python代码学习

python中的类class和实例instance

面向对象最重要的概念就是类（class）和实例（instance），类是抽象的模板，实例是根据类创建出来的一个个具体的“对象”。每一个对象都从类中集成有形同的方法，但各自的数据可能不同。

class Student（object）：
	pass
#表示Student类从object类继承下来的，其中Object类是所有类都会继承的类。

student = Student()
#定义好了类可以通过Student类创建出Student的实例，创建实例通过类名+()实现。

python内置方法

__init__方法

python内置的方法__init__方法，用于在创建实例的时候，把我们认为必须绑定的属性强制填写进去。

Class Student（object）：
	def __init__(self,name,score):
		self.name = name
		self.score = score
__init__方法的第一个参数永远是self，表示创建的类实例本身，self只想创建的实例本身
有了__init__方法，创建实例的时候就不可以不传参数了，必须传入与__init__方法匹配的参数，但self不用传参数。

类比java理解__init__:

• init()方法相当于java中的构造函数，在创建一个类对象之后一定会调用的方法。
  在python中，可以使用__init__方法（）来传递参数，比如赋值给对象属性等。
  *如果想让内部属性不被外部访问，可以在属性名前加两个下划线。python中实例变量以下划线开头，就变成一个私有变量（private），只有内部可以访问，外部不能访问。
• python中，变量名类似__xxx__的，也就是双下划线开头，且以双下划线结个尾的，是特殊变量，它可以直接发访问的，不是private变量，所以变量名不能起__xxx__这种类型。

class Student(object):
    def __init__(self, name, score):
        self.__name = name
        self.__score = score
    def print_score(self):
        print "%s: %s" %(self.__name,self.__score)
>>> student = Student('Hugh', 99)
>>> student.__name
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'Student' object has no attribute '__name'

• 继承的时候，传入的(对于这个理解有点困难)

class Parent:
    def pprt(self):
        print(self)

class Child(Parent):
    def cprt(self):
        print(self)
c = Child()
c.cprt()
#输出：<__main__.Child object at 0x0000000002A47080>
c.pprt()
#输出：<__main__.Child object at 0x0000000002A47080>
#运行c.cprt等价于Child.cprt（c），self指的依然是Child类的实例。
p = Parent()
p.pprt()
#输出：<__main__.Parent object at 0x0000000002A47240>

介绍python类和实例

__call__方法

解释：
所有函数都是可调用对象。
一个类实例可以变成一个可调用对象，只需要实现一个特殊方法__call__()

案例：

class F:
    def __call__(self, *args, **kwargs):
        print('执行__call__')
说明：
s = F（）
s（）
先给类创建一个对象，直接通过对象来执行，就会自动去执行类中的__call__函数。

python

python，是一门动态语言，也就是可以给对象动态添加属性和方法。
python，属于脚本语言，不像编译型语言那样先将程序编译成二进制再运行，而是动态的逐行解释运行。
一个python源码文件（.py），不仅可以直接运行，还可以作为模块被其他文件调用。

self

*self：表示类的实例，而不是类。

*在python中，类的方法与普通函数的一个特别的区别是：
他们必须有一个额外的第一个参数名称，但是在调用这个方法的时候你不为这个参数赋值，python会提供这个值。这个特别的变量指对象本身，按照惯例它的名称是self。也就是说如果这个函数是类的方法，则第一个参数就是self。

numpy.argmax（axis=0/1）——返回最大值的索引；

参数axis=0/1，0在列中比较，选出最大的行索引，1在行中比较，选出最大的列索引。
二维数组中最后一位axis=1和axis=-1是一样的。
参考

array.shape——显示为（高，宽，通道数）

import numpy as np

Image.size——显示为（宽，高）

from PIL import Image

np.array(image)——将image转换成array或者np.asarray(image)

Image.fromarray（）——实现array到image的转换

图像.resize(size,resample)——返回此图像的已调整大小的副本

size—以像素为单位的请求大小，二元组（宽度、高度）
resample—可选的重新采样过滤器
参考

str.splitlines([keepends])——按照行（‘\r’,‘\r\n’,‘\n’）分割，返回一个包含各行作为元素的列表。

参数keepends，表示输出是否保留换行符（‘\r’,‘\r\n’,‘\n’），默认是false，不包含换行符，如果为true，则保留换行符。

os.path.exists（path/文件）——判断括号内的文件是否存在的意思

os.path模块主要用于文件的属性获取。

os.makedirs(path,mode=)——用于递归创建目录。

参数：path需要递归创建的目录。
mode权限设置。

tqdm（可迭代对象）——实现可视化进度

参考

torch.type——表示torch.Tensor的数据类型的对象。

参考

__ name&zwnj __ == '&zwnj__main__'解释

if __name__ == '__main__':
#当.py文件被直接运行时，if __name__ == '__main__'则 该内容之后的代码块将被运行；
#当.py文件以模块形式被导入时，if __name__ == '__main__'之下的代码块不被运行。

np.zero(shape,dtype=float,order=‘C’)——创建0矩阵，返回给定形状和类型的新数组，用零填充。

参数：
shape：int或ints序列，如【2，（2,3）】，新数组的形状；
dtype：数组类型，可选numpy.int8，默认是numpy.float64；
order：{‘C’,‘F’}，可选，是否在存储器中以C或Fortran（按行或列方式）连续存储多维数据。

os.path.join(path1[,path2[,…]]))——把目录和文件名合成一个路径

join(sequence)——用于将序列中的元素以指定的字符连接生成一个新的字符串。

sequence：要连接的元素序列。

range(start,stop[,step])——返回的是一个可迭代对象（类型是对象），而不是列表类型

解释：range(x)——range(0,x)
参考

x.flatten（）——是把x降到一维，默认是按横的方向降

x是矩阵或者数组。
x.flatten（‘F’）——表示按列排序

str.format()——格式化字符串

基本语法是通过{}和：来替代以前的%
参考

numpy.bincount(x,weights=None,minlength=0)——统计非负整数值出现个次数。

每一个bin都是给出输入数组中每个数出现的次数。如果有加权的w值，输出是out[n]+=weight[i]，而不是out[n]+=1
x：输入数组；weights：加权，和x的shape一致；minlength：输出矩阵bin数的最小值。
output：输出矩阵分bin的结果，数组。
参考

x.astype(type)——转换数组的数据类型。

type可选值：int32、float64、string_
参考

x.reshape(参数)——将数组中的数据重新划分。

参考

np.nanmean()——nan取值为0且取均值时忽略它。

NaN : Not a Number（NaN），代表一个“不是数字”的值，这个值不能直接进行计算，但它却是一个Number类型。
参考

round(number,digits)——进行number的四舍五入

number：要进行四舍五入的数；digits：要小数点后保留的位数。
参考

np.diag(array)——根据array类型的不同输出内容不同

array是一维数组，结果形成一个以一维数组为对角线元素的矩阵
array是二维数组，结果输出矩阵的对角线元素
参考

np.maximum(x,y,out=None)——传入两个x和y，对x、y诸位比较取最大值

x：一般是数组；y：是一个数
返回值：不固定。
参考

array.sum(axis)——对array的每一列/行/全部元素进行相加

axis=0：每一列元素进行相加
axis=1：每一行元素进行相加
无参数：对array的全部元素进行相加

pass

作用：空语句。保证格式完整。保证语义完整。

1. 在函数中的作用：用pass语句来占位，当做一个标记。
2. 在循环中的作用：为复合语句编写一个空的主体。

str.split(str=“”,num = string.count(str))

作用：通过指定分割符对字符串进行切片，返回分割后的字符串列表。
参数：
str——分隔符，默认为所有的空字符，包括空格、换行（\n）、制表符（\t）等；
num——分割次数；

os.rename(src，dst)

作用：用于命名文件或目录，从src到dst，如果dst是一个存在的目录，将抛出OSError
参数：
src：要修改的目录名
dst：修改后的目录名
参考

import argparse

argparse模块，用于处理命令行选项、参数和子命令解析器等相关内容。
此模块可以让人快速编写用户友好的命令行接口内容。
程序定义它需要的参数，然后 argparse 将弄清如何从 sys.argv 解析出那些参数。 argparse 模块还会自动生成帮助和使用手册，并在用户给程序传入无效参数时报出错误信息。

argparse的使用

提供了简单易用的参数配置方法，提供在命令行程序中进行使用。
argparse的三个主要步骤：
1.创建ArgumentParser()对象
2.调用add_argument()方法添加参数
3.使用parse_args()解析添加的参数

add_argument（）方法

ArgumentParser.add_argument(name or flags...[, action][, nargs][, const][, default][, type][, choices][, required][, help][, metavar][, dest])
# name/flage：一个命名或者一个选项字符串的列表
# type ：命令行参数应当被转换成的类型
# default：当参数未在命令行中出现时使用的值
# help：一个此选项作用的简单描述

argparse的主要步骤

import argparse

if __name__ == '__main__':
    # 第1步：创建ArgumentParser对象
    parser = argparse.ArgumentParser(
                          usage='这是一个测试usage.', 
                          description='这是一大段描述文本。',
                          add_help='这是帮忙')
    
    # 第2步：添加变量
    parser.add_argument('-nmap', type=str, help='扫描文件路径')
    parser.add_argument('-pocs', type=str, default='pocs.json', help='模板文件路径')
    parser.add_argument('-n', type=int, default=-1, help='行数')
    parser.add_argument('-o', type=str, default=-1, help='输出文件路径。')

    # 第3步：解析输入变量
    args = parser.parse_args()

    # 第4步：使用变量
    print(parser.prog)
    print(args.nmap)
    print(args.pocs)
    print(args.n)
    print(args.o)

参考

import glob

glob模块主要用来查找目录和文件。

glob.glob(pathname,*,recursive=False)

作用：返回匹配到的路径列表
参数：
pathname：要匹配的路径
recursive：如果是true就会递归的去匹配符合的文件路径，默认是False
pathname中可以使用通配符：*，？，[]
*代表0个或多个字符
？代表一个字符
[]匹配指定范围内的字符，如[0-9]匹配字符
备注：通过glob.glob匹配的路径，最后一个文件的分隔符是\。

dataroot = "./Train_NG"
print(dataroot)
name = []
for x in glob.glob(dataroot + '/*'):
    print(x)
#输出显示
#./Train_NG
#./Train_NG\kos01_Part5_label.bmp

参考

from os.path import isdir

可直接使用isdir（path）

作用：判断某一路径path是否为目录。

enumerate(enumerate) 函数

作用：用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据和数据下标，一般用在 for 循环当中。
参数：
sequence ： 一个序列、迭代器或其他支持迭代对象。
start ：下标起始位置。
返回值：返回 enumerate(枚举) 对象。

>>>seasons = ['Spring', 'Summer', 'Fall', 'Winter']
>>>list(enumerate(seasons))
[(0, 'Spring'), (1, 'Summer'), (2, 'Fall'), (3, 'Winter')]
>>>list(enumerate(seasons, start=1)) # 小标从 1 开始
[(1, 'Spring'), (2, 'Summer'), (3, 'Fall'), (4, 'Winter')]

sys.stdout.write（）

作用：打印进度条
参考

print()和sys.stdout.write（）的区别

参考

python中的路径细节转意：

转意

文件名开头为n的，如果使用’/'分隔符会被转意。为了防止被转意，需要在字符串前面增加一个r。

分隔符

在windows系统中，路径层级的分隔符为’ \ ’
在Linux系统中，路径层级的分隔符为’ / ’
但是python 对分隔符做了兼容，让Linux风格路径在windows下可用，于是很多时候大家都会选Linux风格。

打开、读取文件

open（file,flags[,mode]）

作用：用于打开一个文件，模式参数mode参数是可选的，默认为 0777。
参数：（file）要打开的文件；
返回值：一个文件对象，可迭代。
参考
注意：文件使用完毕之后必须关闭，因为文件对象会占用操作系统的资源，并且操作系统同一时间能打开的文件数量也是有限的。也就是文件.close()
每次都这么写实在太繁琐，所以，Python引入了with语句来自动帮我们调用close()方法：

with open('/path/to/file', 'r') as f:
    print(f.read())

读取文件

random.sample(seq,n)

作用：从序列seq中选择n个随机且独立的元素。
参考

tensor图像数据转化为opencv支持的图像数据

opencv支持的图像数据

image = cv2.imread("path")
print(image)
像素分布在[0,255]之间
print(image.shape)
输出内容是：高、宽、通道数
print(type(image))
<class 'numpy.ndarray>，支持的格式是numpy格式
print(image.dtype)
uint8，数据类型是uint8

	tensor	opencv
像素分布	float32	[0,255] uint8
图像数据类型	Tensor	numpy类型
size/shape	通道/高/宽	高/宽/通道数

python 读写、创建 文件

方法	作用
os.remove()	删除一个文件
os.mknod(文件名)	创建空文件
os.listdir(path)	返回指定路径下的文件和文件夹列表

参考

sklearn.metrics.confusion_matrix(y_true, y_pred, *, labels=None, sample_weight=None, normalize=None)

作用：计算混淆矩阵以及评估分类的准确性。
解释：定义混淆矩阵C（confusion matrix C），Cij表示样本本身在i分组内但是预测却在j分组的数量。
参数：
y_true：样本的真实分类结果（数组类的形状）
y_pred：样本预测分类的结果（数组类的形状）
labels：索引矩阵的标签列表（数组类的形状）
sample_weight：样本权重
返回值：ndarray的形状。

from sklearn.metrics import confusion_matrix
y_true = [2, 1, 0, 1, 2, 0]
y_pred = [2, 0, 0, 1, 2, 1]
C=confusion_matrix(y_true, y_pred)
print(C, end='\n\n')
y_true = ["cat", "ant", "cat", "cat", "ant", "bird"]
y_pred = ["ant", "ant", "cat", "cat", "ant", "cat"]
C2 = confusion_matrix(y_true, y_pred, labels=["ant", "bird", "cat"])
print(C2)

import numpy as np

numpy.ndarray.flatten(order = ‘C’)

作用：返回压缩为一维的数组的副本。只适用于numpy对象，即array或者mat，普通的list列表是不行的。
参数：
order（C——按行进行压缩；F——按列进行压缩）

from numpy import *
a = array([[1,2],[3,4],[5,6]])
print(a)
结果：
[[1 2]
 [3 4]
 [5 6]]
print(a.flatten('F'))
结果：
[1 3 5 2 4 6]
print(a.flatten('C'))
结果：
[1 2 3 4 5 6]

np.diag（v,k=0）

作用：以一维数组的形式返回方阵的对角线（或非对角线）元素，或将一维数组转换成方阵（非对角线元素为0）.两种功能角色转变取决于输入的v。
参数：
v：如果v是2D数组，返回k位置的对角线。如果v是1D数组，返回一个v作为k位置对角线的2维数组。
k：（int optional）：对角线的位置，大于零位于对角线上面，小于零则在下面。

>>> x = np.arange(9).reshape((3,3))
>>> x
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])  
            
>>> np.diag(x)
array([0, 4, 8])
>>> np.diag(x, k=1)
array([1, 5])
>>> np.diag(x, k=-1)
array([3, 7])

>>> np.diag(np.diag(x))
array([[0, 0, 0],
       [0, 4, 0],
       [0, 0, 8]])

array.sum（）

Numpy Ndarray对象

介绍：Nadrray是N维数组对象，是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引，是NumPy 最重要的一个特点之一。
注意点：
ndarray 对象是用于存放同类型元素的多维数组。
ndarray 中的每个元素在内存中都有相同存储大小的区域。
内部组成：

• 一个指向数据（内存或内存映射文件中的一块数据）的指针。
• 数据类型或 dtype，描述在数组中的固定大小值的格子。
• 一个表示数组形状（shape）的元组，表示各维度大小的元组。
• 一个跨度元组（stride），其中的整数指的是为了前进到当前维度下一个元素需要"跨过"的字节数。
  图解：
  

参考

np.bincount(x,weights = None,minlength = 0)

作用：计数每个值在非负整数数组中的出现次数。
容器的数量(大小为1)比x中的最大值大1。解释：相当于x给出的是索引值，此函数用于统计索引值的出现的次数，因为索引范围是0-n则不同索引值组成的列表的长度就是n+1.
参数：
x：类似数组，一维，且是非负整数。
minlength：整型，可选，表示输出数组的最小的bins个数。

array.astype(类型)、array.dtype()

作用：
array.dtype()——判断数组内部数据类型；
array.astype(类型)——可以对数组数据类型进行转换；

import matplotlib.pyplot as plt

plt.plot()

#单条线：
plot([x], y, [fmt], data=None, **kwargs)
#多条线一起画
plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)
[fmt] 是一个字符串来定义图的基本属性如：颜色（color），点型（marker），线型（linestyle），

plot
plt.legend()
图例，为了帮助我们展示每个数据对应的图像名称。
不带参数调用 legend 会自动获取图例句柄及相关标签
legend

exposure 模块

opencv PIL.Image 图片处理的区别

操作	opencv	PIL.Image
图片读取模式	BGR模式	RGB模式
读取图片	cv2.imread，输出的内容是[[][][]]，类型是ndarray类型	Image.open只是保持了图像被读取的状态，输出内容是<PIL.JpegImagePlugin.JpegImageFile image mode=RGB size=352x320 at 0x1CFC9291B80> 类型是<class ‘PIL.JpegImagePlugin.JpegImageFile’>
图片存储	cv2.imwrite保存图像	Image.save针对于保存JPG/JPEG格式的图片的情况

plt.plot（）函数

作用：绘制点和线，并对其样式进行控制。
参考

python读取/展示图片的方式

opencv方式
读取图片	cv2.imread
展示图片	cv2.imshow 采用BGR模式
matplotlib.pyplot方式
读取	plt.imread
展示	plt.imshow 采用RGB模式
PIL.Image方式
读取	Image.open
展示	图片.show 采用RGB模式

python中的class和def介绍

class IOU(torch.nn.Module):
    def __init__(self, size_average = True):
        super(IOU, self).__init__()
        self.size_average = size_average

    def forward(self, pred, target):

        return _iou(pred, target, self.size_average)

Class类
Class：是一个面向对象的类，用来描述具有相同的属性和方法的对象的集合，类可以起到模板的作用；
在创建实例的时候，可以将认为必要的属性写入方法__init__中。
使用的时候需要进行实例化；
self：表示创建实例本身，所以可以把各种属性绑定到self；
def
类class中的def被称为函数，模板中可以包含很多函数；
使用的时候不需要实例化；

re模块的sub函数

作用：
用于替换字符串中的匹配项
语法：
re.sub(pattern, repl, string, count=0, flags=0)

参数名	介绍
pattern	正则中的模式字符串
repl	替换的字符串，也可为一个函数
string	要被查找替换的原始字符串
count	模式匹配后替换的最大次数，默认 0 表示替换所有的匹配
flags	编译时用的匹配模式，数字形式

map（f，list）

作用：接收一个函数 f 和 一个list，并通过把函数f依次作用在list的每个元素上，得到一个迭代器并返回。
python2中返回的是一个list，python3中返回的是一个iterator。

    a = 1234
    lis = list(map(int, str(a)))
    print(lis) #输出：[1, 2, 3, 4] 每个元素都是int类型

list(object)

作用：将任何可迭代数据转换为列表类型，并返回转换后的列表。
当参数为空的时候，list函数可以创建一个空列表；
可以将range类型和map类型的可迭代序列转换为列表；