广州市企业网站建设企业,东营网站建设推广公司,安踏网络营销推广案例,随州网站seo多少钱在本课中#xff0c;我将讨论Python中的imports#xff0c;提供一些使用不熟悉的库#xff08;以及它们返回的对象#xff09;的技巧#xff0c;并深入研究Python的内容#xff0c;以及谈谈运算符重载。
Imports
到目前为止#xff0c;我们已经讨论了内置于该语言的类…在本课中我将讨论Python中的imports提供一些使用不熟悉的库以及它们返回的对象的技巧并深入研究Python的内容以及谈谈运算符重载。
Imports
到目前为止我们已经讨论了内置于该语言的类型和函数。 但是关于Python的最好的事情之一特别的如果你是一名数据科学家是为它编写的大量高质量自定义库。 其中一些库位于“标准库”中这意味着您可以在运行Python的任何位置找到它们。 其他库可以轻松添加即使它们并不总是随Python一起提供。 无论哪种方式我们都会使用导入访问此代码。 我们将从标准库中导入math开始我们的示例。
【1】
import mathprint(Its math! It has type {}.format(type(math)))
Its math! It has type class module
math是一个模块模块只是其他人定义的变量集合。 我们可以使用内置函数dir查看数学中的所有名称。
【2】
print(dir(math))
[__doc__, __file__, __loader__, __name__, __package__, __spec__, acos, acosh, asin, asinh, atan, atan2, atanh, ceil, copysign, cos, cosh, degrees, e, erf, erfc, exp, expm1, fabs, factorial, floor, fmod, frexp, fsum, gamma, gcd, hypot, inf, isclose, isfinite, isinf, isnan, ldexp, lgamma, log, log10, log1p, log2, modf, nan, pi, pow, radians, sin, sinh, sqrt, tan, tanh, tau, trunc]
我们可以使用点语法访问这些变量。 其中一些是指简单的值比如math.pi
【3】
print(pi to 4 significant digits {:.4}.format(math.pi))
pi to 4 significant digits 3.142
但是我们在模块中找到最多的是函数像math.log:
[4]
math.log(32, 2)
5.0
当然如果我们不了解math.log做什么我们调用help()函数
【5】
help(math.log)
Help on built-in function log in module math:log(...)log(x[, base])Return the logarithm of x to the given base.If the base not specified, returns the natural logarithm (base e) of x.我们也可以在模块本身上调用help。 这将为我们提供模块中所有函数和值的组合文档以及模块的高级描述。
【6】
help(math)
Other import syntax
如果我们知道我们将经常使用math中的函数我们可以在较短的别名下导入它以节省一些输入尽管在这种情况下“math”已经相当短。
【7】
import math as mt
mt.pi
3.141592653589793
您可能已经看到了使用某些流行的库如PandasNumpyTensorflow或Matplotlib执行此操作的代码。 例如import numpy as np 和 import pandas as pd是一种常见的约定。
as相当于重命名导入模块等价于如下操作
[8]
import math
mt math
如果我们可以自己引用数学模块中的所有变量那不是很好吗 即如果我们可以只引用pi而不是math.pi或mt.pi 好消息我们可以做到这一点。
[9]
from math import *
print(pi, log(32, 2))
3.141592653589793 5.0
import *使您可以直接访问所有模块的变量。 坏消息一些纯粹主义者可能会抱怨你这样做。 [10]
from math import *
from numpy import *
print(pi, log(32, 2))
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
ipython-input-10-9b512bc684f5 in module()1 from math import *2 from numpy import *
---- 3 print(pi, log(32, 2))TypeError: return arrays must be of ArrayType
什么是什么 但它以前工作过 这些“star imports”偶尔会导致奇怪的难以调试的情况。 这种情况下的问题是math和numpy模块都有称为log的函数但它们具有不同的语义。 因为numpy导入在第二个覆盖了我们从math导入的变量。 一个很好的折衷方案是只从每个模块导入我们需要的特定内容
[11]
from math import log, pi
from numpy import asarray
Submodules
我们已经看到模块包含可以引用函数或值的变量。 需要注意的是它们也可以包含引用其他模块的变量。
[12]
import numpy
print(numpy.random is a, type(numpy.random))
print(it contains names such as...,dir(numpy.random)[-15:])
numpy.random is a class module
it contains names such as... [set_state, shuffle, standard_cauchy, standard_exponential, standard_gamma, standard_normal, standard_t, test, triangular, uniform, vonmises, wald, warnings, weibull, zipf]
如果我们导入numpy模块调用randon子模块中的函数需要两个点号。
【13】
# Roll 10 dice
rolls numpy.random.randint(low1, high6, size10)
rolls
array([2, 1, 5, 2, 4, 5, 4, 5, 5, 5])
Oh the places youll go, oh the objects youll see
所以在经过6课之后你对 整数浮点数布尔列表字符串和字典很熟悉了对吧。 即使这是真的也不会就此结束。 当您使用各种库进行专门任务时您会发现他们定义了您自己必须学习使用的类型。 例如如果您使用图形库matplotlib您将接触到它定义的对象这些对象代表子图数字TickMark和注释。 pandas函数将为您提供DataFrames和Series。 在本节中我想与您分享一个快速生存指南用于处理奇怪的类型。
Three tools for understanding strange objects
在上面的例子中我们看到调用一个numpy函数给了我们一个“数组”。 我们以前从未见过这样的事情不管怎么说都不是这样。 但不要惊慌我们有三个熟悉的内置函数来帮助我们。 1type这是什么东西
【14】
type(rolls)numpy.ndarray
2.dir()我可以用它做什么
【15】
print(dir(rolls))
[T, __abs__, __add__, __and__, __array__, __array_finalize__, __array_interface__, __array_prepare__, __array_priority__, __array_struct__, __array_ufunc__, __array_wrap__, __bool__, __class__, __complex__, __contains__, __copy__, __deepcopy__, __delattr__, __delitem__, __dir__, __divmod__, __doc__, __eq__, __float__, __floordiv__, __format__, __ge__, __getattribute__, __getitem__, __gt__, __hash__, __iadd__, __iand__, __ifloordiv__, __ilshift__, __imatmul__, __imod__, __imul__, __index__, __init__, __init_subclass__, __int__, __invert__, __ior__, __ipow__, __irshift__, __isub__, __iter__, __itruediv__, __ixor__, __le__, __len__, __lshift__, __lt__, __matmul__, __mod__, __mul__, __ne__, __neg__, __new__, __or__, __pos__, __pow__, __radd__, __rand__, __rdivmod__, __reduce__, __reduce_ex__, __repr__, __rfloordiv__, __rlshift__, __rmatmul__, __rmod__, __rmul__, __ror__, __rpow__, __rrshift__, __rshift__, __rsub__, __rtruediv__, __rxor__, __setattr__, __setitem__, __setstate__, __sizeof__, __str__, __sub__, __subclasshook__, __truediv__, __xor__, all, any, argmax, argmin, argpartition, argsort, astype, base, byteswap, choose, clip, compress, conj, conjugate, copy, ctypes, cumprod, cumsum, data, diagonal, dot, dtype, dump, dumps, fill, flags, flat, flatten, getfield, imag, item, itemset, itemsize, max, mean, min, nbytes, ndim, newbyteorder, nonzero, partition, prod, ptp, put, ravel, real, repeat, reshape, resize, round, searchsorted, setfield, setflags, shape, size, sort, squeeze, std, strides, sum, swapaxes, take, tobytes, tofile, tolist, tostring, trace, transpose, var, view]
【16】
# What am I trying to do with this dice roll data? Maybe I want the average roll, in which case the mean
# method looks promising...
rolls.mean()
3.8
【17】
# Or maybe I just want to get back on familiar ground, in which case I might want to check out tolist
rolls.tolist()
[2, 1, 5, 2, 4, 5, 4, 5, 5, 5]
3.help()告诉我更多
【18】
# That ravel attribute sounds interesting. Im a big classical music fan.
help(rolls.ravel)Help on built-in function ravel:ravel(...) method of numpy.ndarray instancea.ravel([order])Return a flattened array.Refer to numpy.ravel for full documentation.See Also--------numpy.ravel : equivalent functionndarray.flat : a flat iterator on the array.
【19】
# Okay, just tell me everything there is to know about numpy.ndarray
# (Click the output button to see the novel-length output)
help(rolls)
当然你可能更喜欢查看在线文档。
Operator overloading
下面表达式的值是多少
【20】
[3, 4, 1, 2, 2, 1] 10
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
ipython-input-20-1b8555d93650 in module()
---- 1 [3, 4, 1, 2, 2, 1] 10TypeError: can only concatenate list (not int) to list
多么愚蠢的问题当然会报错。
但是。。。
【21】
rolls 10array([12, 11, 15, 12, 14, 15, 14, 15, 15, 15])
我们可能会认为Python严格控制其核心语法的行为例如in或方括号用于索引和切片。 但事实上它需要一种非常不干涉的方法。 定义新类型时可以选择添加的工作方式或者该类型的对象与其他对象的含义相同。 列表的设计者决定不允许将它们添加到数字中。 numpy数组的设计者采用了不同的方式将数字添加到数组的每个元素。 下面是一些numpy数组如何与Python运算符交互或者至少与列表不同的示例。
【22】
# At which indices are the dice less than or equal to 3?
rolls 3
array([ True, True, False, True, False, False, False, False, False,False])
【23】
xlist [[1,2,3],[2,4,6],]
# Create a 2-dimensional array
x numpy.asarray(xlist)
print(xlist {}\nx \n{}.format(xlist, x))xlist [[1, 2, 3], [2, 4, 6]]
x
[[1 2 3][2 4 6]]
【24】
# Get the last element of the second row of our numpy array
x[1,-1]6
【25】
# Get the last element of the second sublist of our nested list?
xlist[1,-1]---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
ipython-input-25-f74d164f666a in module()1 # Get the last element of the second sublist of our nested list?
---- 2 xlist[1,-1]TypeError: list indices must be integers or slices, not tuple
numpy的ndarray类型专门用于处理多维数据因此它定义了自己的索引逻辑允许我们通过元组来指定每个维度的索引。
1 1何时不等于2
事情可能比这更奇怪。 您可能听说过甚至使用过tensorflow这是一种广泛用于深度学习的Python库。 它广泛使用了运算符重载。
【26】
import tensorflow as tf
# Create two constants, each with value 1
a tf.constant(1)
b tf.constant(1)
# Add them together to get...
a b
tf.Tensor add:0 shape() dtypeint32
a b不是2它是引用tensorflow的文档...... 操作的一个输出的符号句柄。 它不保存该操作的输出值而是提供在TensorFlow tf.Session中计算这些值的方法。 重要的是要意识到这样的事情是可能的并且库通常会以非显而易见或神奇的方式使用运算符重载。 理解Python的运算符在应用于整数字符串和列表时的工作原理并不能保证您在应用与tensorflow Tensornumpy ndarray或pandas DataFrame时能够立即理解它们的作用。 例如一旦您对DataFrame有一点兴趣下面的表达式开始看起来很吸引人
# Get the rows with population over 1m in South America
df[(df[population] 10*6) (df[continent] South America)]
但为什么它有效呢 上面的例子有5个不同的重载运算符。 这些操作中的每一项都在做什么 当事情开始出错时它可以帮助你知道答案。
很好奇这些是怎么工作的
你有没有在一个对象上调用help或dir并想知道所有带有双下划线的名字到底是什么
【27】
print(dir(list))[__add__, __class__, __contains__, __delattr__, __delitem__, __dir__, __doc__, __eq__, __format__, __ge__, __getattribute__, __getitem__, __gt__, __hash__, __iadd__, __imul__, __init__, __init_subclass__, __iter__, __le__, __len__, __lt__, __mul__, __ne__, __new__, __reduce__, __reduce_ex__, __repr__, __reversed__, __rmul__, __setattr__, __setitem__, __sizeof__, __str__, __subclasshook__, append, clear, copy, count, extend, index, insert, pop, remove, reverse, sort]
结果与运算符重载直接相关。 当Python程序员想要定义操作符在其类型上的行为方式时他们通过实现具有特殊名称的方法来实现这些特征名称以2个下划线开头和结尾例如__lt ____ setattr __或__contains__。 通常遵循此双下划线格式的名称对Python具有特殊含义。 因此例如[1,2,3]中的表达式x实际上是在幕后调用list方法__contains__。 它相当于更加丑陋[1,2,3] .__包含__x。 如果您想了解更多信息可以查看Python的官方文档其中描述了许多这些特殊的“下划线”方法。 我们不会在这些课程中定义我们自己的类型但我希望你能够体验到后来定义你自己的奇妙怪异类型的乐趣。
Your turn!
转到最后一个练习笔记本再进行一轮涉及导入库处理不熟悉的对象当然还有更多的赌博的编程问题。
