自用python 小技巧 （持續更新……）

1. zip()

可以一次性迭代兩個List，zip的作用是生成一個tuple的zip對象，迭代結果可以表示爲list(zip(a,b)) = [(0, 10),(1,11),(2,12).....]

a = [x for x in range(10)]
b = [x for x in range(10,20)]
for a_, b_ in zip(a,b)
    print(a_+b_)

2.eval()

eval自動識別str格式並轉換成相應的對象，假如把一個str保存到文件，例如 str1=‘[1,2,3,4,]’

使用eval就能自動把str轉換成List =eval=(str1)=[1,2,3,4]

3.csv數據讀取技巧

在python3使用read_csv的時候，如果傳入的參數不是文件名而是文件的路徑，就會報這個錯。

原因應該是這個庫的問題，解決方法是，先切換到這個目錄，然後傳文件名作爲參數。

出錯代碼：

‘’‘python’

import pandas as pd
import os

trainFile = "F:/Projects/Python/coursera/intro-to-data-science/kaggle/data/train.csv"

pwd = os.getcwd()
os.chdir(os.path.dirname(trainFile))
trainData = pd.read_csv(os.path.basename(trainFile))
os.chdir(pwd)

4.numpy矩陣操作

一維矩陣np.array[]矩陣轉置等於其本身，
一維矩陣np.array[]矩陣可以正常轉置 .T即可
注意np.ones(1,2) = array[[1, 2]]，np.ones(2) = array[1, 2]

5.list拼接：

1> L1 + L2

2>L1.extend(L2)

3> L1[len(L1):len(L1)]=L2

6.注意python賦值！一定要正確！兩個list不能直接使用a=b這樣會導致a==b，指向同一片內存

1、切片操作：b = a[:]   或者 b = [each for each in a]

2、工廠函數：b = list(a)

3、copy函數：b = copy.copy(a)

7.python調用list的時候需要指示第幾個list，使用enumerate

for i,j in enumerate([x for x in range(5)]):

    print(i*j)：：：0 1 4 9 16

8.三維矩陣展開二維矩陣

a = np.arange(24).reshape(2,3,4)

a
Out[43]: 
array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]],

       [[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]]])

a.reshape(2, -1)    -1的意思是不管多少，展開完爲止
Out[44]: 
array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23]])

9.urllib.request.urlretrieve下載文件

首先定義一個回顯函數

defcallbackfunc(blocknum, blocksize, totalsize):

pass

urllib.request.urlretrieve(url, localname, callbackfunc)

10.sorted中的key

dict = {'the':10, 'abc':10}

sorted(dict.items, key = lambda x : (x[1], x[0]) 首先按照 數字排序，數字一樣的再按照字母排序

11. 獲取當前路徑，和當前路徑的所有文件

print ("os.getcwd()=%s" % os.getcwd())
print ("sys.path[0]=%s" % sys.path[0])
print ("sys.argv[0]=%s" % sys.argv[0])

---》"G:\work"    "G:\work"   "G:\work\xxxx.py"

第二個第三個在console中不適中。

獲取路徑中的文件已經文件夾

for root, dirs, files in os.walk(file_dir): 每次迭代對應的是一個tuple（root，dirs files）

獲取文件夾 os.listdir()

12.使用setup.py install 安裝的文件卸載問題

To record a list of installed files, you can use:

python setup.py install --record files.txt
Once you want to uninstall you can use xargs to do the removal:

cat files.txt | xargs rm -rf
Or if you're running Windows, use Powershell:

Get-Content files.txt | ForEach-Object {Remove-Item $_ -Recurse -Force}

非常有效！！！

13.有關conda

命令行輸入 
conda install -c anaconda anaconda-navigator=1.6.2 
conda update conda 
conda update anaconda 
conda update --all
conda update 

用來更新……

14. tensorflow變量重用問題

通過共享 變量作用域(variable_scope) 來實現 共享變量 。在重複使用（即 非第一次使用）時，設置 reuse=True 來 再次調用 該共享變量作用域（variable_scope）。主要有兩種方法進行reuse。

注意！：定義變量時使用tf.Variable() 定義的變量均不能共享，必須使用tf.get_variable()纔可進行共享！使用高級api（不用自己定義變量自動生成）的時候默認使用的後者，能夠進行共享！

方法一：

使用 tf.Variable_scope(..., reuse=tf.AUTO_REUSE)。

def net(...):
    with tf.variable_scope('this scope', reuse=tf.AUTO_REUSE):    ### 改動部分 ###
        w1 = tf.get_variable(name='w1', initilizer=0......)


x = tf.placeholder(...)
x1 = tf.placeholder(...) 
D_logits = net(x)
G_logits = net(x1)#這時net裏面的變量都是共享的，
variables = tf.trainable_variables()
print([var.name for var in variables])
#只有一個w1變量

方法二：

使用 if reuse:
            tf.get_variable_scope().reuse_variables()scope(..., reuse=tf.AUTO_REUSE)。

def net(...):
    with tf.variable_scope('this scope', reuse=tf.AUTO_REUSE):    ### 改動部分 ###   
        if reuse:
            tf.get_variable_scope().reuse_variables()
        w1 = tf.get_variable(name='w1', initilizer=0......)

x = tf.placeholder(...)
x1 = tf.placeholder(...) 
D_logits = net(x)
G_logits = net(x1)
variables = tf.trainable_variables()
print([var.name for var in variables])
#只有一個w1變量

15.dlib庫編譯安裝問題

使用vs2015，記得安裝vs裏面的vc++  sdk8.1（這倆是在一起的）其他的不用過多勾選，安裝好以後編譯即可。