PyQt5、NumPy、Pandas 及 ModelArts 综合笔记

PyQt5、NumPy、Pandas 及 ModelArts 综合笔记

---

PyQt5 GUI 开发

信号与槽

• 概念：对象间解耦通信机制。

  • 信号：对象状态改变时发射，例如 btn.clicked。
  • 槽：接收信号的普通函数或方法。

• 连接：signal.connect(slot)，断开：signal.disconnect(slot)。

• 示例：

  # 内置信号→内置槽
  btn.clicked.connect(self.close)# 内置信号→自定义槽
  btn.clicked.connect(self.on_click)
  def on_click(self):print("按钮被点击")# 自定义信号
  class MyWidget(QWidget):my_signal = pyqtSignal()def __init__(self):super().__init__()self.my_signal.connect(self.handle_signal)def emit_signal(self):self.my_signal.emit()def handle_signal(self):print("自定义信号接收")
  

事件处理

• 主循环：app.exec_() 启动事件循环，监听并分发事件。

• 重写事件处理：

  • paintEvent(event)：绘制时调用。

  • closeEvent(event)：关闭窗口时调用。

    def closeEvent(self, event):reply = QMessageBox.question(self, '确认退出', '确定要退出吗？',QMessageBox.Yes | QMessageBox.No, QMessageBox.No)if reply == QMessageBox.Yes:event.accept()else:event.ignore()
    

  • mousePressEvent(event)、mouseMoveEvent(event)、mouseReleaseEvent(event)、wheelEvent(event)。

  • keyPressEvent(event)：键盘按下。

高级控件

• 表格与列表：QTableWidget、QTableView + 模型；QListWidget、QListView + 模型。
• 树形结构：QTreeWidget、QTreeView + QStandardItemModel。
• 容器：QTabWidget、QStackedWidget、QDockWidget、QScrollArea。
• 特殊控件：QCalendarWidget、QSlider、QProgressBar、QSpinBox、QComboBox。

拼图 游戏实现

1. 窗口与布局：QMainWindow + QGridLayout。
2. 图像分割：将原图切为 3×3 片，保留一个空白块。
3. 随机排列：打乱各块顺序，并生成相应 QLabel 或自定义控件。
4. 鼠标交互：重写 mousePressEvent 检测点击块，判断与空白块相邻则交换位置。
5. 胜利检测：每次交换后比较当前顺序与目标顺序。
6. 界面更新：调用 update() 或动态调整控件布局。

---

NumPy 矩阵与数值计算

简介与安装

• 简介：高性能多维数组计算库。
• 安装：pip install numpy
• 导入：import numpy as np
• 版本：np.__version__

ndarray 基础

• 创建：

  a = np.array([1,2,3])
  b = np.zeros((2,3))
  c = np.ones((3,))
  d = np.arange(0,10,2)
  e = np.linspace(0,1,5)
  

• 属性：ndim, shape, size, dtype, itemsize

• 重塑：a.reshape(new_shape) 或 a.shape = new_shape

索引与切片

• 一维：a[i], a[start:stop:step], a[::-1]
• 多维：a[row, col], a[start:stop, start:stop], a[..., idx]
• 花式索引：a[[1,3,5]]
• 布尔索引：a[a > 5]

广播机制

• 规则：

  1. 维度对齐：在小数组前补 1。
  2. 同维度长度相同或有一方为 1。
  3. 视为兼容后广播。

• 示例：

  a = np.array([[1,2,3],[4,5,6]])  # (2,3)
  b = np.array([1,0,1])            # (3,)
  c = a + b  # b 广播为 (2,3)
  

通用函数（ufunc）

• 逐元素运算：np.add, np.sin, np.exp, np.logical_and 等。
• 运算符：+, -, *, /, **, %

常用函数

• 随机：np.random.rand(), randn(), randint(), seed(), shuffle()
• 聚合：np.sum(), mean(), std(), min(), max(), argmax()
• 排序：np.sort(a), np.argsort(a)

---

Pandas 数据分析

简介与数据结构

• 简介：高效的标签化数据处理库。
• 数据结构：
  • Series：一维带索引。
  • DataFrame：二维表格结构，可存储不同类型。
• 安装：pip install pandas
• 导入：import pandas as pd

创建 Series 与 DataFrame

• Series：

  s = pd.Series([1,2,3], index=['a','b','c'], name='示例')
  

• DataFrame：

  df = pd.DataFrame({'A':[1,2],'B':[3,4]
  }, index=['row1','row2'])
  

查看数据

• df.head(), df.tail()
• df.info(), df.describe()
• df.shape, df.dtypes, df.columns, df.index

选择与索引

• 列：df['col'], df[['col1','col2']]
• 行：df.loc[label], df.iloc[pos], 切片
• 组合：df.loc[row, col]
• 布尔索引：df[df['A'] > 0]
• 快速访问：df.at['row','A'], df.iat[0,0]

缺失值处理

• 检测：df.isna(), df.isnull()
• 删除：df.dropna(axis=0, how='any')
• 填充：df.fillna(method='ffill', limit=2)

数据操作

• 赋值：df['C'] = np.arange(len(df))
• 合并：pd.concat([df1, df2])
• 连接：pd.merge(df1, df2, on='key', how='inner')
• 分组：df.groupby('A').sum()

数据清洗摘要

方法	功能说明
dropna()	删除含 NaN 的行或列
fillna()	填充 NaN 值
drop_duplicates()	删除重复行
replace()	替换指定值

---

华为云 ModelArts 平台

概览

• 一站式 AI 开发平台，涵盖标注、训练、部署全流程。

自动学习流程

1. 创建项目：选择场景（图像分类/目标检测/预测分析）。
2. 数据标注：从 OBS 上传/同步并标注。
3. 模型训练：配置训练参数、计算规格、提交任务。
4. 部署服务：在线服务发布，上传示例数据测试。

图像分类

• 至少 2 个类别，每类 ≥5 张图片。
• 流程：数据→训练→部署→测试。

目标检测

• 使用矩形框标注。
• 订阅预置算法（如 Faster R-CNN）。

预测分析

• 上传 CSV，选择目标列，训练并部署 JSON 接口。

数据管理

• 创建、版本化数据集（图像、表格）。
• 使用 OBS Browser+ 上传、标注。
• 发布版本供训练使用。

预置算法

• 在 AI Gallery 订阅 ResNet、Faster R-CNN 等。
• 创建训练作业并部署 AI 应用。