1、关于数组、矩阵的说明。
X[:,0] 取二维数组中第一维的所有数据。
X[:,1] 取二维数组中第二维的所有数据。
X[:,m:n] 取二维数组中第m维到第n-1维的所有数据。
X[:,:,0] 取三维矩阵中第一维的所有数据。
X[:,:,1] 取三维矩阵中第二维的所有数据。
X[:,:,m:n] 取三维矩阵中第m维到第n-1维的所有数据。
python 中的[:-1]和[::-1]
b = a[i:j] 表示复制a[i]到a[j-1]，以生成新的list对象
a = [0,1,2,3,4,5,6,7,8,9]
b = a[1:3] # [1,2]
当i缺省时，默认为0，即 a[:3]相当于 a[0:3]
当j缺省时，默认为len(alist), 即a[1:]相当于a[1:10]
当i,j都缺省时，a[:]就相当于完整复制一份a
b = a[i:j:s]表示：i,j与上面的一样，但s表示步进，缺省为1.
所以a[i:j:1]相当于a[i:j]
当s<0时，i缺省时，默认为-1. j缺省时，默认为-len(a)-1
所以a[::-1]相当于 a[-1:-len(a)-1:-1]，也就是从最后一个元素到第一个元素复制一遍，即倒序。
argsort()函数的作用是将数组按照从小到大的顺序排序，并按照对应的索引值输出。
argsort()函数中，当axis=0时，按列排列；当axis=1时，按行排列。如果省略默认按行排列。
numpy中的max和maximum
numpy科学计算包中有两个函数np.max()和np.maximum()，他们的功能截然不同。简单而言即前者作用于ndarray对象，求的是它自身的最大。而后者是一个数学上的取maxmax的效果，它是一个运算。
先说np.max()
| 1 2 3 4 5 6 7 |
|
效果一目了然。不加axis参数的时候它会返回一个数组所有元素中的最大值。axis=0时它返回了列最大值，axis=1的时候它返回了行最大值。（这个时候它表现的像matlab里的max函数）
你可能会问，axis=0不是行么？axis=1不是列么？怎么刚好反过来了。这个其实不是这样看的，它的计算方式和numpy看待数组的方式有关。看了我的这篇文章你会豁然开朗numpy中array数组对象的储存方式(n,1)和(n,)的区别 - 思念殇千寻 - 博客园
再说np.maximum()
| 1 2 3 4 5 6 |
|
前面已经说了np.maximum()是一个运算，看了上面的例子是不是一下就懂了？
任何一门编程语言中，文件的输入输出、数据库的连接断开等，都是很常见的资源管理操作。但资源都是有限的，在写程序时，必须保证这些资源在使用过后得到释放，不然就容易造成资源泄露，轻者使得系统处理缓慢，严重时会使系统崩溃。
例如，前面在介绍文件操作时，一直强调打开的文件最后一定要关闭，否则会程序的运行造成意想不到的隐患。但是，即便使用 close() 做好了关闭文件的操作，如果在打开文件或文件操作过程中抛出了异常，还是无法及时关闭文件。
为了更好地避免此类问题，不同的编程语言都引入了不同的机制。在 python 中，对应的解决方式是使用 with as 语句操作上下文管理器（context manager），它能够帮助我们自动分配并且释放资源。
简单的理解，同时包含 __enter__() 和 __exit__() 方法的对象就是上下文管理器。常见构建上下文管理器的方式有 2 种，分别是基于类实现和基于生成器实现。
with通过__enter__方法初始化，然后在__exit__中做善后以及处理异常。
所以使用with处理的对象必须有__enter__()和__exit__()这两个方法。
其中__enter__()方法在语句体（with语句包裹起来的代码块）执行之前进入运行，__exit__()方法在语句体执行完毕退出后运行。
with 语句适用于对资源进行访问的场合，确保不管使用过程中是否发生异常都会执行必要的“清理”操作，释放资源，比如文件使用后自动关闭、线程中锁的自动获取和释放等。使用 with as 操作已经打开的文件对象（本身就是上下文管理器），无论期间是否抛出异常，都能保证 with as 语句执行完毕后自动关闭已经打开的文件。
With语句的基本语法格式:
with expression [as target]：
代码块
参数说明：
expression：是一个需要执行的表达式；
target：是一个变量或者元组，存储的是expression表达式执行返回的结果，可选参数。
例如：
文本内容如下：
我无法大是大非
我无法大是大非
我无法大是大非
with语句的工作原理：
紧跟with后面的语句会被求值，返回对象的__enter__()方法被调用，这个方法的返回值将被赋值给as关键字后面的变量，当with后面的代码块全部被执行完之后，将调用前面返回对象的__exit__()方法。
with语句最关键的地方在于被求值对象必须有__enter__()和__exit__()这两个方法，那我们就可以通过自己实现这两方法来自定义with语句处理异常。
基于类实现上下文管理器：
-
#encoding=utf-8 -
class opened(object): -
def __init__(self,filename): -
self.handle=open(filename) -
print "Resource:%s"%filename -
def __enter__(self): -
print "[enter%s]: Allocate resource."%self.handle -
return self.handle#可以返回不同的对象 -
def __exit__(self,exc_type,exc_value,exc_trackback): -
print "[Exit %s]: Free resource." %self.handle -
if exc_trackback is None: -
print "[Exit %s]:Exited without exception."%self.handle -
self.handle.close() -
else: -
print "[Exit %s]: Exited with exception raised."%self.handle -
return False # 可以省略，缺省的None也是被看做是False -
with opened(r'd:\\xxx.txt') as fp: -
for line in fp.readlines(): -
print line
结果：
opened中的__enter__() 返回的是自身的引用，这个引用可以赋值给 as 子句中的fp变量；
返回值的类型可以根据实际需要设置为不同的类型，不必是上下文管理器对象本身。
__exit__() 方法中对变量exc_trackback进行检测，如果不为 None，表示发生了异常，返回 False 表示需要由外部代码逻辑对异常进行处理；
如果没有发生异常，缺省的返回值为 None，在布尔环境中也是被看做 False，但是由于没有异常发生，__exit__() 的三个参数都为 None，上下文管理代码可以检测这种情况，做正常处理。__exit__()方法的3个参数，分别代表异常的类型、值、以及堆栈信息。
with as
基于生成器的上下文管理器
除了基于类的上下文管理器，它还可以基于生成器实现。接下来先看一个例子。比如，我们可以使用装饰器 contextlib.contextmanager，来定义自己所需的基于生成器的上下文管理器，用以支持 with as 语句：
-
from contextlib import contextmanager -
@contextmanager -
def file_manager(name, mode): -
try: -
f = open(name, mode) -
yield f -
finally: -
f.close() -
with file_manager('a.txt', 'w') as f: -
f.write('hello world')
这段代码中，函数 file_manager() 就是一个生成器，当我们执行 with as 语句时，便会打开文件，并返回文件对象 f；当 with 语句执行完后，finally 中的关闭文件操作便会执行。另外可以看到，使用基于生成器的上下文管理器时，不再用定义 __enter__() 和 __exit__() 方法，但需要加上装饰器 @contextmanager，这一点新手很容易疏忽。
需要强调的是，基于类的上下文管理器和基于生成器的上下文管理器，这两者在功能上是一致的。只不过，基于类的上下文管理器更加灵活，适用于大型的系统开发，而基于生成器的上下文管理器更加方便、简洁，适用于中小型程序。但是，无论使用哪一种，不用忘记在方法“__exit__()”或者是 finally 块中释放资源，这一点尤其重要。
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
