Python练习系列 | 易学教程

Python标准库

Numpy教程

Tensorflow API

一. yield：

二. tf.constant：

三. tf.stack 和 tf.unstack：

四. tf.tensordot：

五. 对多个相同维度的类数组同时打乱顺序，但是保持它们之间的一一对应关系：

六. 获取当前所打开文件的路径os.path.dirname(os.path.realpath(sys.argv[0])):

七. 修改文件夹下所有文件的名字的简单示例os.rename:

八. python 执行某段程序，因不知名原因而一直卡顿着也不报错退出，可以设置超时，跳过这部分的执行。func_timeout.func_set_timeout(1, False)

九. 在代码编写中查看某一库的版本：

十. signal.argrelextrema寻找局部极大、小值：

一. yield：

在一个函数中，当一个循环的结果经过yield，那么，这个函数就不再是普通的函数，它成为了一个generator（生成器）函数，返回的结果是生成器，那么，你就可以通过s.__next__()或者next(s)（s是调用函数返回值）方法获得每一次迭代的值。这样做的好处是节省内存。比如下面的代码，每调用一次__next__()，就会执行yield之前的代码，直到yield，就会挂起，等下一次再调用__next__()，会接着上一次停留的地方继续执行，直到yield。

def f():
    for i in range(3):
        yield i
s = f()
print(s.__next__())   #或者next(s)
print(s.__next__())   #或者next(s)
print(s.__next__())   #或者next(s)

二. tf.constant：

创建一个常量tensor。

import tensorflow as tf;
import numpy as np;
t1 = tf.constant(value=[1, 2.2, 3, 5e-3], 
                 dtype=None, 
                 shape=None, 
                 name="Const", 
                 verify_shape=False)
with tf.Session() as sess:
    print(sess.run(t1))  #output: [1.    2.2   3.    0.005]

三. tf.stack 和 tf.unstack：

tf.stack([x, y, z]) 等价于np.stack([x, y, z])，用于将多个相同形状的tensor按照指定维度堆叠在一起。与之相反的是tf.unstack，假设t.shape = (A,B,C)，那么tf.unstack(t,axis=0)相当于将t分解成A个(B,C)组合成的list。

#coding=utf-8
import tensorflow as tf;
import numpy as np;
x = tf.constant([1, 4])
y = tf.constant([2, 5])
z = tf.constant([3, 6])

s1 = tf.stack(values=[x, y, z],
         axis=0,
         name="stack")  # [[1, 4], [2, 5], [3, 6]]
s2 = tf.stack([x, y, z], axis=1)  # [[1, 2, 3], [4, 5, 6]]

s3 = tf.unstack(value=s1,    
                num=None, 
                axis=0, 
                name="unstack")
with tf.Session() as sess:
    print(sess.run(s1))  #output: [[1 4] [2 5] [3 6]]
    print(sess.run(s2))  #output: [[1 2 3] [4 5 6]]
    print(sess.run(s3))  #output: [array([1, 4]), array([2, 5]), array([3, 6])]

四. tf.tensordot：

目前对其了解就是，用第一个张量中的值依次与第二个张量中的值相乘。比如下面的例子，当axes为0时，第一个张量是[1,2]，第二个是[4,5,6]，它们的结果就是1与[4,5,6]分别相乘和2与[4,5,6]分别相乘的结果组合在一起的新张量。

#coding=utf-8
import tensorflow as tf;
import numpy as np;
from openpyxl.styles.builtins import output
t = tf.constant([1,2])
t1 = tf.constant([4,5,6])
t2 = tf.tensordot(t, t1, axes=0)
with tf.Session() as sess:
    print(sess.run(t2))
'''    
output: 
    [[ 4  5  6]
     [ 8 10 12]]
'''

五. 对多个相同维度的类数组同时打乱顺序，但是保持它们之间的一一对应关系：

#coding=utf-8
'''对多个相同维度的类数组同时打乱顺序，但是保持它们之间的一一对应关系'''
import numpy as np
a = np.array([1,2,3,4])
b = np.array([5,6,7,8])
size = a.shape[0]
size = np.arange(size)
print(size)  #[0 1 2 3]
np.random.shuffle(size)
print(size)  #[2 3 0 1]
print(a[size])  #[3 4 1 2]
print(b[size])  #[7 8 5 6]

六. 获取当前所打开文件的路径`os.path.dirname(os.path.realpath(sys.argv[0])):`

#coding=utf-8
import os
import sys
s = os.path.dirname(os.path.realpath(sys.argv[0]))
print(s)  #输出你的当前文件的绝对路径

七. 修改文件夹下所有文件的名字的简单示例`os.rename:`

#coding=utf-8
import os
fileDir = r'E:\test'  #原文件夹
fileList = os.listdir(fileDir)  #将文件夹下的文件名存入list
for i, f in enumerate(fileList):  #遍历每一个文件
    srcName = os.path.join(fileDir, f)  #原文件名(绝对路径)
    newFileName = str(i) + "_" + f.split("_")[0] + ".jpg"  #新文件名，这个新文件名视情况而定，这里举的例子是我方便自己用的
    dstName = os.path.join(fileDir, newFileName)  #新文件名(绝对路径)
    os.rename(src=srcName, dst=dstName)  #重命名(原名，新名)

八. python 执行某段程序，因不知名原因而一直卡顿着也不报错退出，可以设置超时，跳过这部分的执行。`func_timeout.func_set_timeout(1, False)`

转载自：Python函数超时，用装饰器解决 func_timeout

#coding=utf-8
from func_timeout import func_set_timeout, FunctionTimedOut
import time
@func_set_timeout(timeout=0.1, allowOverride=False)  #设置时间超过0.1s，就超时
def task():
    while True:
        print("Hello world")
        time.sleep(1)
if __name__ == '__main__':
    try:
        task()
    except FunctionTimedOut: #程序某部分运行时间超过了设定时间，则会抛出FunctionTimedOut异常
        print("超时了")       #写超时后，接下来执行的代码

九. 在代码编写中查看某一库的版本：

import numpy
print(numpy.__version__)

十. signal.argrelextrema寻找局部极大、小值：

from scipy import signal

#计算一维数组局部极大值所在的索引
y = np.array([3,5,8,3,6,1])
local_max_index = signal.argrelextrema(y, np.greater) 
print(local_max_index)  #output:(array([2, 4], dtype=int64),)
local_max_index = signal.argrelextrema(y, np.greater)[0] #加[0]返回的仅有数值部分
print(local_max_index) #output:[2 4]

#计算一维数组局部极小值所在的索引
x = np.array([6,2,8,7,3,9])
local_min_index = signal.argrelextrema(x, np.less)
print(local_min_index)  #output:(array([1, 4], dtype=int64),)
local_min_index = signal.argrelextrema(x, np.less)[0] #加[0]返回的仅有数值部分
print(local_min_index) #output:[1 4]

#计算二维数组局部极大值所在的索引；axis=0，表示行与行之间的比较
y = np.array([[1, 2, 1, 2], [6, 6, 4, 0], [3, 6, 3, 4]])
local_max_index = signal.argrelextrema(y, np.greater, axis=0) #默认axis=0，表示行与行之间的比较
print(local_max_index)  
#output:(array([1, 1], dtype=int64), array([0, 2], dtype=int64))，第一项指局部极大值在某列所在索引，第二项指局部极大值所在的列
local_max_index = signal.argrelextrema(y, np.greater, axis=0)[0] #加[0]返回局部极大值在某列的索引，加[1]表示返回局部极大值所在列
print(local_max_index) #output:[1 1]

#计算二维数组局部极大值所在的索引；axis=1，表示列与列之间的比较
y = np.array([[1, 2, 1, 2], [6, 6, 4, 0], [3, 6, 3, 4]])
local_max_index = signal.argrelextrema(y, np.greater, axis=1) 
print(local_max_index)  
#output:(array([0, 2], dtype=int64), array([1, 1], dtype=int64))，第一项指局部极大值在某行所在索引，第二项指局部极大值所在的行
local_max_index = signal.argrelextrema(y, np.greater, axis=1)[0] #加[0]返回的仅有数值部分
print(local_max_index) #output:[0 2]

#二维数组局部极小值所在索引的计算同上，仅将np.greater改为np.less即可。

。。。。。。

来源：CSDN

作者：缘*

链接：https://blog.csdn.net/qq_35240640/article/details/103967624

标签

axis

python