Python是世界上最流行的编程语言(TIOBE Index for April 2022),它易于上手且多才多艺,除了用于神经网络的构建外, 还能用来创建Web应用、桌面应用、游戏和运维脚本等多种多样的程序。
Python语言语法简洁,易于上手, 但当你深入研究时, 会发现Python有很多高级用法,这些高级用法可以大幅度提高代码的可读性和运行效率。
此外, Python包含了海量的高质量第三方库, 许多重要的库已经成为Python开发不可或缺的内容。
《高阶Python:代码精进之路》一书可以帮你掌握Python语言的高级特性,以及Python科学计算基石——numpy的使用方法(numpy的API设计非常优秀,深度学习框架TensorFlow、PyTorch都使用了numpy相似的API,并且可以和numpy混用)。
下面介绍几个Python的高级用法。
01
索引和切片
Python列表的索引和切片是非常强大的功能, 它们可以让你在Python中获取列表中的任意元素。除了支持常见的正索引外, Python还支持负索引和切片。
正索引
a_list = [100, 200, 300, 400, 500, 600]
print(a_list[0]) # 输出 100.
print(a_list[1]) # 输出 200.
print(a_list[2]) # 输出 300.
负索引
a_list = [100, 200, 300, 400, 500, 600]
print(a_list[-1]) # 输出 600.
print(a_list[-3]) # 输出 400.
切片
以下是列表切片的一些示例:
a_list = [1, 2, 5, 10, 20, 30]
b_list = a_list[1:3] # 生成 [2, 5]
c_list = a_list[4:] # 生成 [20, 30]
d_list = a_list[-4:-1] # 生成 [5, 10, 20]
e_list = a_list[-1:] # 生成 [30]
02
字符串对齐
字符串格式化在命令行工具开发中非常重要, str类包含基础的,用于文本对齐的方法:左对齐,右对齐或居中对齐。
str.ljust(width [, fillchar]) # 左对齐
str.rjust(width [, fillchar]) # 右对齐
str.center(width [, fillchar]) # 中间对齐
digit_str.zfill(width) # 用“0”填充
下面是一些例子:
new_str = 'Help!'.center(10, '#')
print(new_str)
该例的输出为:
##Help!###
new_str = '750'.rjust(6, '0')
print(new_str)
此例的输出为:
000750
上例只是一个简单的字符串格式化样例,《高阶Python:代码精进之路》一书中还介绍了许多更复杂的格式化方法。
03
列表推导式&字典推导式
Python 2.0版本引入的最重要的功能之一就是列表推导式。它提供了一种从列表中生成一系列值的紧凑语法。它也可以应用于字典,集合(set)和其他类型的集合。
假设你要创建一个包含a_list中每个元素的平方的新列表,一种可能的实现方式如下:
b_list = [ ]
for i in a_list:
b_list.append(i * i)
如果a_list包含元素[1,2,3],则这些语句的结果是创建一个包含[1,4,9]的新列表,并将此列表分配给变量b_list。在这种情况下,相应的列表推导式如下所示:
b_list = [i * i for i in a_list]
假设想讲一个元组列表转换为字典,元组列表如下:
vals_list = [ ('pi', 3.14), ('phi', 1.618) ]
字典可以用下面的代码生成:
my_dict = { i[0]: i[1] for i in vals_list }
注意在键值表达式(i[0]:i[1])中冒号(:)的使用。
04
可变长参数列表
Python最通用的功能之一就是能够访问可变长度参数的列表。借助此功能,你的函数可以处理任意数量的参数,就像内置的print函数一样。可变长参数的特性也可以扩展到命名参数。
def func_name([ordinary_args,] *args):
statements
这里的中括号表示*args前面可以有任意数量的普通参数,在此表示为ordinary_args。此类参数是可选的。下面是示例代码:
def my_var_func(*args):
print('The number of args is', len(args))
for item in args:
print(items)
此函数my_var_func可接受任意长度的参数列表。
>>> my_var_func(10, 20, 30, 40)
The number of args is 4
10
20
30
40
可变长参数列表还支持关键字参数,如下所示:
def pr_named_vals(**kwargs):
for k in kwargs:
print(k, ':', kwargs[k])
上面的函数遍历了kwargs表示的字典参数,打印出传入参数的键(对应于参数名称)和对应的值。 For example:
>>> pr_named_vals(a=10, b=20, c=30)
a : 10
b : 20
c : 30
args 和 kwargs可以组合使用,下面是一个例子。 def pr_vals_2(*args, **kwargs):
for i in args:
print(i)
for k in kwargs:
print(k, ':', kwargs[k])
pr_vals_2(1, 2, 3, -4, a=100, b=200)
运行时,此程序将打印以下内容:
1
2
3
-4
a : 100
b : 200
05
使用numpy进行线性代数运算
线性代数运算在深度学习中非常重要,numpy库为Python提供了高效的线性代数运算模块。
numpy的线性代数模块非常完备,以计算点积为例进行介绍。
使用numpy时,可以使用点积函数dot计算点积。
numpy.dot(A, B, out=None)
A和B是要进行点积运算的两个数组;out参数(如果已指定)是用于存储结果的正确形状的数组,“正确形状”取决于A和B的形状。
两个一维数组的点积很简单。数组的长度必须相同。点积计算是将A中的每个元素与其B中的对应元素相乘,然后对这些乘积求和,得出一个标量值。
D. P. = A[0]*B[0] + A[1]*B[1] + ... + A[N-1] * B[N-1]
例子:
import numpy as np
A = np.ones(5)
B = np.arange(5)
print(A, B)
[1. 1. 1. 1. 1.] [0 1 2 3 4]
np.dot(A, A)
5.0
np.dot(A, B)
10.0
np.dot(B, B)
30
二维矩阵之间的点积比较复杂。与数组之间的普通乘法一样,两个数组的形状必须兼容,但这只需要在其中一个维度上相等即可。
下面是描述点积应用到二维数组通用模式:
(A, B) * (B, C) => (A, C)
思考下面的2×3数组,再结合一个3×2数组,其点积是2×2数组。
A = np.arange(6).reshape(2,3)
B = np.arange(6).reshape(3,2)
C = np.dot(A, B)
print(A, B, sep='\n\n')
print('\nDot product:\n', C)
[[0 1 2]
[3 4 5]]
[[0 1]
[2 3]
[4 5]]
Dot product:
[[10 13]
[28 40]]