(sign)+1:]
        if a.find('+') < 0 and a.find('-') < 0:
            z=string.atoi(a)
            sum+=z
            print sum
            flag=False
    elif a.find('-') >=1:
        sign='-'
        x=a[0:a.index(sign)]
        y=string.atoi(x)
        sum+=y
        a=a[a.index(sign)+1:]
        if a.find('+') < 0 and a.find('-') < 0:
            z=string.atoi(a)
            sum-=z
            print sum
            flag=False

如果要重新寫一個，其實很簡單，用input()這個函數就行了：
>>> input.__doc__
'input([prompt]) -> value Equivalent to eval(raw_input(prompt)).'。
程序如下：

#-*- coding:utf-8 -*-
def calcu():
while True:
poly=input('請輸入運算式：')
print poly
if __name__ == '__main__':
calcu()

#-*- coding:utf-8 -*-
def calcu():
    while True:
        poly=input('請輸入運算式：')
        print poly
if __name__ == '__main__':
    calcu()

--------------上面這個也刪掉-------------------

Ⅳ 用python，turtle繪制數字，如繪制260這三個數字，同時要求每個數字填不同的顏色

1、雙擊打開pycharm開發工具，在已新建的項目中新建python文件，輸入文件名稱。

Ⅳ Python中Turtle模塊的基本指令都有哪些

>>> dir(turtle)['Canvas', 'Pen', 'RawPen', 'RawTurtle', 'Screen', 'ScrolledCanvas', 'Shape', 'TK', 'TNavigator', 'TPen', 'Tbuffer', 'Terminator', 'Turtle', 'TurtleGraphicsError', 'TurtleScreen', 'TurtleScreenBase', 'Vec2D', '_CFG', '_LANGUAGE', '_Root', '_Screen', '_TurtleImage', '__all__', '__builtins__', '__doc__', '__file__', '__forwardmethods', '__func_body', '__methodDict', '__methods', '__name__', '__package__', '__stringBody', '_alias_list', '_make_global_funcs', '_math_functions', '_screen_docrevise', '_tg_classes', '_tg_screen_functions', '_tg_turtle_functions', '_tg_utilities', '_turtle_docrevise', '_ver', 'acos', 'acosh', 'addshape', 'asin', 'asinh', 'atan', 'atan2', 'atanh', 'back', 'backward', 'begin_fill', 'begin_poly', 'bgcolor', 'bgpic', 'bk', 'bye', 'ceil', 'circle', 'clear', 'clearscreen', 'clearstamp', 'clearstamps', 'clone', 'color', 'colormode', 'config_dict', 'sign', 'cos', 'cosh', 'deep', 'degrees', 'delay', 'distance', 'done', 'dot', 'down', 'e', 'end_fill', 'end_poly', 'erf', 'erfc', 'exitonclick', 'exp', 'expm1', 'fabs', 'factorial', 'fd', 'fill', 'fillcolor', 'floor', 'fmod', 'forward', 'frexp', 'fsum', 'gamma', 'get_poly', 'getcanvas', 'getmethparlist', 'getpen', 'getscreen', 'getshapes', 'getturtle', 'goto', 'heading', 'hideturtle', 'home', 'ht', 'hypot', 'isdown', 'isfile', 'isinf', 'isnan', 'isvisible', 'join', 'ldexp', 'left', 'lgamma', 'listen', 'log', 'log10', 'log1p', 'lt', 'mainloop', 'math', 'mode', 'modf', 'onclick', 'ondrag', 'onkey', 'onrelease', 'onscreenclick', 'ontimer', 'os', 'pd', 'pen', 'pencolor', 'pendown', 'pensize', 'penup', 'pi', 'pos', 'position', 'pow', 'pu', 'radians', 'read_docstrings', 'readconfig', 'register_shape', 'reset', 'resetscreen', 'resizemode', 'right', 'rt', 'screensize', 'seth', 'setheading', 'setpos', 'setposition', 'settiltangle', 'setundobuffer', 'setup', 'setworldcoordinates', 'setx', 'sety', 'shape', 'shapesize', 'showturtle', 'sin', 'sinh', 'speed', 'split', 'sqrt', 'st', 'stamp', 'tan', 'tanh', 'tilt', 'tiltangle', 'time', 'title', 'towards', 'tracer', 'trunc', 'turtles', 'turtlesize', 'types', 'undo', 'undobufferentries', 'up', 'update', 'width', 'window_height', 'window_width', 'write', 'write_docstringdict', 'xcor', 'ycor']>>>

Ⅵ opencv的cv2.fillconvexpoly函數怎麼用

：畫框用OpenCV自帶的cvRectangle函數就行,參數分別是（圖像，矩形左上頂點，矩形右下頂點，顏色，線條粗細），黑色cvScalar(0,0,0),白色cvScalar(255,255,255)。劃線用cvLine就行，參數分別是（圖像，點1，點2，顏色，線條粗細）。

Ⅶ OpenCV-Python系列八：提取圖像輪廓

當你完成圖像分割之後，圖像輪廓檢測往往可以進一步篩選你要的目標，OpenCV中可以使用cv2.findContours來得到輪廓。

補充 ：
再不少場景中，找輪廓的最小外接矩形是基本需求，opencv中minAreaRect得到的是一個帶有旋轉角度信息的rect，可以使用cv2.boxPoints(rect)來將其轉為矩形的四個頂點坐標(浮點類型).你也可以使用cv2.polylines來繪制這樣的輪廓信息

注意findContours參數的變化，在opencv4中，返回值只有contours和hierarchy ，這一點與opencv3中不同。對與輪廓的層級結構，比較難用，雖然可以通過輪廓的層級結構來進行索引你需要的輪廓，不過對於大部分機器視覺應用場景，二值化的結果有時候很難預料，單單通過這種層級關系索引，非常容易出錯。所以，只找最外部結構的 cv2.RETR_EXTERNAL 是不是真香呢？

處理cv2.approxPolyDP()外，你也可以使用cv2.convexHull來求輪廓的近似凸包，其中凸形狀內部--任意兩點連線都在該形狀內部。

clockwise :默認為False,即輪廓為逆時針方向進行排列；
returnPoints :設置為False會返回與凸包上對應的輪廓的點索引值，設置為True，則會返回凸包上的點坐標集，默認為True

對於opencv-python的提取圖像輪廓部分有問題歡迎留言， Have Fun With OpenCV-Python, 下期見。