ocr识别过程中的python知识点总结

一、Python [::-1]的简单理解与用法

从结果上来看，[::-1]的作用是对列表进行翻转，比方说：

a = [1, 2, 3, 4, 5]
print(a[::-1])

b = "12345"
print(b[::-1])

输出：

[5, 4, 3, 2, 1]
54321

可以发现这个东西的用法和reversed函数是相同的，只不过更为简洁：

a = [1, 2, 3, 4, 5]
print(list(reversed(a)))

b = "12345"
print("".join(reversed(b)))

输出：

[5, 4, 3, 2, 1]
54321

那么这个东西的原理是什么呢？一般来说，我们见过一个冒号的情况比较多，用来做列表切片：

a = [1, 2, 3, 4, 5]
print(a[:-1])
print(a[1:])
print(a[:])

输出：

[1, 2, 3, 4]
[2, 3, 4, 5]
[1, 2, 3, 4, 5]

多一个冒号的话，新冒号后面的数字表什么呢？其实是表步长，比如：

a = [1, 2, 3, 4, 5]
print(a[:-1])
print(a[:-1:])
print(a[:-1:1])
print(a[:-1:2])

输出：

[1, 2, 3, 4]
[1, 2, 3, 4]
[1, 2, 3, 4]
[1, 3]

步长是正数的话，[a:b]是从a到b，往右读取，b应该比a大；而步长如果改成负数，[a:b]的含义仍然是从a到b，只是往左读取，所以此时b应该比a小，比如：

print(a[3:0:-1])

输出：

[4, 3, 2]

自然而然的，如果不指定a，b，那么处理的范围是整个列表；步长为-1，表示整个列表从右往左读取，即翻转数组。

二、np.argsort()用法：
np.argsort(a, axis=-1, kind='quicksort', order=None)
函数功能：将a中的元素从小到大排列，提取其在排列前对应的index(索引)输出。

1、一维数组

先定义一个array数组x，然后使用函数

import numpy as np
x=np.array([1,4,3,-1,6,9])
y=np.argsort(x)
print('一维数组的排序结果：{}'.format(y))
输出结果如下：

一维数组的排序结果：[3 0 2 1 4 5]
中间过程详细解释：
①输入为: [1,4,3,-1,6,9]，对应索引为：[0,1,2,3,4,5]，即
x[0]=1，x[1]=4，x[2]=3，x[3]=-1，x[4]=6，x[5]=9

②排序结果为: [-1,1,3,4,6,9]
argsort()是提取排序结果元素在排列前对应的index(索引)输出。
根据排序前x[3]=-1可知，排序结果中，元素-1对应排序前的索引3；
根据排序前x[5]=9可知，排序结果中，元素9对应排序前的索引5；
以此类推，输出排序后元素在排列前对应的index(索引）：
即：[3,0,2,1,4,5]

三、np.linalg.norm() 是什么
linalg=linear+algebra ，也就是线性代数的意思，是numpy 库中进行线性代数运算方面的函数。

使用 np.linalg 这个模块，可以计算范数、逆矩阵、求特征值、解线性方程组以及求解行列式等。

本文要讲的 np.linalg.norm() ，就是计算范数的意思，norm 则表示范数。

二、什么是范数
先来了解一下什么是范数，这有利于函数的使用。

首先要知道，范数是一个标量，它是对向量（或者矩阵）的度量

范数包含 0 范数、1范数、2范数........ P范数。

其中：

0 范数，表示向量中非零元素的个数。

1 范数，表示向量中各个元素绝对值之和。

2 范数，表示向量中各个元素平方和的 1/2 次方，L2 范数又称 Euclidean 范数或者 Frobenius 范数。

p 范数，表示向量中各个元素绝对值 p 次方和的 1/p 次方。

三、np.linalg.norm() 的用法
1.np.linalg.norm() 的官方文档
有了基础知识，我们来看看np.linalg.norm() 的用法

norm(x, ord=None, axis=None, keepdims=False)

其中：

x，表示要度量的向量

ord，表示范数的种类，默认为2 范数。ord = np.inf 表示无穷范数

axis, axis=0 表示按列向量来进行处理，求多个列向量的范数; axis =1 表示按行向量来进行处理，求多个行向量的范数

keepdims：表示是否保持矩阵的二位特性，True表示保持，False表示不保持，默认为False

注意：对于向量而言，有所不同

ord=None，表示求整体的矩阵元素平方和，再开根号
ord=1，表示求列和的最大值
ord=2，|λE-ATA|=0，求特征值，然后求最大特征值的算术平方根
ord为无穷大，表示求行和的最大值

四、torch.argmax()函数

import torch

x = torch.randn(2, 4)
print(x)
'''
tensor([[ 1.2864, -0.5955, 1.5042, 0.5398],
[-1.2048, 0.5106, -2.0288, 1.4782]])
'''

# y0表示矩阵dim=0维度上（每一列）张量最大值的索引
y0 = torch.argmax(x, dim=0)
print(y0)
'''
tensor([0, 1, 0, 1])
'''

# y1表示矩阵dim=1维度上（每一行）张量最大值的索引
y1 = torch.argmax(x, dim=1)
print(y1)
'''
tensor([2, 3])
'''
五、python 内置函数之isinstance 语法：isinstance（object，type）

作用：来判断一个对象是否是一个已知的类型。

其第一个参数（object）为对象，第二个参数（type）为类型名(int…)或类型名的一个列表((int,list,float)是一个列表)。其返回值为布尔型（True or flase）。
函数，计算传入字符串的个数
if isinstance(s,str): #args1: 数据 args2：数据类型
pass
若对象的类型与参数二的类型相同则返回True。若参数二为一个元组，则若对象类型与元组中类型名之一相同即返回True。

六、Python——连接数据库操作

#引入decimal模块
import pymysql

#连接数据库
db=pymysql.connect(host='localhost',user='root',password='1234',charset='utf8')

#创建一个游标对象（相当于指针）
cursor=db.cursor()

#执行创建数据库语句
cursor.execute('create schema wzg default charset=utf8;')
cursor.execute('show databases;')

#fetchone获取一条数据（元组类型）
print(cursor.fetchone())
#现在指针到了[1]的位置

#fetchall获取全部数据（字符串类型）
all=cursor.fetchall()
for i in all:
print(i[0])

#关闭游标和数据库连接
cursor.close()
db.close()