python学习过程中的细小知识点

enumerate() 函数

描述：
enumerate() 函数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
语法：

enumerate(sequence, [start=0])

sequence：需要组合为索引序列的数据对象
start：起始索引序号
例子

name = ['a', 'b', 'c', 'd']
new_name = list(enumerate(name))
print(new_name)

打印结果：

[(0, 'a'), (1, 'b'), (2, 'c'), (3, 'd')]

在for循环中使用enumerate

names = ['a', 'b', 'c', 'd']
for i, name in enumerate(names, start=10):
    print(i, name)

输出

10 a
11 b
12 c
13 d

===============================================================

zip()函数

描述:
zip() 函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。
如果各个迭代器的元素个数不一致，则返回列表长度与最短的对象相同，利用 * 号操作符，可以将元组解压为列表
语法:

zip([iterable, ...])

例子:

a = 'abcde'
b = 'edcba'
c = list(zip(a, b))     #在 Python 3中zip() 返回的是一个对象。手动 list() 转换成列表。
print(c)
print('*'*50)
print(list(zip(*c)))

打印结果:

[('a', 'e'), ('b', 'd'), ('c', 'c'), ('d', 'b'), ('e', 'a')]
**************************************************
[('a', 'b', 'c', 'd', 'e'), ('e', 'd', 'c', 'b', 'a')]

===============================================================

join()函数

描述
join() 方法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。
语法

str.join(sequence)

例子

seqs = (1, 2, 3, 4)
print("/".join(str(seq) for seq in seqs))

打印输出：

1/2/3/4

===============================================================

OneHotEncoder()、LabelEncoder()和LabelBinarizer()

代码：

from sklearn.preprocessing import LabelBinarizer, LabelEncoder, OneHotEncoder
import numpy as np
x = [['a'], ['b'], ['c'], ['d'], ['e'], ['f']]
print('*'*20)
print(OneHotEncoder().fit_transform(x).toarray())
print('*'*20)
print(LabelEncoder().fit_transform(x))
print('*'*20)
print(LabelBinarizer().fit_transform(np.asarray(x)))

结果：

********************
[[1. 0. 0. 0. 0. 0.]
 [0. 1. 0. 0. 0. 0.]
 [0. 0. 1. 0. 0. 0.]
 [0. 0. 0. 1. 0. 0.]
 [0. 0. 0. 0. 1. 0.]
 [0. 0. 0. 0. 0. 1.]]
********************
[0 1 2 3 4 5]
********************
[[1 0 0 0 0 0]
 [0 1 0 0 0 0]
 [0 0 1 0 0 0]
 [0 0 0 1 0 0]
 [0 0 0 0 1 0]
 [0 0 0 0 0 1]]

===============================================================

argmax()和argmin()

找最大最小值的索引
argmax(x)：将ｘ平铺成一排，求最大值的索引
argmax(x, axis=0)：每一列的最大值的索引
argmax(x, axis=1)：每一行的最大值的索引

import numpy as np
x=[[1,2,34],
   [4,5,6]]
print(np.argmax(x, axis = 0))
print(np.argmax(x, axis = 1))

输出：

[1 1 0]
[2 2]

===============================================================

@staticmethod

静态方法，应用场景：
如果在方法中不需要访问任何实例方法和属性，纯粹地通过传入参数并返回数据的功能性方法，如：

class ShallowNet:
    @staticmethod
    def build(width, height, depth, classes):
        model = Sequential()
        inputShape = (height, width, depth)

        if K.image_data_format() == "channels_first":
            inputShape = (depth, height, width)

        model.add(Conv2D(32, (3, 3), padding='same', input_shape=inputShape))
        model.add(Activation('relu'))
        model.add(Flatten())
        model.add(Dense(classes))
        model.add(Activation('softmax'))

        return model

调用时直接：类.方法（）即可

model = ShallowNet.build(width=32, height=32, depth=3, classes=3)

===============================================================

numpy

np.dtype

import numpy as np
student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')]) 
a = np.array([('abc', 21, 50),('xyz', 18, 75)], dtype = student) 
print(a)

int8, int16, int32, int64 四种数据类型可以使用字符串 ‘i1’, ‘i2’,‘i4’,‘i8’ 代替
输出结果为:

[('abc', 21, 50.0), ('xyz', 18, 75.0)]

::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::

np.c_[]和np.r_[]

np.r_[] 是矩阵往下加，行（Raw）数增加，要求两个矩阵列数相同，如：

a:
 [[1. 1. 1.]
 [1. 1. 1.]]
b:
 [[1. 1. 1.]]
np.r_[a, b]:
 [[1. 1. 1.]
 [1. 1. 1.]
 [1. 1. 1.]]

np.c_[] 是矩阵往右加，列（Column）数增加，要求两个矩阵行数相同，如：

a:
[[1. 1. 1.]
[1. 1. 1.]]
b:
[1. 1.]
np.c_[a, b]:
[[1. 1. 1. 1.]
[1. 1. 1. 1.]]

注意：在python中[1 1 1]和[[1 1 1]]的不同，[1 1 1]是3行1列，[[1 1 1]]是1行3列
::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::

numpy创建数组

1. numpy.empty
   创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组：
   numpy.empty(shape, dtype= int, order = 'C')

2. numpy.zeros
   创建指定大小的数组，数组元素以 0 来填充：
   numpy.zeros(shape, dtype = float, order = 'C')

3. numpy.ones
   创建指定形状的数组，数组元素以 1 来填充：
   numpy.ones(shape, dtype = None, order = 'C')
   参数：
   shape：数组形状
   dtype：数据类型，可选
   order：‘C’ 用于 C 的行数组，或者 ‘F’ 用于 FORTRAN 的列数组

4. numpy.asarray
   将已有数组转换成numpy数组:
   numpy.asarray(a, dtype = None, order = None)
   参数：
   a：任意形式的输入参数，可以是，列表, 列表的元组, 元组, 元组的元组, 元组的列表，多维数组
   dtype：数据类型，可选
   order：可选，有"C"和"F"两个选项,分别代表，行优先和列优先，在计算机内存中的存储元素的顺序。

5. numpy.arange
   从数值范围内创建数组
   numpy.arange(start, stop, step, dtype)

6. numpy.linspace
   numpy.linspace 函数用于创建一个一维数组，数组是一个等差数列构成的
   np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
   参数：
   start：序列的起始值
   stop：序列的终止值，如果endpoint为true，该值包含于数列中
   num：要生成的等步长的样本数量，默认为50
   endpoint：该值为 ture 时，数列中中包含stop值，反之不包含，默认是True。
   retstep：如果为 True 时，生成的数组中会显示间距，反之不显示。
   dtype：ndarray 的数据类型

7. numpy.logspace
   numpy.logspace 函数用于创建一个于等比数列。
   np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)
   参数：
   base：对数 log 的底数。
   ::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::

np.floor 、np.ceil和np.around

np.floor返回不大于输入参数的最大整数（向下取整）
np.ceil返回大于输入参数的最小整数（向上取整）
np.around返回四舍五入的值
np.around(a, decimals=0, out=None)
参数：
a：输入数据
decimals：要舍入的小数位数。 默认值为0。正值代表小数点右侧，负值代表小数点左侧
::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::

np.expand_dims(a, axis)

扩展数据的维数:

import numpy as np
x = np.ones((2, 2))
print(x)
print('x\'s shape:', x.shape)
y = np.expand_dims(x, axis=0)
print(y)
print('y\'s shape:', y.shape)
z = np.expand_dims(x, axis=1)
print(z)
print('z\'s shape:', z.shape)
w = np.expand_dims(x, axis=2)
print(w)
print('w\'s shape:', w.shape)

输出结果

[[1. 1.]
 [1. 1.]]
x's shape: (2, 2)
[[[1. 1.]
  [1. 1.]]]
y's shape: (1, 2, 2)
[[[1. 1.]]

 [[1. 1.]]]
z's shape: (2, 1, 2)
[[[1.]
  [1.]]

 [[1.]
  [1.]]]
w's shape: (2, 2, 1)

::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::

np.unique()

去除列表中的重复数据，并从小到大排序：

import numpy as np

a = np.array([5, 55, 5, 4, 3,])
print(np.unique(a))

输出结果：

[ 3  4  5 55]

===============================================================

super()

python super() - 漩涡鸣人- 博客园