Python成长之路（三）——词典、文本文件的输入输出、模块、函数的参数传递

最新推荐文章于 2022-02-10 22:10:57 发布
最新推荐文章于 2022-02-10 22:10:57 发布
阅读量1.5k 收藏 3
点赞数
分类专栏： Python 文章标签： python class 对象
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_31192383/article/details/53729331
版权
本文介绍了Python编程中的词典数据结构，包括创建、添加元素及常用方法；详细讲解了文本文件的输入输出操作，如文件模式、读写方法；探讨了模块的导入和使用，以及如何通过函数的参数传递实现灵活调用。同时，文章还涵盖了模块包的创建和函数参数的默认值、包裹传递等高级特性。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

词典

可以存储多个元素的对象成为容器，前面提到的list和tuple都属于容器类，这里介绍一个新的容器：词典。

  • 基本概念
    常见的创建词典的基本方法：

    dic={
    '键'：值,'键'：值,'键'：值...}

    词典包含两部分，键和值，其中键一般为字符串，也可以为数字或真值（不可变的对象可以作为键）。值可以是任意对象，键和值两者一一对应。
    这里写图片描述

    词典特殊的地方是，与表相比，他当中的元素是无序的，因此就不能通过下标来访问元素。词典是通过键来引用的。
    这里写图片描述

    构建一个新的空词典：

    dic = {}

    这里写图片描述

    在词典中添加一个新的元素的方法：
    这里写图片描述

  • 词典元素的循环调用
    这里写图片描述
    可以看到最后添加了一个”gcg”但是它却并不在最后一个，也就是在词典里是没有顺序的。

  • 词典的常用方法
    这里写图片描述

    删除其中的某一对：
    这里写图片描述
    （说明：del是P

最低0.47元/天 解锁文章
[Python人工智能] 四十九.PyTorch入门 (4)利用基础模块构建神经网络并实现分类预测
杨秀璋的专栏
02-05 342
从本专栏开始，作者正式研究Python深度学习、神经网络及人工智能相关知识。前文讲解PyTorch构建回归神经网络。这篇文章将介绍如何利用PyTorch构建神经网络实现分类预测，其是使用基础模块构建。前面我们的Python人工智能主要以TensorFlow和Keras为主，而现在最主流的深度学习框架是PyTorch。结合读者建议和个人爱好，接下来我们将分享PoTorch入门文章，希望对初学者有所帮助。
Python之路,Day1 - Python基础1
alex3714的专栏
05-18 2390
本节内容 Python介绍发展史Python 2 or 3?安装Hello World程序变量用户输入模块初识.pyc是个什么鬼？数据类型初识数据运算表达式if ...else语句表达式for 循环break and continue 表达式while 循环作业需求   一、 Python介绍 python的创始人为吉多·范罗苏姆（Guido van Rossum）。198
python 两个小技巧将字典写入txt或者json 文件
热门推荐
大橙子的博客
04-14 4万+
1、  不用json 包先来看一个Python 的奇淫技巧i=100s1=’str(i)’这样输出的不会是’100’，毫不疑问。但是s1=’ ‘+str(i)+’ ‘ 这样输出的结果=str(i)。于是看这一条语句：str1='{"lat":' + str(lat) + ',"lng":' + str(lng) + ',"count":' + str(temp) +'}'file.writelin...
python如何将字典格式写入文本
weixin_42023936的博客
02-18 1万+
目前暂时只看到写入Json格式的，json格式也可以使用，或者说反过来也可以直接提取dict import json dict_1={'val_loss':handle_loss,'val_acc':handle_acc,'val_precision':handle_precision,'val_recall':handle_recall,'val_fmeasure':handle_fmeasur...
Python 字典写入TXT文件
weixin_45740443的博客
01-16 4万+
Python字典数据写入TXT文件分析关于字典数据字典中get()、keys()、values()、items()方法的使用取出字典中的数据并写入txt中 关于字典数据 一个字典由key和value组成，可以通过key值、get()、keys()、values()、items()等方法查找字典中的数据。 字典中get()、keys()、values()、items()方法的使用 get()方法:...
实现向 python 脚本中传递列表，字典参数
lixingdefengzi的专栏
06-13 7662
script.py from optparse import OptionParser def main():     '''     参数：ip:list           user:string           password:string           playbook:playbook路径或模块名，string           result_file:st
python字典写入文件_将python字典写入文本文件python
weixin_39981093的博客
11-27 1409
im将文本文件存储到python字典中，对文本文件进行更改。我面临的问题是更新字典内容到文本文件。读取文本文件的代码：with open ('wvtc_data.txt','r')as x:for line in x:line = line.rstrip ('\n')items = line.split (':')key,value = items[0], items[1:]main_dic[ke...
python爬虫（一）——爬虫框架设计
一名数据分析师
02-10 2836
爬虫框架
Python命令行创建工具包——Click(2)
青阳的博客
10-31 1667
Click包（2） 文章目录Click包（2）提示用户输入[¶](https://click.palletsprojects.com/en/7.x/prompts/#user-input-prompts)选项提示输入提示确认提示文档脚本帮助文本记录参数防止包装截断帮助文本元变量命令快捷帮助帮助参数自定义复杂的应用程序基本概念上下文调用约定构建一个Git克隆根命令第一个子命令交错命令保障对象的创建高级模式命令别名参数修改令牌规范化调用其他命令回调评估顺序转发未知选项全球背景下的访问测试Click应用程序基本测
根据所给文档生成字典
a18852867035的博客
03-04 2141
在自然语言处理任务中，经常会对文本进行预处理。这种操作中有一部分十分重要，即建立词典。下面将给出一段讲解的python代码。 # 生成词汇表文件 def gen_vocabulary_file(input_file, output_file): vocabulary = {} with open(input_file) as f: counter = 0
python如何读写字典到文件
神芷迦蓝寺
09-18 5222
python一般保存文本文件只能保存str字符，那么我们如何来读写字典呢？两种方法： 一种是曲线救国，即把字典里的元素一个个的扣出来写到文件里 第二种通过json包来做，代码如下： import codecs import json # 获取当前时间并格式化来区分命名文件 date1 = time.strftime("%Y%m%d", time.localtime()) file1 =...
解决python输出字典，列表含中文乱码问题
baidu_32383657的博客
05-29 5017
解决python输出字典，列表含中文乱码问题 一、定义字典和列表并直接输出，结果输出结果中文是乱码展示 d={'name':'lily','age':18,'sex':'女','no':1121} e=['你好',1,'apple'] print d print e 输出结果： 二、解决办法： d={'name':'lily','age':18,'sex':'女','no':1121} e=['...
Python3 参数传递时用*，**
ejennahuang的博客
11-07 1548
1、定义函数时，用*：包裹位置传递 根据位置将传递进来的所有元素合并成一个元祖tuple def fun(*name): print(type(name)) print(name) fun(1, 4, 6) result: <class 'tuple'> (1, 4, 6) 2、定义函数时，用**：包裹关键字传递 根据关键字和value，将传递进来的所...
python制作词典软件_如何用python从文本文件制作词典
weixin_35669712的博客
01-29 502
你把你的行分成一个单词列表，但只给它一个键和值。这将起作用：with open('LIWC_words.txt', 'r') as document:answer = {}for line in document:line = line.split()if not line: # empty line?continueanswer[line[0]] = line[1:]注意，您不需要给.spli...
python中字典作为函数参数实例_python 元组和字典中元素作为函数调用参数传递...
weixin_39562234的博客
12-08 961
OpenCascade Chinese Text RenderingOpenCascade Chinese Text Rendering eryar@163.com Abstract. OpenCascade uses advanced text rendering ...HDU2222http://acm.hdu.edu.cn/showproblem.php?pid=2222 注意: 1. k...
Python进阶01 词典
weixin_34354945的博客
06-06 142
作者：Vamei 出处：http://www.cnblogs.com/vamei 欢迎转载，也请保留这段声明。谢谢！   基础教程介绍了基本概念，特别是对象和类。 进阶教程对基础教程的进一步拓展，说明Python的细节。希望在进阶教程之后，你对Python有一个更全面的认识。   之前我们说了，列表是Python里的一个类。一个特定的表，比如说nl = [1,3,8]，就是这个类的一个对...
``` class LSTMModel(nn.Module): def __init__(self, vocab_size, embedding_dim, hidden_dim): super(LSTMModel, self).__init__() self.embedding = nn.Embedding(vocab_size, embedding_dim) self.lstm = nn.LSTM(embedding_dim, hidden_dim, batch_first=True) self.fc = nn.Linear(hidden_dim, vocab_size) def forward(self, x): x = self.embedding(x) output, (hidden, cell) = self.lstm(x) x = self.fc(output) return x ```
最新发布
03-09
这段代码定义了一个基于LSTM（长短期记忆网络）的简单语言模型，它是一个PyTorch神经网络模型类。接下来我们逐行解析这个代码： ### 类定义与初始化方法 ```python class LSTMModel(nn.Module): def __init__(self, vocab_size, embedding_dim, hidden_dim): super(LSTMModel, self).__init__() ``` 这部分内容声明了一个名为 `LSTMModel` 的新类，并继承了 PyTorch 库中的基础模块 `nn.Module`。在构造函数 (`__init__`) 中需要传入三个参数： - **vocab_size**：词汇表大小，表示有多少个不同的单词可以被识别。 - **embedding_dim**：嵌入层维度，即将每个单词转换成向量时所使用的特征数量。 - **hidden_dim**：隐藏状态的维度，这是指LSTM单元内部的工作空间大小。 紧接着调用父类 `nn.Module` 的构造函数来进行一些必要的初始化工作。 #### 层定义 ```python self.embedding = nn.Embedding(vocab_size, embedding_dim) self.lstm = nn.LSTM(embedding_dim, hidden_dim, batch_first=True) self.fc = nn.Linear(hidden_dim, vocab_size) ``` 在这三行中分别实例化了三种不同类型的层对象作为属性保存下来： 1. **Embedding Layer**: 将离散形式的文字编号映射为连续数值域内的低维稠密向量表达式；其作用类似于将整数ID转化为实值分布表示法的过程。 2. **LSTM Layer**: 实现循环神经元结构的核心组件之一，具备优秀的长期依赖捕捉能力，在时间序列预测任务中有广泛应用；这里的配置选项`batch_first=True`意味着输入张量的第一个维度应当代表批量尺寸(batch size)，即形状应为 `(N, L, D)` 其中 N 是批次数目、L 是序列长度而D 则指的是输入通道数目。 3. **Fully Connected Layer (FC)** : 最后一层全连接线性变换用来输出最终结果; 这里从隐含状态的空间再次投影回原问题领域的可能性范围之内 —— 对应回到我们的词典规模级别上去。 ### Forward Pass 方法实现 ```python def forward(self, x): x = self.embedding(x) output, (hidden, cell) = self.lstm(x) x = self.fc(output) return x ``` 此部分描述了前向传播过程的具体步骤: - 输入变量x通常是一组经过预处理后的文本数据序列表达式的张量格式，默认情况下它们会被视为一串正整数索引构成的一系列符号编码而非具体的分布式表示。 - 首先会穿过`embedding layer`, 把这批稀疏化的类别型标签变换成高密度的真实值矩阵表达样式; - 接着送入LSTM进行迭代更新运算得到每时刻的状态转移方程解以及对应的上下文记忆细胞值; - 紧随其后的是运用全连接层完成对所有历史信息累积总结的任务目标，从而生成适用于下游应用需求的答案候选概率分布情况. - 输出的结果可以直接传递给损失函数进一步计算误差梯度并指导反向调整权重参数直至收敛稳定为止. 综上所述，这是一个标准RNN/LSTM架构下较为常见的设计思路，特别适合于自然语言理解相关领域内涉及句子级别的语义分析或分类任务等场景之中。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值