本文目录一览：
- 1、如何创建pdf的buffer，让pdf.js实现预览pdf文件
- 2、numpy中array和asarray的区别
- 3、python中如何提取一组数据中的第一列数据
- 4、shared_x = theano.shared(numpy.asarray(data_x, dtype=theano.config.floatX))这句话什么意思？
- 5、python check input data with np.asarray怎么解决
- 6、python 批量定义变量
如何创建pdf的buffer，让pdf.js实现预览pdf文件
PDF.js 是基于开放的 HTML5 及 JavaScript 技术实现的开源产品。简单说就是一个 PDF 解析器。运用HTML5JavaScript（即pdf.js仅使用安全的web语言，不包含任何攻击者可以用的本地代码块）的PDF阅读器pdf.js，直接在标准的HTML页面上载入和渲染PDF文件, 还可以提高安全性（不需要安装第三方插件，安全性由浏览器保证），浏览器所做的安全措施已经为pdf.js提供了安全的运行环境。其对IE和 FireFox浏览器的要求是IE9+, FireFox19+。
在线示例： ，
源码：
官网：
pdf.js VS 传统浏览器读取pdf
一般来说，PDF档案格式都是在浏览器中由外挂程式来描绘，通常是Adobe自己的PDF reader或来自其他供应商的描绘工具，但这些外挂通常无法充分运用PDF的特点，而且由于含有大量的受信任代码，使得Google Chrome浏览器必须运用SandBox沙箱原理，来检查PDF描绘工具是否遭到未知病毒感染。
使用adobe，必须在本地安装软件才能使用，而pdf.js不依赖环境、渲染速度快（测试过，确实很快）、安全性高。
pdf.js渲染PDF文件
pdf.js渲染PDF文件的流程：Fetch pdf (url / buffer) —— canvas —— 渲染
如果要深入pdf的渲染，需要去研究pdf.js源代码。pdf.js可通过pdf文件的地址或pdf数据流获取pdf，具体实现是调用接口函数 PDFJs.getDoc(url/buffer)将pdf载入html，通过canvas处理, 然后渲染pdf文件。网上给出的都是通过url来获取pdf的例子，而我在做项目的时候，后台（python）要求是发pdf的数据流给前台，前台接收pdf的buffer,然后通过pdf.js来渲染。当然最初尝试buffer出现了很多问题，具体问题总结如下：
1）如何通过$.ajax接收后台发给前台的buffer数据；
2）如何将buffer传给pdf.js来处理（这里我使用了viewer.js, 所以需要考虑的是如何将buffer传给viewer.js来处理）；
3）如何将pdf.js转换成pdf.js可以接收的buffer格式；
（对应问题解决见代码注释）
注：viewer.js是pdf.js的扩展，其将打印、翻页、缩放等功能进行了实现，且界面非常好看。也就是说如果你引入了viewer.js，pdf的渲染和渲染之后的功能界面都已经帮你实现了，你不用自己去写界面。
先从官网： 下载代码，然后使用文件viewer.html , 我的html就是在viewer.html 的基础上修改的，下面我给出buffer的例子：
!DOCTYPE html
html dir="ltr" mozdisallowselectionprint moznomarginboxes
head
meta charset="utf-8"
meta name="viewport" content="width=device-width, initial-scale=1, maximum-scale=1"
meta name="google" content="notranslate"
title在线预览/title
{% load static %}{% get_static_prefix as STATIC_URL %}
link href="{{STATIC_URL}}css/preview.css" rel="stylesheet" type="text/css" /
link rel="stylesheet" href="{{STATIC_URL}}pdfjs/web/viewer.css"/
script type="text/javascript" src="{{STATIC_URL}}pdfjs/web/compatibility.js"/script
link rel="resource" type="application/l10n" href="{{STATIC_URL}}pdfjs/web/locale/locale.properties"/
script type="text/javascript" src="{{STATIC_URL}}pdfjs/web/l10n.js"/script
script type="text/javascript" src="{{STATIC_URL}}pdfjs/build/pdf.js"/script
script type="text/javascript" src="{{STATIC_URL}}pdfjs/web/debugger.js"/script
script src="{{STATIC_URL}}js/jquery-1.8.3.js" type="text/javascript"/script
script type="text/javascript"
//convertDataURIToBinary()
//不知道什么原因如果后台直接将pdf的数据流发给前台，得到的是乱码，将数据转换成 Uint8Array始终不成功
//所以就让后台将发送之前的数据流做 了base64编码发给前台，前台再解码得到的数据就不是乱码了。
var BASE64_MARKER = ';base64,';
var preFileId = {{mark}};
//viewer.js全局变量,传入buffer，回答问题2
var DEFAULT_URL
$(document).ready(function(){
$.ajax({
type:"post",
async: false,
//ajax接收pdf数据流，注意dataType值的设置是否有错，如果不指定，jQuery将自动根据HTTP包MIME信息返回
//responseXML或responseText . 回答问题1
contentType:"application/pdf;charset=utf-8",
url:"{% url netPan.File.views.browserFuf%}",
data:{
id: preFileId
},
success:function(data){
var pdfAsDataUri = data;
//如果引入了viewer.js , 处理方法
var pdfAsArray = convertDataURIToBinary(pdfAsDataUri);
DEFAULT_URL = pdfAsArray;
// 只引入了pdf.js, 未引入viewer.js， 处理方法
// var pdfAsArray = convertDataURIToBinary(pdfAsDataUri);
// PDFJS.getDocument（pdfAsArray).then(); 自己写pdf的处理函数
}
});
});
function convertDataURIToBinary(dataURI) { //编码转换，回答问题3
var base64Index = dataURI.indexOf(BASE64_MARKER) + BASE64_MARKER.length;
var base64 = dataURI.substring(base64Index);
var raw = window.atob(base64);
var rawLength = raw.length;
//转换成pdf.js能直接解析的Uint8Array类型,见pdf.js-4068
var array = new Uint8Array(new ArrayBuffer(rawLength));
for(i = 0; i rawLength; i++) {
array[i] = raw.charCodeAt(i);
}
return array;
}
/script
!--先设置全局变量DEFAULT_URL 的值，所以要后调入viewer.js --
script type="text/javascript" src="{{STATIC_URL}}pdfjs/web/viewer.js"/script
/head
body
省略内容
/body
/html
numpy中array和asarray的区别
论numpy中matrix 和 array的区别，有需要的朋友可以参考下。Numpy matrices必须是2维的,但是numpy arrays (ndarrays) 可以是多维的（1D，2D，3D····ND）. Matrix是Array的一个小的分支，包含于Array。所以matrix 拥有array的所有特性。在numpy中matrix的主要优势是：相对简单的乘法运算符号。例如，a和b是两个matrices，那么a*b，就是矩阵积。
python中如何提取一组数据中的第一列数据
概述
直接提取会报错，把array数组转换成list，即可提取，使用numpy转换
步骤详解
1、直接提取尝试：
group=[[1,2],[2,3],[3,4]]
#提取第一列元素
print(group[:,1])
#Out:TypeError: list indices must be integers or slices, not tuple
2、使用numpy转换：
import numpy as np
group=[[1,2],[2,3],[3,4]]
#numpy转化
ar=np.array(group)
print(ar[:,1])
#Out:[2 3 4]
拓展内容
numpy详解
Numpy对象是数组，称为ndarray
维度(dimensions)称作轴(axes),轴的个数叫做秩(rank)。注：有几级中括号就有几个维度
一、ndarray.attrs:
ndarray.ndim 秩
ndarray.shape 例如一个2排3列的矩阵，它的shape属性是(2,3)
ndarray.size 数组元素的总个数
ndarray.dtype 元素类型，NumPy提供自己的数据类型
ndarray.itemsize 数组中每个元素的字节大小
二、数组创建函数：
array
asarray将输入转换成ndarray
arange
ones
zeros
empty 只分配内存空间不填充任何值
eye 创建N*N单位矩阵(对角线为1)
三、数组和标量之间的运算
numpy数组的一个特点，不用编写循环就可对数据执行批量运算，这通常称作矢量化(vectorization)。
四、基本的索引和切片
numpy数组的索引是一个内容丰富的主题，因为选取数据子集或单个元素的方式有很多。这里我仅详细介绍常用的方法，对于高级功能的方式我列举名称，读者可以等到要用的时候自行查阅资料。
shared_x = theano.shared(numpy.asarray(data_x, dtype=theano.config.floatX))这句话什么意思？
我发现这句话几乎跟我写的一抹一样，变量都一样。我来给你详解：
asarray是python numpy的函数，这里的data_x应该就是机器学习的输入向量，是numpy的array格式，为了把他转成theano的floatX格式，用asarray加上后面的参数dtype改成想要的theano格式。也就是说theano.shared括号里面的基本都是numpy。shared就是把他变成theano的全局变量。
注意：array就是数组，矩阵，asarray是一个函数，这里就是把本来的矩阵该一下dtype重新改成符合theano dype的矩阵。
python check input data with np.asarray怎么解决
If X is your dataframe, try using the .astype method to convert to float when running the model:
est = sm.OLS(y, X.astype(float)).fit()
python 批量定义变量
variables={}
for i in range(1,band):
variables['a'+str(i)]=ds.GetRasterBand(i).ReadAsArray(0,0,cols,rows)
