【Python学习】 简单语法与常见错误(持续更新)

关于单引号和双引号

当输出的字符串内部没有单引号的时候,外面可以用单引号, 但是如果内部有了单引号,那么外部只能用双引号。 

dict = {'Name': 'Zara', 'Age': 7, 'Class': 'First'}
print(dict)
print ('dict[Name]: ', dict['Name'])
print ("dict['Age']: ", dict['Age'])

关于for循环

首先我们要知道 [1,2,3] 这样,其实你是定义了一个list,关于list就像是C++STL里面的vector,可以append,只不过这里比他更强大的是,可以append各种类型的东西。

回归正题,对于for循环遍历,也是可以遍历一个list中的所有元素的,那么关于遍历的时候,就有了两种写法,下面分别介绍一下:(下面代码中的两种方式都是可以的)

fruits = ['banana', 'apple',  'mango']#方法1
for fruit in fruits:print(fruit)#方法2
for i in range(len(fruits)):print(fruits[i])

 

numpy中np.array()与np.asarray的区别

array和asarray都可以将结构数据转化为ndarray,但是主要区别就是当数据源是ndarray时,array仍然会copy出一个副本,占用新的内存,但asarray不会。(所以一般都用array,因为他是真正的深复制)

具体区别可以看:链接

 

注意针对只有一个元素的情况时,1和1,的区别

这两者是一样的,都是int:  (1)  1
这两者是一样的,都是tuple: (1,2,3) 1,2,3

要是想创建一个只有一个元素的元组,那么需要在数字后面加逗号,比如这样:

 

python中tuple、list以及array(numpy的数据格式)的相互转换

python中常常需要实现tuple、list以及array数据类型之间的转换,因为三者各有优势,tuple可以保证数据不易被修改;处理数据时,array数据类型可以方便地调用numpy包中的函数进行数据处理,比如:求距离,最大值,平均值等常见操作;list可以方便的调用很多函数,比如添加一个元素(append)等等。

如果转换还是很方便的,只需要分别使用:

numpy包内的函数np.array(),将任意类型转换成array

内置函数tuple()和list()也可以将任意类型转成对应的数据类型。

这里注意的是,np.array(被转换的变量,dtype=数据类型)可以通过dtype属性指定元素的数据类型

 

注意np.mat()和np.matrix()的区别

两者只在传入的参数是矩阵的时候有区别,其中前者是直接引用,后者是进行深复制。

 

列表中冒号的用法([][:][::]的区别),列表切片详解

没有冒号:

其实就是[0,1]直接就是取第0行与第1列的交点值

一个冒号:

[x : ] 代表列表中的索引的第x项到最后一项

[ : y] 代表列表中的第一项到索引第y+1项(也就是到第y项但是左闭右开)

两个冒号:

list[start:end:step]

start:起始位置

end:结束位置

step:步长

 

在保存图像的时候需要注意:

使用plt.savefig(‘a.jpg’)保存图片注意,一定要在plt.show()之前,plt.show()之后plt就成为一个空白图像了,输出路径时要用/,用反斜杠的话会报错

 

 

在Python3.0及以后版本中,' / ' 和 ' // ' 运算符的区别

看下图就明白了。(运行环境Python3.7.4)

为了python简明的特征,int和int的除法,就不需要先强转成float了。

 

查看变量占用内存大小 

import sys

a = [x for x in range(1000)]
print( sys.getsizeof(a) )

 

出现说语法格式不正确的错误

当出现IndentationError: unindent does not match any outer indentation level这种错误的时候,但是空格都对齐了,这可能说明空格的格式不正确,所以你把所有的空格删掉,再自己手动TAB一遍就可以了。

比如下面这段在spyder上是对齐的:

 但是实际拷贝出来:

for i in range(length):x.append(f"{station_info_dict['result']['buslines'][0]['busstops'][i]['location']}".split(",")[0])y.append(f"{station_info_dict['result']['buslines'][0]['busstops'][i]['location']}".split(",")[1])plots_name.append(f"{station_info_dict['result']['buslines'][0]['busstops'][i]['name']}")

 


20200314

numpy.prod()函数

这个函数是连乘操作,将里面所有的元素相乘。
比如:a = numpy.array([1,2,3,4])
那么:numpy.prod(a) = 24
还有:numpy.prod(a[2:3]) = 3
同理:numpy.prod(a[1:3]) = 6

 


20200504

注意每次运行代码之前要清空已有变量!尤其是使用spyder这种工具的时候。

 


20200504 

注意多用切片那种形式获取数据

比如你要获取'hello'这个str的前三个字符这个子串,别再一个一个字符的append了,直接str[:3]就好了。提高效率和可读性。


20200504

 查看x是否存在于list中

theList = ['a','b','c'] 
if 'a' in theList: print ('a in the list')

 

 

 

 

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/439522.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

一步步编写操作系统 78 intel汇编与ATT汇编语法区别

本节咱们介绍下intel汇编语法和at&t汇编语法的区别。 以上表中未列出这两种语法在内存寻址方面的差异,个人觉得区别还是很大的,下面单独说说。 在Intel语法中,立即数就是普通的数字,如果让立即数成为内存地址,需要…

重读经典:《Masked Autoencoders Are Scalable Vision Learners》

MAE 论文逐段精读【论文精读】这一次李沐博士给大家精读的论文是 MAE,这是一篇比较新的文章,2021年11月11日才上传到 arXiv。这篇文章在知乎上的讨论贴已经超过了一百万个 view,但是在英文社区,大家反应比较平淡一点,R…

【Python学习日志】 - Numpy包

NumPy是什么? 使用Python进行科学计算的基础包,在数据分析的时候比较常用到矩阵计算。这时太多的Np属性不记得,所以方便自己使用把一些常用的Np属性汇总记录一下使用的时候方便查找。 ndarray.ndim 阵列的轴数(尺寸)…

详解协同感知数据集OPV2V: An Open Benchmark Dataset and Fusion Pipeline for Perception with V2V Communication

在《详解自动驾驶仿真框架OpenCDA: An Open Cooperative Driving Automation Framework Integrated with Co-Simulation》 一文中介绍了自动驾驶仿真框架 OpenCDA。本文将介绍论文作者另一篇最新工作 OPV2V,论文收录于 ICRA2022。 OPV2V 数据集主要 feature 有&…

【Python学习】 - 如何在Spyder中弹出plot绘图窗口而不是在Console中绘图

依次选择这几项: 点击ok确认。 注意:点击ok之后不会立即生效,重启Spyder之后才会生效

mysql系列:加深对脏读、脏写、可重复读、幻读的理解

关于相关术语的专业解释,请自行百度了解,本文皆本人自己结合参考书和自己的理解所做的阐述,如有不严谨之处,还请多多指教。 **不可重复读的重点是修改: **同一事务,两次读取到的数据不一样。 幻读的重点在于新增或者…

重读经典(点云深度学习开山之作):《Deep learning on point clouds for 3D scene understanding》(持续更新中)

本文介绍的是 PointNet 作者的博士论文:3D场景理解中的点云深度学习。从上图可以看到,整个博士论文主要贡献有两块:一是点云深度学习的网络架构(PointNet 和 PointNet);二是在3D场景理解中的应用&#xff0…

Coursera自动驾驶课程第17讲:An Autonomous Vehicle State Estimator

在第16讲《Coursera自动驾驶课程第16讲:LIDAR Sensing》我们学习了自动驾驶目前常用的3D 传感器,激光雷达,了解了激光雷达的工作原理,掌握了对点云数据的操作以及如何使用点云配准方法来进行汽车定位。 回顾一下,在本…

!何为脏读、不可重复读、幻读

2.0、前言 事务的隔离性是指多个事务并发执行的时候相互之间不受到彼此的干扰的特性,隔离性是事务ACID特性中的I,根据隔离程度从低到高分为Read Uncommitted(读未提交),Read Committed(读已提交&#xff0…

【转】JPA、Hibernate和Mybatis区别和总结

很多人都用过java的数据库连接池C3P0,但官方没有说明名称的由来。 据传闻:连接池作者是《星球大战》迷,C3P0就是其中的一个机器人,并且这个名称中包涵connection 和pool的单词字母。因此叫这个名字(根据网友提醒&…

详解3D物体检测模型: Voxel Transformer for 3D Object Detection

本文介绍一个新的的3D物体检测模型:VoTr,论文已收录于ICCV 2021。 这是第一篇使用 voxel-based Transformer 做3D 主干网络,用于点云数据3D物体检测。由于有限的感受野,传统的 3D 卷积网络检测器(voxel-based&#xff…

一步步编写操作系统 65 标准调用约定stdcall 汇编实战

因为c语言遵循的调用约定是cdecl,咱们也自然要遵守cdecl约定了。不过为了起到对比的作用,除了介绍cdecl外,也会介绍下stdcall。 既然咱们用的是调用约定是cdecl,那对它的介绍最好让它离下一节的内容近一些,所以先说一…

Coursera自动驾驶课程第18讲:The Planning Problem

在第17讲《Coursera自动驾驶课程第17讲:An Autonomous Vehicle State Estimator》 我们学习了如何使用多传感器融合进行自车定位,以及传感器的内外参标定和时间同步,我们还讨论了在实际应用中常遇到的问题。 从本讲开始我们将学习一个新的模…

详解3D物体检测模型:Focal Sparse Convolutional Networks for 3D Object Detection

用于3D目标检测的焦点稀疏卷积神经网络【CVPR2022】【3D检测】本文介绍一篇新的 3D 物体检测模型:Focals Conv,论文收录于 CVPR2022。在 3D 检测任务中,点云或体素数据不均匀地分布在3维空间中,不同位置的数据对物体检测的贡献是不…

地平线:面向规模化量产的自动驾驶感知研发与实践

导读 4月27日,地平线智能驾驶感知研发部负责人苏治中就 《面向规模化量产的自动驾驶感知研发与实践》 这一主题进行了直播讲解。 本次课程内容分为4个部分: 1、地平线自动驾驶环境感知量产实践 2、软硬协同的自动驾驶感知算法设计 3、实现规模化量产的“…

Power BI与Power Query、Power Pivot 是什么关系?

搞不清楚Power BI与Power Query、Power Pivot是什么关系?看这篇文章就够了。 刚开始学习PowerBI的时候,总是能碰到Power Query和Power Pivot这两个词(下文简称为PQ和PP),现在中文里面学习PowerBI的资源本来就不是很多&#xff0c…

地平线:上帝视角与想象力——自动驾驶感知的新范式

导读 3月28日,在「地平线自动驾驶技术专场」上,地平线自动驾驶系统架构师刘景初博士围绕《上帝视角与想象力——自动驾驶感知的新范式 》这一主题进行了直播讲解。 本次课程主要分为以下4个部分: 1、自动驾驶结构演化提出算法新需求 2、软件2…

详解Class类文件的结构(上)

前言 相信搞Java开发的同学都经常会接触到Class类文件,了解了JVM虚拟机之后也会大量接触到class字节码,那么它到底是什么样的文件?内部由什么构成?虚拟机又是如何去识别它的?这篇文章就来学习一下Class类文件的结构。…

Coursera自动驾驶课程第19讲:Mapping for Planning

在第18讲 《Coursera自动驾驶课程第18讲:The Planning Problem》 我们对自动驾驶中的规划问题有了一个全面的了解,理解了规划问题中的约束和目标;同时我们还讨论了如何分层如解决规划问题(任务规划、行为规划、路径规划和速度曲线…

详解Class类文件的结构(下)

本文继续使用上次的Test.class文件,它是由下面单独的一个类文件编译而成的,没有包。 6. 索引(Index) 索引又分类索引、父类索引和接口索引集合,类索引(this_class)和父类索引(super…