看不懂的代码块积累_Python

001.训练样本中的enumerate

for i, (features, label) in enumerate(data_loader, 1):
		print(i)
		print(features)
		print(label)
# enumerate将可迭代对象打包，并返回可迭代元素的索引号。关键字的基本用法示例：
L = 'abcd'
for index, value in enumerate(L):
	print(index, value)

• 解释：
• 1） in enumerate(data_loader, 1)，是指迭代的索引 i 从1开始赋值， in enumerate(data_loader)的索引是从默认的0开始；
• 2）for i, (features, label) 是因为pytorch中的DataLoader返回的是一个tuple，需要用(features, label)两个变量分别接收，获得两个tensor； 如果用for i, train in … ，则train 接收的是一个包含两个tensor的tuple数据

002. pycharm中导出numpy矩阵

pd.DataFrame(np_index_matrix).to_csv("saved_index_matrix.csv")

• 解释：
• 1）原理上比较容易理解，numpy变量转成pandas的DataFrame格式，并导出成csv。
• 2）pycharm 不像spyder那样可以直接复制出矩阵变量，这句话可以解决pycharm中复制变量的痛点！（以前像憨憨一样粘贴到excel中，利用粘贴分隔符解决，操作太麻烦）

003. 列表推导式 + 条件赋值 [ if else for in]

#生成一个由每个iris样本对应种类名组成的列表list 。class_name = ['setosa', 'setosa', 'setosa', 'setosa', ...]
class_name=[iris.target_names[0] if i==0.0 else iris.target_names[1] if i==1.0 else iris.target_names[2] for i in pd_iris['class']]
#第一步简化：
class_name=['A'  if i==0 else  'B' if i==1.0 else 'C' for i in  iris_target  ]
#提供一个辅助理解的简例
L = [1,2,3,4,5,6,7]
col_list = [i*i   if i %2==0  else i   for i in L]

• 解释：
• 1） 这句话可以理解为创建一个分段函数，包含列表推导式与条件表达式两部分
• 2）列表推导式实现函数的映射关系， [i* i for i in L] ,建立一个列表L中元素L_i 到函数 L_i^2 的映射，实现函数的功能
• 3）条件表达式实现函数分段功能，如c= b if a > b else a就是一个列表表达式。 例子中看不懂的这句话，本质是一个更复杂的嵌套条件表达式，首先删掉无用的iris信息，简化为'A' if i ==0 else 'B' if i==1.0 else 'C'，更容易看出来就是一个分段映射关系。i =0时， y= 'A'; i= 1时，y='B'; i=2时， y= 'C' 。
• 4）两者组合，实现了一个分段函数的映射关系。

• 参考：https://blog.youkuaiyun.com/m0_46262756/article/details/105506254?depth_1-

004 pandas 保存excel文件

• 待整理

https://blog.youkuaiyun.com/weixin_35757704/article/details/88180581

005 python 筛选数据【待整理】

plt.figure(figsize=(12, 8))
plt.scatter(X_vis[y == 0,0], X_vis[y == 0, 1], label="Class #0", alpha=0.5,  linewidth=0.15)
plt.scatter(X_vis[y == 1, 0], X_vis[y == 1, 1], label="Class #1", alpha=0.5,  linewidth=0.15)
plt.title('Original set')

解释：

1. X, y 是两个numpy中的array数据，其中y是标签。常用 X[y==0]来筛选标签为0的数据，而 X[y==0, 0] 获得筛选标签为零的第0列数据，X[y==0, 1] 获得筛选标签为零的第一列数据。