python 笔记 - 技术栈

文章目录

pdb
import
- [import 用法](#import 用法)
numpy
range
- 生成连续序列
- 生成不连续序列
print
- [print 格式化输出](#print 格式化输出)
- 格式化浮点数
- 打印格式化浮点数
字典
- 定义
- 初始化

pdb

pdb开始调试python

powershell 复制代码

python -m pdb 源程序.py

pdb设置断点

linenumber是断点所在行数

powershell 复制代码

break linenumber
b linenumber

取消断点

powershell 复制代码

clear linenumber

单步执行

n(ext)

进入到函数的内部

s(tep)

执行到下一个断点或程序结束

c(ontinue)

调用栈查看命令

w(here)

查看当前函数调用堆栈

向上一层函数查看调用堆栈

down

查看源代码

ll 查看当前函数的源代码

import

import 用法

导入整个模块。基本的import语句用于导入整个模块，可以使用模块名直接访问模块中的内容。例如，import math后可以使用math.sqrt()或math.fabs()等函数。
为模块指定别名。使用as关键字可以为导入的模块指定别名，例如import math as m，然后可以使用m.sqrt()代替math.sqrt()。
导入模块中的特定成员。使用from...import...语句可以导入模块中的特定函数、变量或类，例如from math import sqrt，这样可以直接使用sqrt()函数，而不需要通过模块名前缀。
导入模块中的所有内容。from...import *语句用于导入模块中的所有函数、类和变量，这样可以直接使用这些内容，而无需通过模块名前缀。但这种方法可能导致命名冲突，因此不推荐在大型项目中使用。
- 导入包中的模块。可以使用点模块名来导入包中的模块，例如import os或import math

numpy

导入numpy模块

python 复制代码

import numpy as np #导入numpy并设置别名

numpy常用函数

np.argmax

python 复制代码

import numpy as np
a = np.arange(6).reshape(2,3)
print('a数组：\n{}'.format(a))
print('a数组中最大值的索引：{}'.format(np.argmax(a)))
print('a数组沿列方向最大值的索引：{}'.format(np.argmax(a, axis=0)))
print('a数组沿行方向最大值的索引：{}'.format(np.argmax(a, axis=1)))
b = np.arange(6)
b[1] = 5
print('b数组：\n{}'.format(b))
print('b数组最大值的索引：{}'.format(np.argmax(b)))  # 仅仅返回5第一次出现的位置

a数组：

[[0 1 2]

[3 4 5]]

a数组中最大值的索引：5

a数组沿列方向最大值的索引：[1 1 1]

a数组沿行方向最大值的索引：[2 2]

b数组：

[0 5 2 3 4 5]

b数组最大值的索引：1

np.sum

不传参数是对所有函数求和
传axis(看懂了一点，以后要用的时候再看看)
添加链接描述

range

生成连续序列

python 复制代码

for i in range(start,end): #start 到 end-1间隔为1 的序列

生成不连续序列

python 复制代码

for i in range(start,end，interval): #start 到 end-1间隔为interval 的序列

print

print 格式化输出

python 复制代码

name = 'Alice'
age = 25
print("My name is %s and I am %d years old." % (name,age))

格式化浮点数

打印格式化浮点数

python 复制代码

print('%10.3f' % 3.1415926)

字典

定义

和C++的map差不多，都是保存键值对

初始化

空字典

python 复制代码

network = {}

赋值

python 复制代码

#法一
network = {'W1':np.array([[0.1,0.3,0.5],[0.2,0.4,0.6] ]) }
#法二
network['W1'] = np.array([[0.1,0.3,0.5],[0.2,0.4,0.6]])