摘要：
1.a[::-1]翻转设有一个元组或者列表a=b=[1,2,3,4]则a[::-1]和b[::-1]的含义是将元组或列表的内容翻转a[::-1]#结果为b[::-1]#结果为[4,3,2,1]注意和a[:-1]的区别a[:-1]表示从元组中切片，默认从第一个元素开始，到倒数第一个元素前面的那个元素为止a[:-1]#结果为b[:-1]#结果为[1,2,3]列表赋值y=x相当于指针传递；y=x[:]相当于值传递˃˃˃a=[1,2,3,4,5,6,7,8,9]˃˃˃print[1,3,5,7,9]2.Python中a和a[:]有什么区别?
1. a[::-1]翻转
设有一个元组或者列表
a = (1,2,3,4)
b = [1,2,3,4]则a[::-1]和b[::-1]的含义是将元组或列表的内容翻转
a[::-1] #结果为(4,3,2,1)
b[::-1] #结果为[4,3,2,1]注意和a[:-1]的区别
a[:-1]表示从元组中切片，默认从第一个元素开始，到倒数第一个元素前面的那个元素为止
a[:-1] #结果为(1,2,3) b[:-1] #结果为[1,2,3]
列表赋值y = x 相当于 指针传递；y = x[:]相当于 值传递
>>> a=[1,2,3,4,5,6,7,8,9] >>> print(a[::2]) [1, 3, 5, 7, 9]
2.Python中a和a[:]有什么区别?
[]是引用 传址调用
[:] 是复制 传值调用
发现用b=a[:], 再给b赋值, 不会影响a; 直接给a[:]赋值却会影响a
a=5 b=a print(a,b) b=3 print(a,b) a=6 print(a,b) 5 5 5 3 6 3 c=[1,2,3,4] d=c print(c,d) c[0]=5 print(c,d) d[0]=6 print(c,d) [1, 2, 3, 4] [1, 2, 3, 4] [5, 2, 3, 4] [5, 2, 3, 4] [6, 2, 3, 4] [6, 2, 3, 4] c=[1,2,3,4] d=c[:] print(c,d) c[0]=5 print(c,d) d[0]=6 print(c,d) [1, 2, 3, 4] [1, 2, 3, 4] [5, 2, 3, 4] [1, 2, 3, 4] [5, 2, 3, 4] [6, 2, 3, 4] c=[1,2,[1,2,3],3,4] d=c[:] #没有限制条件的分片表达式（L[:]）能够复制序列，但此法只能浅层复制; 在有嵌套情况跟着一起变化 print(c,d) c[0]=5 c[2][0]=7 print(c,d) d[0]=6 print(c,d) [1, 2, [1, 2, 3], 3, 4] [1, 2, [1, 2, 3], 3, 4] [5, 2, [7, 2, 3], 3, 4] [1, 2, [7, 2, 3], 3, 4] [5, 2, [7, 2, 3], 3, 4] [6, 2, [7, 2, 3], 3, 4] importcopy c=[1,2,3,4] d=copy.deepcopy(c) print(c,d) c[0]=5 print(c,d) d[0]=6 print(c,d) [1, 2, 3, 4] [1, 2, 3, 4] [5, 2, 3, 4] [1, 2, 3, 4] [5, 2, 3, 4] [6, 2, 3, 4] a = [0, [1, 2], 3] b =a[:] a[0] = 8 a[1][1] = 9 print(a,b) [8, [1, 9], 3] [0, [1, 9], 3] importcopy a = [0, [1, 2], 3] b =copy.deepcopy(a) a[0] = 8 a[1][1] = 9 print(a,b) [8, [1, 9], 3] [0, [1, 2], 3]
3.Python中flatten,matrix.A用法
一、用在数组- >>>a=[[1,3],[2,4],[3,5]]
- >>>a=array(a)
- >>>a.flatten()
- array([1,3,2,4,3,5])
如果直接用flatten函数会出错
- >>>a=[[1,3],[2,4],[3,5]]
- >>>a.flatten()
- Traceback(mostrecentcalllast):
- File"<pyshell#10>",line1,in<module>
- a.flatten()
- AttributeError:'list'objecthasnoattribute'flatten'
正确的用法
- >>>a=[[1,3],[2,4],[3,5],["abc","def"]]
- >>>a1=[yforxinaforyinx]
- >>>a1
- [1,3,2,4,3,5,'abc','def']
或者（不理解）
- >>>a=[[1,3],[2,4],[3,5],["abc","def"]]
- >>>flatten=lambdax:[yforlinxforyinflatten(l)]iftype(x)islistelse[x]
- >>>flatten(a)
- [1,3,2,4,3,5,'abc','def']
- >>>a=[[1,3],[2,4],[3,5]]
- >>>a=mat(a)
- >>>y=a.flatten()
- >>>y
- matrix([[1,3,2,4,3,5]])
- >>>y=a.flatten().A
- >>>y
- array([[1,3,2,4,3,5]])
- >>>shape(y)
- (1,6)
- >>>shape(y[0])
- (6,)
- >>>y=a.flatten().A[0]
- >>>y
- array([1,3,2,4,3,5])
4.numpy.ravel() vs numpy.flatten()
首先声明两者所要实现的功能是一致的（将多维数组降位一维），两者的区别在于返回拷贝（copy）还是返回视图（view），numpy.flatten()返回一份拷贝，对拷贝所做的修改不会影响（reflects）原始矩阵，而numpy.ravel()返回的是视图（view，也颇有几分C/C++引用reference的意味），会影响（reflects）原始矩阵。
1. 两者的功能
>>> x = np.array([[1, 2], [3, 4]])
>>> x
array([[1, 2],
[3, 4]])
>>> x.flatten()
array([1, 2, 3, 4])
>>> x.ravel()
array([1, 2, 3, 4])
两者默认均是行序优先
>>> x.flatten('F')
array([1, 3, 2, 4])
>>> x.ravel('F')
array([1, 3, 2, 4])
>>> x.reshape(-1)
array([1, 2, 3, 4])
>>> x.T.reshape(-1)
array([1, 3, 2, 4])2. 两者的区别
>>> x = np.array([[1, 2], [3, 4]])
>>> x.flatten()[1] = 100
>>> x
array([[1, 2],
[3, 4]]) # flatten：返回的是拷贝
>>> x.ravel()[1] = 100
>>> x
array([[ 1, 100],
[ 3, 4]])
python-numpy的基本用法02
数组的轴对换
#coding:utf-8
import numpy as np
arr = np.arange(15).reshape(3, 5)
print arr
print arr.T #转制
print np.dot(arr, arr.T) #矩阵乘法
print '*' * 50
arr = np.arange(16).reshape((2,2,4))
# [[[ 0 1 2 3]
# [ 4 5 6 7]]
#
# [[ 8 9 10 11]
# [12 13 14 15]]]
print arr[0] #二维数组
# [[0 1 2 3]
# [4 5 6 7]]
print arr[0][0] #[0 1 2 3]
print arr[0, 0] #[0 1 2 3]
print arr[[0],[0]] #[[0 1 2 3]]
print arr[0][0][0] #0
print arr.transpose((1,0,2))
# - a[0][0] = [0, 1, 2, 3]
# - a[0][1] = [4, 5, 6, 7]
# - a[1][0] = [8, 9, 10, 11]
# - a[1][1] = [12, 13, 14, 15]
# transpose的参数为坐标，正常顺序为(0, 1, 2, ... , n - 1)，
# 现在传入的为(1, 0, 2)代表a[x][y][z] = a[y][x][z]，第0个和第1个坐标互换。
# - a'[0][0] = a[0][0] = [0, 1, 2, 3]
# - a'[0][1] = a[1][0] = [8, 9, 10, 11]
# - a'[1][0] = a[0][1] = [4, 5, 6, 7]
# - a'[1][1] = a[1][1] = [12, 13, 14, 15]
# so,
# a'=
# [[[ 0 1 2 3]
# [ 8 9 10 11]]
#
# [[ 4 5 6 7]
# [12 13 14 15]]]
- 数组和元组之间的区别：数组内容是可以被修改的，而元组内容是只读的。
- Python自带的数据结构分为可变的和不可变的。可变的有：数组、集合、字典；不可变的有：字符串、元组、数。
1、python遍历文件夹
首先介绍python下的 glob 模块：可以很方便的在进行图像批处理时遍历文件夹下所有图像。
#coding:utf-8
import glob as gb #导入glob模块
import cv2
# 返回该路径下所有的 jpg 文件的路径
img_path = gb.glob("/Users/steven/PycharmProjects/AI/RPN/*.jpg")
for path in img_path：
img = cv2.imread(path)
# 处理图像
cv2.imshow("img", img)
cv2.waitKey(1000)
这样就实现了文件夹下指定类型文件的遍历。但仅仅实现遍历功能一般并不能满足我们的要求，我们可能需要对一个文件夹下的图像批进行处理，再将处理后的图像按照原来的名称保存在另一个文件夹下，这时我们就需要用到分离文件目录的操、文件名、文件后缀的操作。
2、文件目录、文件名及文件后缀的分离及合并
在python下对文件目录和文件名进行分离和合并，可以借助 os 模块来轻松搞定。
#文件目录、文件名及文件后缀的分离
import os
file_path = "/Users/steven/PycharmProjects/AI/RPN/3425581_0.jpg"
(filepath,tempfilename) = os.path.split(file_path)
(filename,extension) = os.path.splitext(tempfilename)
filepath：文件的目录，即 /Users/steven/PycharmProjects/AI/RPN/
tempfilename：文件的全名，即 3425581_0.jpg
filename：文件的名字，即 3425581_0
extension：文件的扩展名，即 .jpg
#文件目录及文件名的合并
import os
img_savepath = "/Users/steven/PycharmProjects/AI/RPN/ROIS"
savepath = os.path.join(img_savepath, tempfilename)
savepath：处理后文件保存的完整路径
img_ savepath：处理后文件保存的目录文件夹名称
tempfilename：待保存的文件的全名
f-strings
要使用f-strings，只需在字符串前加上f，语法格式如下：
f ' <text> { <expression> <optional !s, !r, or !a> <optional : format specifier> } <text> ... '
基本用法
>>> name = "Tom"
>>> age = 3
>>> f"His name is {name}, he's {age} years old."
>>> "His name is Tom, he's 3 years old."
支持表达式
# 数学运算
>>> f'He will be { age+1 } years old next year.'
>>> 'He will be 4 years old next year.'
# 对象操作
>>> spurs = {"Guard": "Parker", "Forward": "Duncan"}
>>> f"The {len(spurs)} players are: {spurs['Guard']} the guard, and {spurs['Forward']} the forward."
>>> 'The 2 players are: Parker the guard, and Duncan the forward.'
>>> f'Numbers from 1-10 are {[_ for _ in range(1, 11)]}'
>>> 'Numbers from 1-10 are [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]'
原始字符串操作符( r/R )
是为了对付那些在字符串中出现的特殊字符(下面的小节会介绍这些特殊字符)。在原始字符串里，所有的字符都是直接按照字面的意思来使用，没有转义特殊或不能打印的字符。
除了原始字符串符号(引号前面的字母"r")以外,原始字符串跟普通字符串有着几乎完全相同的语法. 这个'r'可以是小写也可以是大写，唯一的要求是必须紧靠在第一个引号前.