首页 / PYTHON / 第五节，python基本语法
第五节，python基本语法
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了第五节，python基本语法，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含4380字，纯文字阅读大概需要7分钟。
内容图文
1、类（Class）
Python中的类的概念与其它语言类似，比较特殊的是protected和private在python中没有明确的限制，通常的惯例是用单下划线_表示protected，用双下划线开头__的表示private。
class A:
'''Class A'''
def __init__(self,x,y,name):
self.x=x
self.y=y
self.name=name
def introduce(self):
print(self.name)
def greeting(self):
print("what's up!")
def __12norm(self):
return self.x**2+self.y**2
def cla_12norm(self):
return self.__12norm()
a=A(11,11,'Lenaa')
print(A.__doc__) #打印类解释信息“Class A"
a.introduce()
a.greeting()
print(a.name)
print(a.cla_12norm())
print(a._A__12norm()) #仍然可以访问，只是名字不一样
print(a.__12norm()) #报错，是私有成员
类的初始化使用的是__init__(self,)，所有成员变量都是self的，所以以self.开头。
双下划线开头的变量触发了Python中一种叫做name mangling的机制，其实只是名字变了，仍然可以通过前面加上”_类名“的方式访问
print(a._A__12norm()) #仍然可以访问，只是名字不一样。
Python中的继承非常简单，最基本的继承方式就是定义类的时候把父类放入括号里即可。
class B(A):
"""Class B inheritenced from A"""
def greeting(self):
print("how's going!")
b=B(12,12,'Flauree')
b.introduce()
b.greeting() # how's going!进行了方法覆盖
print(b.name) # 输出新的name___Flauree
2、map、reduce和filter
map 可以用于可遍历结构的每个元素执行同样的操作，批量操作：
y =map(lambda x:x**2,[1,2,3,4]) #[1,4,9,16]
for i in y:
print(i)
map(lambda x,y:x+y,[1,2,3],[5,6,7]) #[6,8,10]
reduce则是对可遍历结构的元素按顺序进行两个输入参数的操作，并且每次的结果保存作为下次操作的第一个输入参数，还没有遍历的元素作为第二个输入参数：
reduce(lambda x,y:x+y,[1,2,3,4]) #((1+2)+3)+4=10
filter根据条件课对遍历结构进行筛选：
filter(lambda x:x%2,[1,2,3,4,5]) #筛选奇数，[1,3,5]
对于filter和map，在python2中返回结果是列表，在Python3中返回的是生成器。
zip()函数：可以把多个列表关联起来，可以按顺序同时输出两个列表对应位置的元素对。
zip()函数不会自动帮助判断两个列表是否长度一样，所以最终结果会以短的列表为准，想要以长的列表为准，可以考虑itertools模块中的izip_longest()函数。
for x in zip([1,2,3],[4,5,6]):
print(sum(x)) # 5，7，9
3、文件操作和pickle
在python中，推荐用上下文管理器（with-as）来打开文件，IO资源的管理更加安全，不用记着给文件执行close()函数，假设有个文件name_age.txt，里面存储着名字和年龄，格式如下：
Tom,8
Jerry,7
Tyke,3
....
# 读取文件内容并全部显示
with open('name_age.txt','r') as f:
lines=f.readlines()
for line in lines:
name,age=line.rstrip().split(',')
print('{} is {} years old.'.format(name,age))
# Tom is 8 years old.
# Jerry is 7 years old.
# Tyke is 3 years old.
open()函数的第一个参数是文件名，第二个参数是模式，文件的模式一般有4种：读取（r)、写入（w）、追加（a）、和读写（r+）。
有时候进行文件操作时希望把对象进行序列化，可以考虑用pickle模块。
import pickle
lines=[
"I'm like a dog chasing cars.",
"I wouldn't know what to do if ..",
"I'd just do things."
]
with open('lines.pkl','wb') as f: #序列化并保存成文件
pickle.dump(lines,f)
with open('lines.pkl','rb')as f: #从文件读取反序列化
lines_back=pickle.load(f)
print(lines_back) #和lines一样
注意：序列化的时候就要使用b模式了。Python2中有个效率更高的pickle脚cPickle，用法和pickle一样，在Python3中就只有一个pickle。
4、异常操作
在深度学习中，尤其是数据准备阶段，常常遇到IO操作，遇到异常的可能性很高，采用异常处理可以保证数据处理的过程中不被中断，并对有异常的情况进行记录。
for filepath in filelist: #filelist是文件路径的列表
try:
with open(filepath,'r') as f:
#执行数据处理的相关工作
print('{} is processed!'.format(filepath))
except IOError:
print('{} with IOError!'.format(filepath))
# 异常的相应处理
5、多进程（multiprocessing)
深度学习中对数据高效处理常常会需要并行，这时多进程就派上了用场。假设在数据准备阶段，有很多文件需要运行一定的预处理，正好有多台核服务器，我们希望把这些文件分成32份，并行处理：
from multiprocessing import Process
def process_data(filelist):
for filepath in filelist:
print('Processing {}...'.format(filepath))
#处理数据
if __name__=='__main__':
#如果是在windows下，需要加上freeze_support()函数
freeze_support()
# full_list包含了要处理的全部文件列表
n_total=len(full_list) #一个远大于32的数
n_processes=32
# 每段子列表的平均长度
length=float(n_total)/float(n_processes)
# 计算下标，尽可能均匀地划分输入文件列表
indices=[int(round(i*length)) for i in range(n_processes+1)]
# 生成每个进程要处理的子文件列表
sublists=[full_list[indices[i]:indices[i+1]]for i in range(n_processes)]
# 生成进程
processes=[Process(target=process_data(),args=(x,))for x in sublists]
# 并行处理
for p in processes:
p.start()
for p in processes:
p.join()
内容总结
以上是互联网集市为您收集整理的第五节，python基本语法全部内容，希望文章能够帮你解决第五节，python基本语法所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。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。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。