1. 查看包安装路劲
以tensorflow为例
import tensorflow as tf
tf.__path__
2. 文件开头UTF-8
-*- coding: <encoding name> -*- :
coding=<encoding name> :
coding:<encoding name> :
3 apple lambda 使用多个if
course_feature['col_type'].apply(lambda x: 0 if re.search('varchar|char',x) is None else 1)
4. re
(1)re.search
str1 = 'textdsf'
m = re.search("varchar|text", str1)
f = 1
if m is None:
f = 0
5. 通过值查看索引
(1) 列表
ls = ['a', 'c', 'd']
v ='a'
I = ls.index(v)
(2)字典
query_coder = {'12':'hello'}
query_id = list(query_coder.keys())[list(query_coder.values()).index("hello")]
6. 通过map遍历迭代器或者集合
line=[1,3,467,567,345]
embedding.append(list(map(lambda x: round(float(x), 6), line[1:])))
7. numpy.argsort
从中可以看出argsort函数返回的是数组值从小到大的索引值
x = np.array([3, 1, 2])
np.argsort(x)
array([1, 2, 0])
8. 根据key找value
>>> dicxx = {'a':'001', 'b':'002'}
>>> list(dicxx.keys())[list(dicxx.values()).index("001")]
'a'
9. 脚本中跨文件夹引用文件
import sys
sys.path.append('../input/esim-script/ESIM') # from esim.data import Preprocessor 需要将esim的上一级目录加入path中
from esim.data import Preprocessor
python 命令行带argparse参数
!python ../input/esim-script/ESIM/scripts/fetch_data.py --target_dir /kaggle/working/