深度学习之Python高级特性篇

2401_Liu

已于 2023-07-06 15:21:36 修改

阅读量88

点赞数

文章标签：深度学习 python

于 2023-07-06 00:57:50 首次发布

本文链接：https://blog.csdn.net/qq_43681672/article/details/131564266

版权

切片

切片，即取出指定索引范围的操作，取一个list或tuple的部分元素。

>>> L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']

>>> L[0:3]
['Michael', 'Sarah', 'Tracy']

L[0:3]表示，从索引0开始取，直到索引3为止，但不包括索引3。即索引0，1，2，正好是3个元素。
如果第一个索引是0，还可以省略：

>>> L[:3]
['Michael', 'Sarah', 'Tracy']

Python支持L[-1]取倒数第一个元素，那么它同样支持倒数切片。倒数第一个元素的索引为-1。

>>> L[-2:]
['Bob', 'Jack']
>>> L[-2:-1]
['Bob']

切片操作的实例，先创建一个0-99的数列。

>>> L = list(range(100))
>>> L
[0, 1, 2, 3, ..., 99]

前10个数：

>>> L[:10]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

后10个数：

>>> L[-10:]
[90, 91, 92, 93, 94, 95, 96, 97, 98, 99]

前11-20个数：

>>> L[10:20]
[10, 11, 12, 13, 14, 15, 16, 17, 18, 19]

前10个数，每两个取一个：

>>> L[:10:2]
[0, 2, 4, 6, 8]

所有数，每5个取一个：

>>> L[::5]
[0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]

只写[:]就可以原样复制一个list：

>>> L[:]
[0, 1, 2, 3, ..., 99]

注意！a=b和a=b[:]的区别：
a=b是将变量a和b同时指向b中内容的地址（a和b指向同一地址，对a或者b的改变会影响另一个）。
而a=b[:]则是将b的数据复制了一份，赋值给了a（a和b指向不同地址，对a和b的操作互不影响）。

tuple也可以用切片操作，只是操作的结果仍是tuple。

>>> (0, 1, 2, 3, 4, 5)[:3]
(0, 1, 2)

字符串'xxx'也可以看成是一种list，每个元素就是一个字符。因此，字符串也可以用切片操作，只是操作结果仍是字符串。

>>> 'ABCDEFG'[:3]
'ABC'
>>> 'ABCDEFG'[::2]
'ACEG'

练习：

利用切片操作，实现一个trim()函数，去除字符串首尾的空格。

函数实现：

def trim(s):
    if s == '':
        return s
    if s[0] == ' ':
        s = trim(s[1:])
    elif s[-1] == ' ':
        s = trim(s[:-2])
    return s

测试：

if trim('hello  ') != 'hello':
    print('测试失败!')
elif trim('  hello') != 'hello':
    print('测试失败!')
elif trim('  hello  ') != 'hello':
    print('测试失败!')
elif trim('  hello  world  ') != 'hello  world':
    print('测试失败!')
elif trim('') != '':
    print('测试失败!')
elif trim('    ') != '':
    print('测试失败!')
else:
    print('测试成功!')

测试结果：

PS D:\MyCode\PythonCode\Test> & D:/Tool/Python/Python311/python.exe d:/MyCode/PythonCode/Test/hello.py
测试成功!

迭代

如果给定一个list或tuple，我们可以通过for...in循环来遍历这个list或tuple，这种遍历我们称为迭代（Iteration）。任何可迭代对象都可以作用于for循环，包括我们自定义的数据类型，只要符合迭代条件，就可以使用for循环。

Python的for循环不仅可以用在list或tuple上，还可以作用在其他可迭代对象上（没有下标的可迭代对象），例如字典dict。

>>> d = {'a':1, 'b':2, 'c':3}
>>> for key in d:
...     print(key)
...
a
b
c

因为dict的存储不是按照list的方式顺序排列，所以，迭代出的结果顺序很可能不一样。
默认情况下，dict迭代的是key。如果要迭代value，可以用for value in d.values()；如果要同时迭代key和value，可以用for k, v in d.items()。

>>> for value in d.values():
...     print(value)
...
1
2
3
>>> for key,value in d.items():
...     print(key,'  ', value) #中间也可不加空格，python会自动在两个数据之间加一个空格
...
a    1
b    2
c    3

字符串也是可迭代对象。

>>> for c in 'abc':
...     print(c)
...
a
b
c

如何判断一个对象是可迭代对象呢？方法是通过collections.abc模块的Iterable类型判断。

>>> from collections.abc import Iterable
>>> isinstance('abc', Iterable) # str是否可迭代
True
>>> isinstance([1,2,3], Iterable) # list是否可迭代
True
>>> isinstance(123, Iterable) # 整数是否可迭代
False

如何对list实现类似Java那样的下标循环？Python内置的enumerate函数可以把一个list变成索引-元素对，这样就可以在for循环中同时迭代索引和元素本身。

>>> for i,value in enumerate(['a', 'b', 'c']):
...     print(i, value)
...
0 a
1 b
2 c

练习：

使用迭代查找一个list中最小和最大值，并返回一个tuple。

函数实现：

def findMinAndMax(L):
    if len(L) == 0:
        return(None, None)
    min = L[0]
    max = L[0]
    for key in L:
        if min > key:
            min = key
        if max < key:
            max = key
    return min, max

测试：

if findMinAndMax([]) != (None, None):
    print('测试失败!')
elif findMinAndMax([7]) != (7, 7):
    print('测试失败!')
elif findMinAndMax([7, 1]) != (1, 7):
    print('测试失败!')
elif findMinAndMax([7, 1, 3, 9, 5]) != (1, 9):
    print('测试失败!')
else:
    print('测试成功!')

测试结果：

PS D:\MyCode\PythonCode\Test> & D:/Tool/Python/Python311/python.exe d:/MyCode/PythonCode/Test/hello.py
测试成功!

列表生成式

列表生成式即List Comprehensions，是Python内置的非常简单却强大的可以用来创建list的生成式。用中括号[]括起语句。

要生成[1x1, 2x2, 3x3, ..., 10x10]。
方法一是循环：

>>> L = []
>>> for x in range(1, 11):
...    L.append(x * x)
...
>>> L
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

方法二是列表生成式，可以用一行语句代替循环生成上面的list：

>>> [x * x for x in range(1, 11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

把要生成的元素x * x放到前面，后面跟for循环，就可以把list创建出来。
for循环后面还可以加上if判断，这样我们就可以筛选出仅偶数的平方。

>>> [x * x for x in range(1, 11) if x % 2 == 0]
[4, 16, 36, 64, 100]

还可以使用两层循环，可以生成全排列。两个for语句之间相接即可。

>>> [m + n for m in 'AB' for n in 'XYZ'] #字符串之间用+可以直接合并起来
['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ']

三层以上循环也可，只是很少用。
运用列表生成式，可以写出非常简洁的代码。例如，列出当前目录下的所有文件和目录名。

>>> import os # 导入os模块，模块的概念后面讲到
>>> [d for d in os.listdir('.')] # os.listdir可以列出文件和目录
['.emacs.d', '.ssh', '.Trash', 'Adlm', 'Applications', 'Desktop', 'Documents', 'Downloads', 'Library', 'Movies', 'Music', 'Pictures', 'Public', 'VirtualBox VMs', 'Workspace', 'XCode']

for循环其实可以同时使用两个甚至多个变量，因此，列表生成式也可以使用两个变量来生成list。

>>> d = {'x':'A', 'y':'B', 'z':'C'}
>>> [k + '=' + v for k, v in d.items()]
['x=A', 'y=B', 'z=C']

把一个list中所有的字符串变成小写。

>>> L = ['Hello', 'World', 'IBM', 'Apple']
>>> [s.lower() for s in L]
['hello', 'world', 'ibm', 'apple']

使用列表生成式的时候，只能用if，不能加else。因为跟在for后面的if是一个筛选条件，不能带else，否则无法筛选。

>>> [x for x in range(1, 11) if x % 2 == 0 else 0]
  File "<stdin>", line 1
    [x for x in range(1, 11) if x % 2 == 0 else 0]
                                              ^
SyntaxError: invalid syntax

如果把if写在for前面必须加else，否则就会报错。

>>> [x if x % 2 == 0 for x in range(1, 11)]
  File "<stdin>", line 1
    [x if x % 2 == 0 for x in range(1, 11)]
                       ^
SyntaxError: invalid syntax

因为for前面的部分是一个表达式，它必须根据x计算出一个结果。考察表达式：x if x % 2 == 0，它无法根据x计算出结果，因为缺少else，必须加上else。

>>> [x if x % 2 == 0 else -x for x in range(1, 11)]
[-1, 2, -3, 4, -5, 6, -7, 8, -9, 10]

总结：在一个列表生成式中，for前面的if ... else是表达式，而for后面的if是过滤条件，不能带else。

练习

如果list中既包含字符串，又包含整数，由于非字符串类型没有lower()方法，所以列表生成式会报错：

>>> L = ['Hello', 'World', 18, 'Apple', None]
>>> [s.lower() for s in L]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "<stdin>", line 1, in <listcomp>
AttributeError: 'int' object has no attribute 'lower'

使用内建的isinstance函数可以判断一个变量是不是字符串：

>>> x = 'abc'
>>> y = 123
>>> isinstance(x, str)
True
>>> isinstance(y, str)
False

请修改列表生成式，通过添加if语句保证列表生成式能正确地执行。

函数实现：

L1 = ['Hello', 'World', 18, 'Apple', None]
L2 = [s.lower() for s in L1 if isinstance(s, str)]

测试：

print(L2)
if L2 == ['hello', 'world', 'apple']:
    print('测试通过!')
else:
    print('测试失败!')

测试结果：

PS D:\MyCode\PythonCode\Test> & D:/Tool/Python/Python311/python.exe d:/MyCode/PythonCode/Test/hello.py
['hello', 'world', 'apple']
测试通过!

生成器

受到内存限制，列表容量肯定是有限的。如果列表元素可以按照某种算法推算出来，就可以在循环的过程中不断推算出后续的元素。这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。

创建生成器的方法一：类似列表生成器，只是将[]换成()即可。

>>> L = [x * x for x in range(10)] # 列表生成式
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(4)) # 生成器
>>> g
<generator object <genexpr> at 0x00000292150EF030>

打印generator的每一个元素，可以通过next()函数获得generator的下一个返回值。

>>> next(g)
0
>>> next(g)
1
>>> next(g)
4
>>> next(g)
9
>>> next(g)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

generator保存的是算法，每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。
上面打印generator的元素可以使用更为简单的for循环。

>>> g = (x * x for x in range(4))
>>> for x in g:
...     print(x) # 注意缩进
...
0
1
4
9

创建生成器的方法二：如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。

著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：
1, 1, 2, 3, 5, 8, 13, 21, 34, …
用函数把它打印出来：

def fib(max):
    n, a, b = 0, 0, 1 # 对应赋值，相当于n=0 a=0 b=1
    while n < max:
        print(b)
        a, b = b, a + b # a=b b=a+b
        n = n + 1
    return 'done'

赋值语句：a, b = b, a + b 相当于：

t = (b, a + b) # t是一个tuple
a = t[0]
b = t[1]

上面的函数可以输出斐波那契数列的前N个数：

>>> fib(6)
1
1
2
3
5
8
'done'

上面的函数和generator仅一步之遥，只需要把print(b)改为yield b就可以了。

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b # 注意
        a, b = b, a + b
        n = n + 1
    return 'done'

如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator函数，调用一个generator函数将返回一个generator。

>>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0>

普通函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。

举个简单的例子，定义一个generator函数，依次返回数字1，3，5：

def odd():
    print('step 1')
    yield 1
    print('step 2')
    yield(3)
    print('step 3')
    yield(5)

调用该generator函数时，首先要生成一个generator对象，然后用next()函数不断获得下一个返回值：

>>> o = odd()
>>> next(o)
step 1
1
>>> next(o)
step 2
3
>>> next(o)
step 3
5
>>> next(o)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

注意！调用generator函数会创建一个generator对象，多次调用generator函数会创建多个相互独立的generator。
这样调用next()每次都返回1：

>>> next(odd())
step 1
1
>>> next(odd())
step 1
1

原因在于odd()会创建一个新的generator对象，上述代码实际上创建了3个完全独立的generator，对3个generator分别调用next()当然每个都会返回第一个值。
正确的写法是创建一个generator对象，然后不断对这一个generator对象调用next()：

>>> g = odd()
>>> next(g)
step 1
1
>>> next(g)
step 2
3

回到fib的例子，在循环过程中不断调用yield，就会不断中断。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来。把函数改成generator函数后，我们基本上从来不会用next()来获取下一个返回值，而是直接使用for循环来迭代。

>>> for n in fib(6):
...     print(n)
...
1
1
2
3
5
8

但是用for循环调用generator时，发现拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中：

>>> g = fib(6)
>>> while True:
...     try: # 没有捕获到错误就执行 try下面的语句
...         x = next(g)
...         print('g:', x)
...     except StopIteration as e: #捕获到StopIteration错误，执行下面的语句
...         print('Generator return value:', e.value)
...         break
...
g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
Generator return value: done

generator的工作原理：它是在for循环的过程中不断计算出下一个元素，并在适当的条件结束for循环。对于函数改成的generator来说，遇到return语句或者执行到函数体最后一行语句，就是结束generator的指令，for循环随之结束。

普通函数调用直接返回结果：

>>> r = abs(6)
>>> r
6

generator函数的调用实际返回一个generator对象：

>>> g = fib(6)
>>> g
<generator object fib at 0x1022ef948>

练习

打印杨辉三角。
在这里插入图片描述
函数实现：

def triangles():
    a = [1]
    b = [1, 1]
    while True:
        yield a # 生成器的标志性语句
        a = b
        b = [1] + [a[i] + a[i + 1] for i in range(len(b) - 1)] + [1] # 第一个和最后一个数确定是1，中间的数字用生成器

测试：

n = 0
results = []
for t in triangles():
    results.append(t)
    n = n + 1
    if n == 10:
        break

for t in results:
    print(t)

if results == [
    [1],
    [1, 1],
    [1, 2, 1],
    [1, 3, 3, 1],
    [1, 4, 6, 4, 1],
    [1, 5, 10, 10, 5, 1],
    [1, 6, 15, 20, 15, 6, 1],
    [1, 7, 21, 35, 35, 21, 7, 1],
    [1, 8, 28, 56, 70, 56, 28, 8, 1],
    [1, 9, 36, 84, 126, 126, 84, 36, 9, 1]
]:
    print('测试通过!')
else:
    print('测试失败!')

测试结果：

PS D:\MyCode\PythonCode\Test> & D:/Tool/Python/Python311/python.exe d:/MyCode/PythonCode/Test/hello.py
[1]
[1, 1]
[1, 2, 1]
[1, 3, 3, 1]
[1, 4, 6, 4, 1]
[1, 5, 10, 10, 5, 1]
[1, 6, 15, 20, 15, 6, 1]
[1, 7, 21, 35, 35, 21, 7, 1]
[1, 8, 28, 56, 70, 56, 28, 8, 1]
[1, 9, 36, 84, 126, 126, 84, 36, 9, 1]
测试通过!

迭代器

可以直接作用于for循环的数据类型有以下几种：

一类是集合数据类型，如list、tuple、dict、set、str等；
一类是generator，包括生成器和带yield的generator function（即带yield的函数改成的generator函数）。

这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。

可以使用isinstance()判断一个对象是否是Iterable对象。

>>> from collections.abc import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance('abc', Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100, Iterable)
False

可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。

注意区分可迭代对象：Iterable和迭代器：Iterator。

可以使用isinstance()判断一个对象是否是Iterator对象。

>>> from collections.abc import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False

生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。把list、dict、str等Iterable变成Iterator可以使用iter()函数。

>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True

为什么list、dict、str等数据类型不是Iterator？

这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。
Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。

总结

凡是可作用于for循环的对象都是Iterable类型；
凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；
集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。

Python的for循环本质上就是通过不断调用next()函数实现的，例如：

for x in [1, 2, 3, 4, 5]:
    pass

实际上完全等价于：

#首先获得Iterator对象:
it = iter([1, 2, 3, 4, 5])
#循环:
while True:
    try:
        # 获得下一个值:
        x = next(it)
    except StopIteration:
        # 遇到StopIteration就退出循环
        break