Python 笔记

 对数列list、数组array、元组tuple、矩阵、向量操作的中文总结常用用法

https://www.cnblogs.com/deepleo/p/python-list-tuple-dict.html 

1. list能改变元素，tuple不可以。

 

2. numpy array 和 python list 有什么区别？

标准Python的列表(list)中，元素本质是对象。如：L = [1, 2, 3]，需要3个指针和三个整数对象，对于数值运算比较浪费内存和CPU。因此，Numpy提供了ndarray(N-dimensional array object)对象：存储单一数据类型的多维数组。

 

array的基本操作

https://www.cnblogs.com/oftenlin/p/7856389.html 

注意，在用a = np.array([...])赋值的时候才用到圆括号，因为这是function的圆括号。当输出a的时候，没有圆括号，只有方括号。多少个嵌套的方括号对表示有多少个维度。

3. 如何循环处理一个矩阵（数组） （n dimension array）

假如一个三维矩阵的type和shape如下，即将二维数据打包，每一个二维数组为一组单独再打包，有127组。
<class 'numpy.ndarray'>, (127, 1, 2)

则可用以下循环对127组二维数据进行画图处理

也就是说，假如我们数据是三维的s [i][j][k]，再for循环中将取i来进行循环，在每一个循环中处理s[j][k]

 

4. dataframe 和 series的介绍：https://www.cnblogs.com/sirkevin/p/5741853.html

    关于如何提取dataframe中的操作：https://blog.youkuaiyun.com/wanglingli95/article/details/78887771

 

5. np.dot（）和 np.multiply（）/星号（*）三种乘法运算的区别

https://blog.youkuaiyun.com/u012609509/article/details/70230204

https://blog.youkuaiyun.com/like4501/article/details/79753346 

简而言之，矩阵乘法（也就是dot）之后得到矩阵

星乘表示矩阵内各对应位置相乘，矩阵a*b下标(0,0)=矩阵a下标(0,0) x 矩阵b下标(0,0) ( np.multiply 与*相同)

 

6. 如何用多维数组A作为索引提取另一多维数组B的元素

https://blog.youkuaiyun.com/linyijiong/article/details/86497248

 

7. 获取一个列向量 （特别注意对于一位数组的情况）

8. 利用向量与矩阵相乘 （）

 

 

但向量与向量无法相乘

 

9. counter 计数

http://www.pythoner.com/205.html 

a = counter()

b = counter.most_commom()

a 是一个counter类的对象，形式非常像字典。可以用作for循环。如下面所示

for循环遍历counter中的key，赋值给word。a[word]返回的是该word的储存数量，而非该word。

b=counter.most_commom() 返回一个列表list，列表中有多个数组tuple

 

10. set和list的区别

set中的元素不会也不能重复，但list可以。因此可以用set作为类别的组合

https://docs.python.org/3/tutorial/datastructures.html#sets 

11. enumerate，给可循环对象中的每个元素都附加索引

http://www.runoob.com/python/python-func-enumerate.html 

比如，当需要对一个列表的每个不同元素都赋予独特的数字标签，可以先将list转为set，然后创建一个空字典，通过循环把不同元素和对应的数字标签放到字典里，以方便对应提取元素的数字编号。

 

 

12. 通过参数形式在一个函数中调用其他函数 （在该函数的参数列表中不用写入被调用函数的参数，但在函数实现部分要写入）

 

13. zip 压缩 解压缩 

http://www.runoob.com/python/python-func-zip.html 

14. for循环的循环内容与for同一行 (计算discount)

 

将list转为array

可知这种单行for语句可以自动遍历list或array (可循环对象 iterable)，每循环一次索引+1，得到的值赋到对应的索引上。

https://zhidao.baidu.com/question/1836322078659552860.html

 

注意,一定要用[ ]将for循环的语句括起来,已得到一个列表list,否则会报错

以下才是正确的

 

15. for循环同时迭代多个对象

for中的每一次对象都为一个tuple的时候,可以a,b...来单独取出tuple对应的元素

for循环同时迭代多个对象

https://blog.youkuaiyun.com/dfq12345/article/details/78318795

 

16. 类的初始化 ,继承, 父类, 子类 (super)

The arguments are transfered to base class.

class subclass(baseclass():

super(subclassname, self).__init__(arg1, ....)

http://funhacks.net/explore-python/Class/super.html

17. 求四分位距

 

求数组a的中位数: np.median(a)

求数组a的四分位数: np.percentile(a, [25, 50, 75]， axis = 0)

 

#求list a,b,c,d 每一列的四分位数 np.percentile(np.array(a,b,c), [25, 50, 75]， axis = 0)

a,b,c,d的长度相同, 返回长度也相同的三组数据,分别是Q1,Q4,Q3

 

 

18. plt画图

颜色列表:

https://www.cnblogs.com/darkknightzh/p/6117528.html

 

用legend() 可以显示线的label：

https://blog.youkuaiyun.com/lixintong1992/article/details/52039215

箭头：

http://www.liujiangblog.com/course/data/265

https://matplotlib.org/users/annotations.html#plotting-guide-annotation

 

修改字体prop和位置loc: 

font1 = {'family' : 'Times New Roman',
'weight' : 'normal',
'size'   : 15,
}

plt.legend(prop=font1, loc = 4)

https://blog.youkuaiyun.com/zhangqilong120/article/details/72633115

 

19. np.newaxis

增加一个维度

https://blog.youkuaiyun.com/qq1483661204/article/details/73135766

 

20, np.cumsum

依次叠加数据 （维度不变）

 

21. python中’*’和’**’的使用分两个方面，一个是计算，另一个是参数传递过程中元素的打包和解包。 （方便操作，但不是必要）

https://blog.youkuaiyun.com/qq_29343201/article/details/51600340 

 

比如在DDPG中init参数，输入uniform的upper bound 和lower bound可以用得到（将tuple中的元素逐个输入）

22. 如果想把一个函数赋予到一个变量名中，赋予的时候函数后面的括号不用带上（假如暂时不用带入参数的话）。

gate = F.relu

即可

23. matplot 条形图 在横轴或纵轴标注 百分比

https://blog.youkuaiyun.com/u014712482/article/details/80571938 

本人实现代码

import matplotlib.pyplot as plt
from matplotlib.ticker import FuncFormatter

figsize = 15,9
figure, ax = plt.subplots(figsize=figsize)
plt.rcParams['font.family'] = ['Times New Roman']
plt.rcParams.update({'font.size': 25})
error_config = {'ecolor': '0.1','capsize':26}

std_men = (.2, .3, .4, .1, .2)
index = [0, 1,2,3,4]
values = [5,4,8.5,10,10]
plt.xticks(index,['without AC','0','10','30','50'])
plt.bar(index, values,width=0.7, color=['b','r','g','g','g'],error_kw=error_config,yerr=std_men)

def to_percent(temp, position):
    return '%1.0f'%(10*temp) + '%'

plt.gca().yaxis.set_major_formatter(FuncFormatter(to_percent))

plt.xlabel("Episodes of demonstration with anomalies happened")
plt.ylabel("Task success rate")
plt.title("Kitting Task")

plt.grid(True, linestyle='--', alpha=0.8)

plt.plot()