fillpolypython

Ⅰ cv.fillPoly参数线宽

cv2.fillPoly 和 cv2.fillConvexPoly 对它们的点数组使用不同的数据类型，因为 fillConvexPoly 只绘制一个多边形，而 fillPoly 绘制它们的（python）列表。 因此，
cv2.fillConvexPoly(ar, 三角形, 1)
cv2.fillPoly(ar, [三角形], 1)
是调用这两种方法的正确方法。 如果你有正方形和六边形点数组，你可以使用
cv2.fillPoly(ar, [三角形, 正方形, 六边形], 1)
和三角形，正方形，六边形都是点的列表，如 [(0,100),(0,self.shape[0]),(self.shape[1],self.shape[0]),(self.shape[1 ],100)]
绘制所有三个。
至于 fillPoly() 的第二次扩充的 dtype，我们应该使用 np.int32
作者：红缕鱼与绿缕鱼与驴
链接：https://www.jianshu.com/p/9df961b467f2
来源：简书
着作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

Ⅱ 如何用Python进行线性回归以及误差分析

数据挖掘中的预测问题通常分为2类：回归与分类。

简单的说回归就是预测数值，而分类是给数据打上标签归类。

本文讲述如何用Python进行基本的数据拟合，以及如何对拟合结果的误差进行分析。

本例中使用一个2次函数加上随机的扰动来生成500个点，然后尝试用1、2、100次方的多项式对该数据进行拟合。

拟合的目的是使得根据训练数据能够拟合出一个多项式函数，这个函数能够很好的拟合现有数据，并且能对未知的数据进行预测。

代码如下：

• importmatplotlib.pyplot as plt

• importnumpy as np

• importscipy as sp

• fromscipy.statsimportnorm

• fromsklearn.pipelineimportPipeline

• fromsklearn.linear_modelimportLinearRegression

• fromsklearn.

• fromsklearnimportlinear_model

• ''''' 数据生成 '''

• x = np.arange(0,1,0.002)

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

• y = y + x**2

• ''''' 均方误差根 '''

• defrmse(y_test, y):

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

• ''''' 与均值相比的优秀程度，介于[0~1]。0表示不如均值。1表示完美预测.这个版本的实现是参考scikit-learn官网文档 '''

• defR2(y_test, y_true):

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

• ''''' 这是Conway&White《机器学习使用案例解析》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()

该程序运行的显示结果如下：



[ 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脚本问题

哎，网络这个贴代码的功能有待提高！

代码是计算两个数相加减吧，首先，第二行raw_input()即是把输入的内容当作字符串了，不需要再转换了；其次，上面的程序倒数第五、第七行写错了；最后，这个程序只能计算两个数之间的加减，对于一串数字的运算就无能为力了。
按给出的算法修改如下：

import string
a=raw_input('请输入运算式：')
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

-------------下面这个删掉删掉-------------------

import string
a=raw_input('请输入运算式：')
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

如果要重新写一个，其实很简单，用input()这个函数就行了：
>>> input.__doc__
'input([prompt]) -> value Equivalent to eval(raw_input(prompt)).'。
程序如下：

#-*- coding:utf-8 -*-
def calcu():
while True:
poly=input('请输入运算式：')
print poly
if __name__ == '__main__':
calcu()

#-*- coding:utf-8 -*-
def calcu():
    while True:
        poly=input('请输入运算式：')
        print poly
if __name__ == '__main__':
    calcu()

--------------上面这个也删掉-------------------

Ⅳ 用python，turtle绘制数字，如绘制260这三个数字，同时要求每个数字填不同的颜色

1、双击打开pycharm开发工具，在已新建的项目中新建python文件，输入文件名称。

Ⅳ Python中Turtle模块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函数怎么用

：画框用OpenCV自带的cvRectangle函数就行,参数分别是（图像，矩形左上顶点，矩形右下顶点，颜色，线条粗细），黑色cvScalar(0,0,0),白色cvScalar(255,255,255)。划线用cvLine就行，参数分别是（图像，点1，点2，颜色，线条粗细）。

Ⅶ OpenCV-Python系列八：提取图像轮廓

当你完成图像分割之后，图像轮廓检测往往可以进一步筛选你要的目标，OpenCV中可以使用cv2.findContours来得到轮廓。

补充 ：
再不少场景中，找轮廓的最小外接矩形是基本需求，opencv中minAreaRect得到的是一个带有旋转角度信息的rect，可以使用cv2.boxPoints(rect)来将其转为矩形的四个顶点坐标(浮点类型).你也可以使用cv2.polylines来绘制这样的轮廓信息

注意findContours参数的变化，在opencv4中，返回值只有contours和hierarchy ，这一点与opencv3中不同。对与轮廓的层级结构，比较难用，虽然可以通过轮廓的层级结构来进行索引你需要的轮廓，不过对于大部分机器视觉应用场景，二值化的结果有时候很难预料，单单通过这种层级关系索引，非常容易出错。所以，只找最外部结构的 cv2.RETR_EXTERNAL 是不是真香呢？

处理cv2.approxPolyDP()外，你也可以使用cv2.convexHull来求轮廓的近似凸包，其中凸形状内部--任意两点连线都在该形状内部。

clockwise :默认为False,即轮廓为逆时针方向进行排列；
returnPoints :设置为False会返回与凸包上对应的轮廓的点索引值，设置为True，则会返回凸包上的点坐标集，默认为True

对于opencv-python的提取图像轮廓部分有问题欢迎留言， Have Fun With OpenCV-Python, 下期见。