python基础语法

1. 模块的导入方式：

import numpy	#将numpy全部导入，后续使用其中的函数时需加上numpy.前缀
import numpy as np	#将numpy全部导入且简记为np，后续使用时加np.前缀即可
from numpy import * #将numpy全部导入，后续使用时不需加前缀，直接使用相应的函数名即可
from numpy import array	#将numpy中的array函数导入，

以上方法中最为推荐的是第二种，既不会太过繁琐，也避免了在未来的代码中可能存在的函数定义的冲突。

2. numpy库

1. X[:,0]就是取矩阵X的所有行的第0列的元素;
   X[:,1] 就是取所有行的第1列的元素
   X[:, m:n]即取矩阵X的所有行中的的第m到n-1列数据，含左不含右

2. shape函数可用于快速读取矩阵的形状:
   A.shape: 输出A矩阵;
   A.shape[0]: 输出A矩阵行数;
   A.shape[1]: 输出A矩阵列数.

3. 线性代数库:linalg
   求范数:

   x_norm=np.linalg.norm(x, ord=None)
   

   默认: 二范数：$l_2\sqrt{x_1^2+x_2^2+...+x_n^2}$
   ord=2 二范数：$l_2$ 同上
   ord=1 一范数：$l_1$ $\left|x_1\right|+\left|x_2\right|+...+\left|x_n\right|$
   ord=np.inf 无穷范数：$l_{\infty }MAX\left|x_i\right|$

3. 遇到的其他函数

1. math.floor(x): 返回一个≤x的最大整数.
2. random.sample(A,n): 在A中随机取n个元素返回.
3. train_test_split(w,x,y,z): 对于待划分的数据集w, 其标签为x, 测试集占比为y, 随机数种子为z. (from sklearn)
4. assert用法: 如果其后的判断语句为真,则继续执行后续语句;如果为假,则抛出异常,程序中断报错.

4. 函数与类的定义

4.1 类的定义

1. 类名一般用大驼峰法命名；
2. 一般需要写初始化函数，在调用类时对类的实例进行初始化；
3. 初始化函数：

		def __init__(self)  # 可以有多个参数，但第一个参数必须是self

4.2 函数的定义

4. 函数元信息：

• -> type ：表示返回值应是某种类型（不符合可强制转换）
• 参数后加冒号加类型：用于注解该参数的类型（Python解释器不会对这些注解添加任何的语义）
  e.g.:

  def euler_distance(point1: np.ndarray, point2: list) -> float
  

  表示参数point1是ndarray类型，point2是list类型，返回值类型为float