一、python中变量前面有个*

在Python中，变量前面的星号（*）有多种用法，主要与函数参数或解包序列有关。

1、在函数参数中，星号（*）用来表示任意多个参数，这些参数会被当作元组传递。例如：

def fun(*args):for i in args:print(i)fun(1, 2, 3, 4)

2、在函数参数中，星号（*）还可以用来解包序列。例如：

def fun(a, b, c, d):print(a, b, c, d)args = (1, 2, 3, 4)
fun(*args)

3、在函数参数中，星号（*）还可以与命名参数，或者字典一起使用。例如：

def fun(*args, a=1):print(args, a)fun(1, 2, 3, a=4)def fun(*args, **kwargs):print(args, kwargs)fun(1, 2, 3, a=4, b=5)

4、 在解包列表或元组时，星号（*）也可以用来解包选定项。例如：

lst = [1, 2, 3, 4, 5]
a, *b, c = lst
print(a, b, c)

二、numpy.prod

计算元素和

print(np.prod([[1., 2.], [3., 4.]], axis=0))按列计算元素和
print(np.prod([[1., 2.], [3., 4.]], axis=1))按行计算元素和
print(np.prod([[1., 2.], [3., 4.]], axis=0))计算所有元素和

三、numpy.savez

numpy.savez 是 NumPy 库中的一个函数，用于将多个数组保存到以 .npz 为扩展名的文件中。与 numpy.save 函数不同，后者一次只能保存一个数组到一个 .npy 文件中，numpy.savez 允许你一次性保存多个数组，并将它们作为字典的键值对存储在 .npz 文件中。这样做的好处是可以在一个文件中方便地存储和加载多个数组，而不需要为每个数组创建单独的文件。

import numpy as np  # 创建一些数组  
a = np.array([[1, 2, 3], [4, 5, 6]])  
b = np.array([1, 2, 3, 4, 5])  
c = np.array([6, 7, 8])  # 使用 savez 保存多个数组  
np.savez('my_arrays.npz', a=a, b=b, c=c)  # 或者使用 *args 方式，不指定键名（数组变量名将作为键名）  
# np.savez('my_arrays_no_keys.npz', a, b, c)

四、 arr[…, ::-1]

在Python中，表达式arr[…, ::-1]通常用于NumPy数组或兼容NumPy索引的数组（如PyTorch张量）上，用于对数组进行切片操作。这个表达式的目的是沿着数组的最后一个维度（或轴）反转元素的顺序。

这里的…是NumPy引入的省略号（ellipsis），它用于表示在指定位置选择多个未明确指出的维度。在这个上下文中，…意味着“选择所有前面的维度”，而::-1是一个切片操作，表示“从末尾开始到开头，步长为-1”，即反转当前维度的元素顺序。

假设我们有一个形状为(3, 4, 3)的三维NumPy数组，代表三个颜色通道（RGB）的图像批次，每个图像的大小为4x3像素。如果我们想要将每个图像的RGB通道顺序更改为BGR，我们可以使用arr[…, ::-1]来实现这一点。

python
import numpy as np  # 创建一个形状为(3, 4, 3)的随机数组，模拟RGB图像批次  
arr = np.random.randint(0, 256, size=(3, 4, 3), dtype=np.uint8)  # 打印原始数组的形状和一部分内容  
print("Original shape:", arr.shape)  
print("Original array (first image):\n", arr[0])  # 使用arr[..., ::-1]反转最后一个维度（颜色通道）  
arr_bgr = arr[..., ::-1]  # 打印反转后数组的形状和一部分内容  
print("Modified shape:", arr_bgr.shape)  # 形状保持不变  
print("Modified array (first image, now in BGR):\n", arr_bgr[0])

在这个例子中，arr[…, ::-1]会保持数组的形状不变（因为我们只反转了最后一个维度），但是会改变最后一个维度的元素顺序，从而将RGB通道更改为BGR通道。

这种操作在处理图像数据时非常有用，因为不同的图像处理库和框架可能期望不同的颜色通道顺序。例如，OpenCV默认使用BGR顺序，而PIL（Python Imaging Library）和matplotlib则使用RGB顺序。

五、 yield

在Python中，yield 关键字用于从函数中返回一个生成器（generator）。生成器是一个可以记住上一次返回位置的对象，并在下一次迭代时从该位置继续执行。这使得它们非常适合用于需要逐个处理大量数据的场景，因为它们可以按需生成数据，从而节省内存。

当你调用一个包含 yield 的函数时，该函数不会立即执行其代码，而是返回一个迭代器（即生成器）。然后，你可以通过迭代这个生成器来逐步执行函数中的代码。每次迭代时，yield 语句会“暂停”函数的执行，并返回紧随其后的值给迭代器的调用者。当迭代器再次请求下一个值时，函数会从上次暂停的位置继续执行，直到遇到下一个 yield 语句或函数结束。
下面是一个简单的使用 yield 的例子，该函数生成一个斐波那契数列（Fibonacci sequence）：

python
def fibonacci(n):  a, b = 0, 1  count = 0  while count < n:  yield a  a, b = b, a + b  count += 1  
for num in fibonacci(10):  print(num)

在这个例子中，fibonacci 函数是一个生成器函数，它使用 yield 来逐个返回斐波那契数列中的数。当我们使用 for 循环迭代 fibonacci(10) 时，函数会在每次迭代时执行到下一个 yield 语句，并返回当前的 a 值。当函数内部的状态（即 a 和 b 的值以及 count）被保存起来，并在下一次迭代时恢复，直到生成了 n 个数为止。
注意事项：
使用 yield 的函数会返回一个生成器对象，而不是一次性返回所有值。
生成器只能迭代一次。一旦生成器迭代完成，它就不能再次从头开始迭代。
生成器非常适合用于实现迭代器协议，因为它们提供了惰性求值（lazy evaluation）的能力，即只有在需要时才计算值。
在生成器中，return 语句会立即停止迭代，但可以通过 return 语句返回一个值给迭代器的 StopIteration 异常（在Python 3.3及以后版本中，如果生成器因为 return 语句而终止，则 return 语句后的值（如果有的话）会被用作 StopIteration 异常的 value 属性）。如果生成器中没有 return 语句，或者 return 语句没有值，则迭代会在自然结束时停止。

六、 string.join()

在Python中，string.join() 方法用于将序列（如列表、元组）中的元素以指定的字符连接生成一个新的字符串。

separator = ', '  
sequence = ['apple', 'banana', 'cherry']  
result = separator.join(sequence)  
print(result)  # 输出: apple, banana, cherry

七、 numpy.random.choice()

np.random.choice 是 NumPy 库中的一个函数，用于从给定的一维数组中随机抽取元素。这个函数非常灵活，允许你指定抽取元素的数量、是否允许替换（即重复抽取同一元素）以及根据给定的概率分布进行抽取。

numpy.random.choice(a, size=None, replace=True, p=None)

参数：
a：一维数组或整数。如果是一维数组，则从该数组中抽取元素；如果是整数，则在该整数的范围内（0 到 a-1）抽取整数。
size：整数或整数元组。表示输出的形状。如果给定，则输出数组的形状将是 size，否则输出一个元素或一个数组（如果 replace=False 且 a 的长度小于 size，则可能引发错误）。
replace：布尔值。如果为 True，则从数组中随机抽取元素，允许替换（即可以重复抽取同一元素）。如果为 False，则进行不放回抽样。
p：一维数组。与 a 的长度相同，表示从 a 中抽取每个元素的概率。这些概率不需要归一化，因为 np.random.choice 会自动进行归一化。但是，如果 p 的总和不为 1（在浮点数精度范围内），则会引发警告。
返回值是一个数组，其形状由 size 参数指定，包含了从 a 中根据 p（如果提供）指定的概率分布随机抽取的元素。