环境配置

conda

Conda自动补全

在终端激活conda环境的时候按tab不能自动补全activate和环境名。安装后可用tab进行补全。
安装 conda-bash-completion 插件：GitHub
安装方法：

conda install -c conda-forge conda-bash-completion

常用命令

#创建虚拟环境
conda create -n your_env_name python=X.X（3.6、3.7等）
#激活虚拟环境
conda activate your_env_name(虚拟环境名称)
#退出虚拟环境
conda deactivate your_env_name(虚拟环境名称)
#删除虚拟环境
conda remove -n your_env_name(虚拟环境名称) --all
#添加 python 模块
conda install [module]
#查看安装了哪些包
conda list
#查看当前存在哪些虚拟环境
conda env list 
#检查更新当前conda
conda update conda
#更新anaconda
conda update anaconda
#更新所有库
conda update --all
#更新python
conda update python

pip

换源

Python使用pip作为依赖管理工具，很多时候，我们在安装依赖的时候，会出现无法访问网络，这是因为我们的网络被墙了，需要完成以下配置

方式一

• 运行以下命令，配置pip全局使用华为云的镜像下载依赖

pip config set global.index-url "http://mirrors.tools.huawei.com/pypi/simple"

• 运行以下命令，配置上述局点为可信局点

pip config set global.trusted-host "mirrors.tools.huawei.com"

方式二

pip/pip3用于python软件模块下载，通过~/.pip/pip.conf文件配置，如果没有这个目录和文件，可以生成一个进行设置，如下

mkdir ~/.pip
vim ~/.pip/pip.conf

填入以下内容：

[global]
index-url = http://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host = mirrors.aliyun.com

之后更新

pip install update

这样就切换成国内源了，安装时速度非常快。
其它的源设置类似，只需要修改服务器即可，如清华源等：

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
trusted-host = pypi.tuna.tsinghua.edu.cn

语法

在Python中，**是一个双星号操作符，也称为指数运算符或幂运算符。它用于计算一个数的指数或幂，例如：2的3次方可以用2**3表示，结果为8。

除了计算指数，还可以用于解包操作。当在函数调用时使用字典时，它会将一个字典或关键字参数的集合解包成独立的参数。例如：

def foo(a, b, c):print(a, b, c)params = {'a': 1, 'b': 2, 'c': 3}
foo(**params)  # 等价于 foo(a=1, b=2, c=3)

在这个例子中，使用双星号将字典 params 解包成独立的关键字参数传递给函数 foo。在函数调用中，**params 等价于 a=1, b=2, c=3。

另外，单个星号*也有类似的作用，但它是用于将可迭代对象解包成单独的参数，例如：

numbers = [1, 2, 3]
print(*numbers)  # 等价于 print(1, 2, 3)

在这个例子中，使用单星号将列表 numbers 解包成独立的位置参数传递给函数 print。在函数调用中，*numbers 等价于 1, 2, 3。

内置函数

getattr

描述

getattr() 函数用于返回一个对象属性值。

语法

getattr(object, name[, default])

参数

• object – 对象。
• name – 字符串，对象属性。
• default – 默认返回值，如果不提供该参数，在没有对应属性时，将触发 AttributeError。

返回值

返回对象属性值。

__import__

描述

__import__() 函数用于动态加载类和函数 。
如果一个模块经常变化就可以使用 __import__() 来动态载入。

语法

__import__(name[, globals[, locals[, fromlist[, level]]]])

参数

• name – 模块名

返回值

返回元组列表。

__import__(package.module)相当于from package import module，如果fromlist不传入值，则返回package对应的模块，如果fromlist传入值，则返回package.module对应的模块。

iter

使用iter()函数可以将可迭代对象转换为迭代器。

可迭代对象是指实现了__iter__()或__getitem__()方法的对象。对于一个可迭代对象，可以通过调用它的迭代器来依次获取其中的元素，直到所有元素都被访问完毕。

而迭代器是一种特殊的对象，能够记忆遍历的位置，并且可以按需产生下一个值，直到没有值可以生成时抛出StopIteration异常。迭代器还实现了__next__()方法，每次调用该方法可以返回下一个元素的值。因此，在Python中，许多内置函数（例如for循环和zip()函数）都是基于迭代器工作的。

next

next() 函数是 Python 中的内置函数，它允许您不断从迭代器中取出下一个元素。其语法如下：

next(iterator[, default])

参数说明：

• iterator：必需，表示要获取下一个元素的迭代器对象。
• default：可选，如果迭代器已到达末尾，该值将返回，默认为 None。

基本上，它用于检索序列（例如列表、元组、集合等）的下一个元素，直到所有的元素都被迭代完为止。

在调用 next() 时，它会返回迭代器中的下一个条目，并将迭代器移动到下一个项目。每次调用 next() 函数时，它都将返回下一个条目，直到没有更多的元素，并引发 StopIteration 异常。

super

super()函数的作用:

• 在子类中调用父类的方法实现代码复用
• 不需要硬编码父类的名字,使继承关系更灵活
• 根据方法解析顺序(MRO)动态确定调用的父类

super()的主要场景:

1. 单继承
   这里super()就是父类的引用,可以避免重复命名父类

2. 多继承
   super()会根据MRO调用正确的父类,不会像直接调用被覆盖

3. 协作多继承
   通过只调用部分父类的super(),实现协作式继承

super()的实现机制:

• 会根据调用环境动态绑定父类
• 是通过__class__和__thisclass__确定的
• 最终会调用父类的 __getattribute__方法

super()需要注意:

• 只能在新式类中使用,旧式类会报错
• 在Python2中调用有些差异,需要使用super(Class, self)
• 不可实例化,是个只能调用的对象

Python中方法解析顺序(Method Resolution Order, MRO)的概念。

MRO是多重继承场景下,用于确定方法调用顺序的一套规则。主要原则是:

• 子类会先调用
• 广度优先,左到右顺序调用
• 避免重复调用(C3算法)

with语句

with所求值的对象必须有一个__enter__()方法，一个__exit__()方法。

紧跟with后面的语句被求值后，返回对象的__enter__()方法被调用，这个方法的返回值将被赋值给as后面的变量。当with后面的代码块全部被执行完之后，将调用前面返回对象的__exit__()方法。

super() 是python 中调用父类（超类）的一种方法，在子类中可以通过super()方法来调用父类的方法。【超类： 是指 2层以上的继承关系，假如 C类继承B类，B类由继承A类，那么A类就是C类的超类】

匿名函数

Lambda函数也被称为匿名函数，通常是一个表达式，而不是单个语句。可以使用Lambda定义简单的单行函数，并将其作为参数传递给某些函数。

Lambda函数通过lambda关键字创建，它的一般格式如下：

lambda arguments: expression

其中，arguments表示函数的参数列表，expression则表示函数的返回值。例如以下代码:

lambda x: x*2

表示一个以x为参数并返回x乘以2的匿名函数。

通常情况下，Lambda函数与高阶函数（Higher-order functions）一起使用。高阶函数指的是能够接收函数作为参数和/或返回函数的函数。

Lambda函数可以替代其他函数引用。假设要编写一个将两个数相加的函数，可以使用Lambda函数作为输入：

add = lambda x, y: x + y
print(add(2, 3)) # 5

Lambda函数可以非常方便地与Python中map(), filter() 和reduce()函数组合使用，将函数映射到一组输入上，并基于规则筛选这些输入。例如：

Map()：

my_list = [1, 2, 3, 4, 5]
result = list(map(lambda x: x ** 2, my_list))
print(result) # [1, 4, 9, 16, 25]

以上代码将一个Lambda函数与Python的map()函数一起使用，对列表中的每个元素进行了平方运算。

Filter():

my_list = [1, 2, 3, 4, 5]
result = list(filter(lambda x: x % 2 == 0, my_list))
print(result) # [2, 4]

以上代码将Lambda函数与Python的filter()函数一起使用，可以在列表中过滤出所有的偶数。

Reduce():

from functools import reducemy_list = [1, 2, 3, 4, 5]
result = reduce(lambda x, y: x + y, my_list)
print(result) # 15

以上代码将Lambda函数与Python的reduce()函数一起使用，计算列表中所有数字的和。

总之，Lambda函数是一种非常强大的工具，可以轻松创建简单的函数并与其他函数一起使用，方便编写更加复杂的程序。

matplotlib

matplotlib.pyplot.subplots函数用于创建一个新的图形，并在该图形上创建一个或多个子图，也称为子区域。下面是该函数的语法：

matplotlib.pyplot.subplots(nrows=1, ncols=1, **kwargs)

参数说明：

• nrows: 子图的行数，默认值为1
• ncols: 子图的列数，默认值为1
• sharex: 共享x轴，默认为False
• sharey: 共享y轴，默认为False
• squeeze: 如果设置为True，子图数组的形状将自动调整以删除任何单元格，其中没有轴绘制
• subplot_kw: 用于添加子图时传递给 add_subplot() 的字典参数
• gridspec_kw: 用于创建子图网格的参数字典

返回值：

• fig: 图形对象
• axes: 子图对象，一个numpy数组对象，其形状为 (nrows, ncols)

add_subplot方法是Figure对象的一个成员方法，用于向指定的图形对象中添加一个子图，该方法有以下参数：

add_subplot(nrows, ncols, index, **kwargs)

参数说明：

• nrows: 子图的行数
• ncols: 子图的列数
• index: 子图的位置
• **kwargs: 其他可选参数，用于设置子图的属性，例如标题、坐标轴范围等

返回值：

• ax: 子图对象

例如，以下代码创建了一个2x2的子图，其中第一个子图位于第一行第一列，第二个子图位于第一行第二列，第三个子图位于第二行第一列，第四个子图位于第二行第二列。

import matplotlib.pyplot as plt
fig, axs = plt.subplots(nrows=2, ncols=2)
axs[0, 0].plot([1, 2, 3, 4], [1, 4, 2, 3])
axs[0, 0].set_title('Subplot 1')
axs[0, 1].plot([1, 2, 3, 4], [1, 4, 2, 3])
axs[0, 1].set_title('Subplot 2')
axs[1, 0].plot([1, 2, 3, 4], [1, 4, 2, 3])
axs[1, 0].set_title('Subplot 3')
axs[1, 1].plot([1, 2, 3, 4], [1, 4, 2, 3])
axs[1, 1].set_title('Subplot 4')
plt.show()

该代码创建了一个包含四个子图的2x2网格，每个子图都绘制了一条简单的线，并设置了一个标题。