【python】《零基础入门学python》Learning notes

声明：课程学习总结，问题和答案参考自FISHC网，代码全部采用的是python3，编译器为jupyter notebook。
http://bbs.fishc.com/forum.php?mod=forumdisplay&fid=243&filter=typeid&typeid=398

---

1 输出星星

---

  my own answer

tmp = int(input("please enter an int:"))
while tmp:
    for i in range(0,tmp-1):
        print(" ",end = '')
    for j in range(0,tmp):
        print ("*",end='')
    print('\n')
    tmp-=1

2 Python3可以给变量命名中文名，知道为什么吗？

  Python3源码文件默认使用utf-8编码（支持中文），这就使得下面的代码是合法的

女朋友 = '莫莫'
print (女朋友)

  结果为
  莫莫

3 成员资格运算符(in)

  成员资格运算符，in，用于检查一个值是否在序列中，在返回True，不在返回False

love = "我爱莫莫"
print ("莫莫" in love)
print ("琳琳" in love)

  结果为

True
False

4 比较大小

  输出x，y中较大（或者较小）值
  法一

x = 1
y = 2
(x>y and [x] or [y])[0] # 输出x和y较大的那个，这种实现方法是pyhon没有出现三目运算符之前

  结果是2

---

  法二：

x = 1
y = 2
x if x>y else y #三目运算符操作，输出较大值

  那么三个数比较大小呢？试试用三目运算符写写

x,y,z = 1,2,3
small = x if (x<y and y<z) else (y if y<z else z) #输出最小
big = x if (x>y and y>z) else (y if y>z else z) #输出最大

5 if-else 与 if-elif-else比较

多判断条件下，if-elif-else效率会比if-else高一些
if-else

mark = int(input("please enter an mark:"))
if 90<=mark<100:
    print ("A")
if 80<=mark<90:
    print ("B")
if 60<=mark<80:
    print ("C")
if 0<=mark<60:
    print ("D")

if-elif-else

mark = int(input("please enter an mark:"))
if 90<=mark<100:
    print ("A")
elif 80<=mark<90:
    print ("B")
elif 60<=mark<80:
    print ("C")
elif 0<=mark<60:
    print ("D")
else:
    print("wrong input")

上面是，即使满足情况，也会执行下面的if
下面是，满足情况后，就不会执行后面的了，所以效率会高一些

6 最小公约数（欧几里德算法——递归）

def gcd(a,b):
    if(b==0):
        return a
    else:
        return gcd(b,a%b)

7 bin

def bin1(a):
    tmp = []
    while a:
        x = a%2
        a = a//2
        tmp.append(x)
    l = len(tmp)
    print("'0b",end='')
    for i in range(0,l):
        print(tmp[l-i-1],end='')
    print("'")

8 汉诺塔

# x,y，z三根柱子，目标为，把X的汉诺塔移动到Z上，y过度
def han(n,x,y,z):
    if n==1:
        print(x,z)
    else:
        han(n-1,x,z,y)# 将n-1个从X移动到y上
        print(x,z)# 最后一个从X移动到Z上
        han(n-1,y,x,z)#n-1个从y移动到Z上
han(3,'x','y','z')

9 用filter和lambda输出100以内被3整除的数

list(filter(lambda x:x if x%3==0 else None,range(100)))

10 递归

10.1 递归阶乘

def nnn(n):
    if n==1:
        return 1
    else:
        return n*nnn(n-1)

10.2 递归拍照

（自拍模式，正面对着镜子）

10.3 递归幂运算

def power(x,y):
    if y==0:
        return 1
    if y==1:
        return x
    else:
        return x*power(x,y-1)

作者

01.def power(x, y):

02.    if y:

03.        return x * power(x, y-1)

04.    else:

05.        return 1

06.    

07.print(power(2, 3))

10.4 整数分解并放在列表中（递归）

yyy = []
def xxx(n):
    if n>0:
        yyy.insert(0,n%10)
        xxx(n//10)
xxx(34567890)
yyy

output

[3, 4, 5, 6, 7, 8, 9, 0]

10.5 思考一下，按照递归的特性，在编程中有没有不得不使用递归的情况？

答：例如汉诺塔，目录索引（因为你永远不知道这个目录里边是否还有目录），快速排序（二十世纪十大算法之一），树结构的定义等如果使用递归，会事半功倍，否则会导致程序无法实现或相当难以理解。

10.6 maximum recursion depth

无限递归¹

def recurse():
    recurse()
recurse()

output

RecursionError: maximum recursion depth exceeded

你可以认为系统设置了一个最大递归次数，如果超过这个次数还没解决问题，则抛出异常

11 排序BIF

sorted（list）
list.sort()

19 二维数组转置

方法一 T

import numpy as np
a = np.array([[1,2],[3,4],[5,6]])
a.T

output

array([[1, 3, 5],
       [2, 4, 6]])

法二：zip *

import numpy as np
a = [[1,2],[3,4],[5,6]] # list
t = zip(* a)
print(list(t))

20 插值排序

²

def insertion_sort(list_):
    for index in range(1, len(list_)):
        value = list_[index]
        position = index
        
        # YOUR CODE HERE
        for j in range(index,-1,-1):
            # j为当前位置，试探j-1位置
            if value < list_[j-1]:
                list_[j] = list_[j-1]
            else:
                # 位置确定为j
                break
        list_[j] = value

21 zip(*变量）

unzip，前提是这个zip变量没有被迭代和list（）过³

a = [1,2,3]
b = [4,5,6]
c = zip(a,b)
e,f = zip(*c)
e,f

output

((1, 2, 3), (4, 5, 6))

22 tensorflow: 查看 tensor详细数值⁴

import tensorflow as tf
x = tf.constant(1)
with tf.Session() as sess:
    print sess.run(x)

output

1

或者

import tensorflow as tf
x = tf.constant(1)
sess = tf.InteractiveSession()
print x.eval()

output

1

23 模拟RPN选roi过程（多bath_size）

20W+ 根据 RPN分数排序，选6000
我们仿真，5个anchors，选3个roi出来，batch_size = 2 的情况

import tensorflow as tf
scores = [[1,2,3,4,5],[5,4,3,2,1]]
idx = [[2,3,4],[0,1,2]]
inputs = [scores,idx]
graph_fn = lambda x, y: tf.gather(x, y)

outputs = []
for i in range(2):
    inputs_slice = [x[i] for x in inputs]
    print(inputs_slice)
    output_slice = graph_fn(*inputs_slice)
    with tf.Session() as sess:
        print (sess.run(output_slice))
    if not isinstance(output_slice, (tuple, list)):
        output_slice = [output_slice]
    outputs.append(output_slice)
outputs = list(zip(*outputs))
with tf.Session() as sess:
    print (sess.run(outputs))

output

[[1, 2, 3, 4, 5], [2, 3, 4]]
[3 4 5]
[[5, 4, 3, 2, 1], [0, 1, 2]]
[5 4 3]
[(array([3, 4, 5], dtype=int32), array([5, 4, 3], dtype=int32))]

names = None
if names is None:
    names = [None] * len(outputs)

result = [tf.stack(o, axis=0, name=n)
          for o, n in zip(outputs, names)]
if len(result) == 1:
    result = result[0]
with tf.Session() as sess:
    print (sess.run(result))

output

[[3 4 5]
 [5 4 3]]

24 *args和**kwargs

*args和**kwargs总结

Python中*args 和**kwargs的用法

学习任何语言时都会遇到很多里程碑。对于 Python 来说，理解神秘的**kwargs 语法可能算是其中之一⁵。

词典对象前面的双星号可以让你把该词典的内容作为命名参数输入到函数中。

词典的秘钥是参数名，值是传递给函数的值。你甚至不需要称它为 kwargs！

dictionary = {"a": 1, "b": 2}
def someFunction(a, b):
    print(a + b)
    return
# these do the same thing:
someFunction(**dictionary)
someFunction(a=1, b=2)

output

3
3

当你想编写能够处理事先未定义的命名参数的函数时，这个很有用。

25 Quick Sort

def quicksort(arr):
    if len(arr) <= 1:
        return arr
    pivot = arr[int(len(arr) / 2)]
    left = [x for x in arr if x < pivot]
    middle = [x for x in arr if x == pivot]
    right = [x for x in arr if x > pivot]
    return quicksort(left) + middle + quicksort(right)

quicksort([3,6,8,10,1,2,1])
# Prints "[1, 1, 2, 3, 6, 8, 10]"

output

26 Emoji

http://www.unicode.org/emoji/charts/full-emoji-list.html

先pip install emoji

from emoji import emojize
print(emojize(":thumbs_up:")) # 复制上图最后一栏的名字，加个下划线
print(emojize(":thumbs_down:"))
print(emojize(":sparkling_heart:"))

output

?
?
?

27 fuzzywuzzy（字符串匹配）

https://github.com/seatgeek/fuzzywuzzy
资源 | 让你事半功倍的小众Python库

安装

pip install fuzzywuzzy
pip install python-Levenshtein

测试下

from fuzzywuzzy import fuzz
from fuzzywuzzy import process
# Simple Ratio
fuzz.ratio("this is a test", "this is a test!")

output

97

28 python用time函数计算程序运行时间

来自 python用time函数计算程序运行时间

import time
start = time.clock()

#当中是你的程序
elapsed = (time.clock() - start)
print("Time used:",elapsed)

output

29

out

未完待续……

---

1. Python进阶系列连载（1）——那些容易被忽略的问题（上） ↩︎

2. 排序法学习之插入排序(python3实现) ↩︎

3. python 的zip函数 ↩︎

4. tensorflow: 查看 tensor详细数值 ↩︎

5. 这些Python代码技巧，你肯定还不知道 ↩︎