CONTENT
1. 小Tips
三元运算符
类似C语言的条件运算符？：
语法：
c = a if a>b else b //如果a>b返回a，否则返回b
>>> a = np.array([[1, 2], [3, 4]])
>>> np.mean(a) # 将上面二维矩阵的每个元素相加除以元素个数（求平均数）
2.5
>>> np.mean(a, axis=0) # axis=0，计算每一列的均值
array([ 2., 3.])
>>> np.mean(a, axis=1) # 计算每一行的均值
array([ 1.5, 3.5])
@## range() 与 np.arange()
-
range()返回的是range object，而np.arange()返回的是numpy.ndarray（type(np.arange(10)) == np.ndarray）
- 两者都是均匀地（evenly）等分区间；
- range尽可用于迭代，而np.arange作用远不止于此，它是一个序列，可被当做向量使用。
-
range()不支持步长为小数，np.arange()支持步长为小数
-
两者都可用于迭代
-
两者都有三个参数，以第一个参数为起点，第三个参数为步长，截止到第二个参数之前的不包括第二个参数的数据序列
某种意义上，和STL中由迭代器组成的区间是一样的，即左闭右开的区间。[first, last)或者不加严谨地写作[first:step:last)
>>>range(1,5)
range(1,5)
>>>tuple(range(1, 5))
(1, 2, 3, 4)
>>>list(range(1, 5))
[1, 2, 3, 4]
>>>r = range(1, 5)
>>>type(r)
<class 'range'>
>>>for i in range(1, 5):
... print(i)
1
2
3
4
>>> np.arange(1, 5)
array([1, 2, 3, 4])
>>>range(1, 5, .1)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: 'float' object cannot be interpreted as an integer
>>>np.arange(1, 5, .5)
array([ 1. , 1.5, 2. , 2.5, 3. , 3.5, 4. , 4.5])
>>>range(1, 5, 2)
>>>for i in range(1, 5, 2):
... print(i)
1
3
>>for i in np.arange(1, 5):
... print(i)
1
2
3
4
求最大/小值及索引值
- 列表
list = [9, 12, 88, 14, 25]
max_list = max(list) # 返回最大值
max_index = list.index(max(list))# 最大值的索引
- numpy
-
min/max是python内置的函数
-
np.argmin/np.argmax是numpy库中的成员函数
（可适合处理numpy.ndarray对象，可选的参数是axis=0或者1）
import numpy as np
a = np.array([1, 2, 3, 4])
b = np.array((5, 6, 7, 8))
c = np.array([[11, 2, 8, 4], [4, 52, 6, 17], [2, 8, 9, 100]])
print(a)
print(b)
print(c)
print(np.argmin(c))
print(np.argmin(c, axis=0)) # 按每列求出最小值的索引
print(np.argmin(c, axis=1)) # 按每行求出最小值的索引
合并 list 为字符串
>>> seq = ('b','o','o','k')
>>> print('_'.join(seq))
>>> b_o_o_k # 输出结果
剪切板模块 pyperclip
pyperclip模块不是自带的需要安装
pyperclip.copy(text) 把text字符串中的字符复制到剪切板
text = pyperclip.paste() 把剪切板上的字符串复制到text
2. 数学
随机数
import random
print( random.randint(1,10) ) # 产生 1 到 10 的一个整数型随机数
print( random.random() ) # 产生 0 到 1 之间的随机浮点数
print( random.uniform(1.1,5.4) ) # 产生 1.1 到 5.4 之间的随机浮点数，区间可以不是整数
print( random.choice('tomorrow') ) # 从序列中随机选取一个元素
print( random.randrange(1,100,2) ) # 生成从1到100的间隔为2的随机整数
a=[1,3,5,6,7] # 将序列a中的元素顺序打乱
random.shuffle(a)
print(a)
3. 文件相关
按分隔文件路径名的字符串来分割
root.split(os.sep)
数据的保存和读取
- .mat 格式，Matlab 也可以使用
保存： scipy.io.savemat()
读取： scipy.io.loadmat()
import scipy.io as scio
data = scio.loadmat('ex3data1.mat')
X = data['X']
Y = data['y']
scio.savemat("weights.mat", {'weights': self.weights})
- .npy 格式，numpy
保存： numpy.save()
读取： numpy.load()
import numpy as np
a = np.mat('1,2,3;4,5,6')
np.save('a.npy',a)
data_a = np.load('a.npy')
检查文件夹是否存在，不存在则创建
if not os.path.exists(save_path):
os.makedirs(save_path)
遍历文件夹中所有最里面的子文件夹中的文件
目录中所有 不包含子文件夹 的 文件夹 中的文件
for root, sub_dir, files in os.walk(root_path):
# only want to read files
if sub_dir != []: # Go to the bottom of the directory without folder
continue
for file in files:
img = imread(os.path.join(root, file), as_gray=True)
遍历文件夹中的所有文件
pos_img_files = os.listdir(pos_img_path)
for file in pos_img_files:
img = imread(pos_img_path+file)
获取当前文件名
Python获取当前文件名可以通过__file__或者sys.argv[0]，下面以test.py文件为例.
# -*- coding: utf-8 -*-
# test.py
import sys
import os
# 绝对路径
print(__file__)
print(sys.argv[0])
# 文件名
print(os.path.basename(__file__))
print(os.path.basename(sys.argv[0]))
输出：
E:/Code/python3/EffectivePython/test.py
E:/Code/python3/EffectivePython/test.py
test.py
test.py
__file__和sys.argv[0]都是当前文件的绝对路径，可以通过os.path.basename获得文件名。
4. matplotlib 画图
x轴标签旋转
plt.xticks(rotation=45)
设置坐标刻度值的大小以及刻度值的字体
plt.tick_params(labelsize=15)
labels = ax.get_xticklabels() + ax.get_yticklabels()
[label.set_fontname('Times New Roman') for label in labels]
设置横纵坐标的名称以及对应字体格式
font = {'family': 'Times New Roman',
'weight': 'normal',
'size': 15,}
plt.xlabel('Value of C for LinearSVC', font)
设置输出的图片大小
figure, ax = plt.subplots(figsize=(12, 5))
5. sklearn
保存模型及参数
- pickle方法（python自带）
from sklearn import svm #引入支持向量机
from sklearn import datasets #引入数据集
clf = svm.SVC() #使用SVC进行分类
iris = datasets.load_iris()
X,y = iris.data, iris.target clf.fit(X,y) #第一种方法，用python自带的pickle库
import pickle with open('save/clf.pickle','wb') as f: #以写的形式设置一个文件：
clf.pickle pickle.dump(clf,f) #将clf这个训练好的模型 存储在变量f中，且保存
#导出模型并预测值：
import pickle iris = datasets.load_iris()
X,y = iris.data, iris.target
with open('save/clf.pickle','rb') as f:
#以读取的方式 读取模型存储的pickle文件，并放在变量f里
clf_load = pickle.load(f) #将模型存储在变量clf_load中
print(clf_load.predict(X[0:5])) #调用并预测0-5的结果
- joblib方法（sklearn自带）
from sklearn.externals import joblib
#保存
joblib.dump(best_lin_svm_clf, 'save/clf.pkl', compress=3) # 保存训练好的clf模型 compress读取速度
#读取
che_clf = joblib.load('save/clf.pkl') # 读取训练好的clf模型
k 折交叉验证
比如将数据集分为10折，做一次交叉验证，实际上它是计算了十次，将每一折都当做一次测试集，其余九折当做训练集，这样循环十次。通过传入的模型，训练十次，最后将十次结果求平均值。将每个数据集都算一次
交叉验证优点：
1：交叉验证用于评估模型的预测性能，尤其是训练好的模型在新数据上的表现，可以在一定程度上减小过拟合。
2：还可以从有限的数据中获取尽可能多的有效信息。
我们如何利用它来选择参数呢？
我们可以给它加上循环，通过循环不断的改变参数，再利用交叉验证来评估不同参数模型的能力。最终选择能力最优的模型。
下面通过一个简单的实例来说明：（iris鸢尾花）
from sklearn import datasets #自带数据集
from sklearn.model_selection import train_test_split,cross_val_score #划分数据 交叉验证
from sklearn.neighbors import KNeighborsClassifier #一个简单的模型，只有K一个参数，类似K-means
import matplotlib.pyplot as plt
iris = datasets.load_iris() #加载sklearn自带的数据集
X = iris.data #这是数据
y = iris.target #这是每个数据所对应的标签
train_X,test_X,train_y,test_y = train_test_split(X,y,test_size=1/3,random_state=3) #这里划分数据以1/3的来划分 训练集训练结果 测试集测试结果
k_range = range(1,31)
cv_scores = [] #用来放每个模型的结果值
for n in k_range:
knn = KNeighborsClassifier(n) #knn模型，这里一个超参数可以做预测，当多个超参数时需要使用另一种方法GridSearchCV
scores = cross_val_score(knn,train_X,train_y,cv=10,scoring='accuracy') #cv：选择每次测试折数 accuracy：评价指标是准确度,可以省略使用默认值，具体使用参考下面。
cv_scores.append(scores.mean())
plt.plot(k_range,cv_scores)
plt.xlabel('K')
plt.ylabel('Accuracy') #通过图像选择最好的参数
plt.show()
best_knn = KNeighborsClassifier(n_neighbors=3) # 选择最优的K=3传入模型
best_knn.fit(train_X,train_y) #训练模型
print(best_knn.score(test_X,test_y)) #看看评分
