python语法收集

1.arange range 区别

>>> type(range(10))
<type 'list'>
>>> type(xrange(10))
<type 'xrange'>

可以看到，一个返回的list类型，一个返回的xrange类型(但我还没有明白xrange类型是什么，请大侠指教)在网上的查的一些资料:xrange性能好一些，对数据量大，表现明显，尽量用xrange

2.shape

>>> a*d
matrix([[ 3,  4,  5,  6,  7,  8],
        [ 6,  8, 10, 12, 14, 16],
        [ 9, 12, 15, 18, 21, 24],
        [12, 16, 20, 24, 28, 32]])
>>> shape(a*d)
(4, 6)

3.数组操作[:,2]、[2，：]

取数组的第二列（首列为0列），返回一个数组

>>> (a*d)[:,2]
matrix([[ 5],
        [10],
        [15],
        [20]])
>>> type(a*d)
<class 'numpy.matrixlib.defmatrix.matrix'>

同理：[2，：]则会返回第二行（首行为0行）

4.python 拷贝，深拷贝、浅拷贝

import copy
a = [1, 2, 3, 4, ['a', 'b']]  #原始对象

b = a  #赋值，传对象的引用
c = copy.copy(a)  #对象拷贝，浅拷贝
d = copy.deepcopy(a)  #对象拷贝，深拷贝

a.append(5)  #修改对象a
a[4].append('c')  #修改对象a中的['a', 'b']数组对象

print 'a = ', a
print 'b = ', b
print 'c = ', c
print 'd = ', d

D:\coding\python>python 7_t.py
a =  [1, 2, 3, 4, ['a', 'b', 'c'], 5]
b =  [1, 2, 3, 4, ['a', 'b', 'c'], 5]
c =  [1, 2, 3, 4, ['a', 'b', 'c']]
d =  [1, 2, 3, 4, ['a', 'b']]

5.python科学技术－矩阵的运算

multiply(a,b) = [a1*b1,a2*b2,a3*b3.....]

>>> a.T
matrix([[1, 2, 3, 4]])
>>> b.T
matrix([[2, 3, 4, 5]])
>>> multiply(a.T,b.T)
matrix([[ 2,  6, 12, 20]])

import numpy as np
arr = np.arange(10)#创建拥有10个元素的数组
larr = arr.tolist()#转换list
arr = np.zeros((1,3,3))#创建n维数组
mat = np.matrix(arr)#将数组转换为矩阵,矩阵为3*3
alist = [1, 2, 3]
np.array(alist)#使用List创建数组
#创建
arr = np.arange(100)
arr = np.arange(10,100)#创建包含10~99数组
arr = np.linspace(1, 2, 100)#创建包含100个取值范围在1~2之间的数组
arr = np.logspace(0, 1, 100, base=10)#返回包含100个取值范围在10+[0~1]之间的数组
cube = np.zeros((5,5,5)).astype(int) + 1 #使用astype设置数据类型
cube = np.ones((5, 5, 5)).astype(np.float32)#创建3维数组，元素为1
#通过指定数据类型创建n维数组数组
arr = np.zeros(2, dtype=int)
arr = np.zeros(2, dtype=np.float32)
arr1d = np.arange(1000)#一维数组
arr3d = arr1d.reshape((10,10,10))#转换为3维数组
arr3d = np.reshape(arr1d, (10, 10, 10))

arr4d = np.zeros((10, 10, 10, 10))
arr1d = arr4d.ravel()#将4维数组转换为1维数组

recarr = np.zeros((2,), dtype=('i4,f4,a10'))#指定n维数组中每列的数据类型,2*3
col1 = np.arange(2) + 1
col2 = np.arange(2, dtype=np.float32)
col3 = ['Hello', 'World']
recarr[:]=zip(col1,col2,col3)#按列方式组装
#为每列命名
recarr.dtype.names = ('Integers' , 'Floats', 'Strings')

arr[0,1]#访问单个元?
arr[:,1]#访问第2列  
arr[1,:]#访问第2行	

arr = np.arange(7)  
index = np.where(arr > 2)#查找>2的索引  
new_arr = np.delete(arr, index)#删除index对应的元素  

更多请参考：http://phddreamer.blog.163.com/blog/static/18993409620135271852137/

6.range

>>> range(1,5) #代表从1到5(不包含5)
[1, 2, 3, 4]
>>> range(1,5,2) #代表从1到5，间隔2(不包含5)
[1, 3]
>>> range(5) #代表从0到5(不包含5)
[0, 1, 2, 3, 4]

7.random

Python中的random模块用于生成随机数。下面介绍一下random模块中最常用的几个函数。

random.random
random.random()用于生成一个0到1的随机符点数: 0 <= n < 1.0


random.uniform
　　random.uniform的函数原型为：random.uniform(a, b)，用于生成一个指定范围内的随机符点数，两个参数其中一个是上限，一个是下限。如果a > b，则生成的随机数n: a <= n <= b。如果 a <b， 则 b <= n <= a。

>>> random.uniform(10,20)
12.74479703401203
>>> random.uniform(30,20)
23.25193439153898

random.randint
　　random.randint()的函数原型为：random.randint(a, b)，用于生成一个指定范围内的整数。其中参数a是下限，参数b是上限，生成的随机数n: a <= n <= b

>>> random.randint(20,10)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "mtrand.pyx", line 885, in mtrand.RandomState.randint (numpy\random\mtran
d\mtrand.c:6981)
ValueError: low >= high
>>> random.randint(5,10)
8

random.randrange
　　random.randrange的函数原型为：random.randrange([start], stop[, step])，从指定范围内，按指定基数递增的集合中 获取一个随机数。如：random.randrange(10, 100, 2)，结果相当于从[10, 12, 14, 16, ... 96, 98]序列中获取一个随机数。random.randrange(10, 100, 2)在结果上与 random.choice(range(10, 100, 2) 等效。

random.choice
　　random.choice从序列中获取一个随机元素。其函数原型为：random.choice(sequence)。参数sequence表示一个有序类型。这里要说明 一下：sequence在python不是一种特定的类型，而是泛指一系列的类型。list, tuple, 字符串都属于sequence。有关sequence可以查看python手册数据模型这一章。下面是使用choice的一些例子：

>>> print random.choice(("Tuple", "List", "Dict"))
List
>>> print random.choice(["JGood", "is", "a", "handsome", "boy"])
is

random.shuffle
　　random.shuffle的函数原型为：random.shuffle(x[, random])，用于将一个列表中的元素打乱。如:

>>> p
['powerful', 'Python', 'and so on...', 'is', 'simple']
>>> random.shuffle(p)
>>> p
['Python', 'and so on...', 'is', 'simple', 'powerful']

8.tile、zeros函数

>>> a
matrix([[1],
        [2],
        [3],
        [4]])
>>> tile(a,2)  #在列方向上重复[0,0]1次，默认行1次
matrix([[1, 1],
        [2, 2],
        [3, 3],
        [4, 4]])
>>> tile(a,(2,3))	#在行方向上重复a 2次，列3次
matrix([[1, 1, 1],
        [2, 2, 2],
        [3, 3, 3],
        [4, 4, 4],
        [1, 1, 1],
        [2, 2, 2],
        [3, 3, 3],
        [4, 4, 4]])

>>> zeros((2,2,3))
array([[[ 0.,  0.,  0.],
        [ 0.,  0.,  0.]],

       [[ 0.,  0.,  0.],
        [ 0.,  0.,  0.]]])

9.python 调试方法

D:\coding\python>python -m pdb 8_t.py
> d:\coding\python\8_t.py(13)<module>()
-> '''
(Pdb)