Python

发表于 更新于

Python基础语法

Python中用缩进来代表代码块，因此需要准确地对齐

Python的变量很自由，除了不能以数字开头，其他都可以，除了一些奇怪的语言，测试过大部分语言的文字都可以作为变量名

字符串

  • Python 中单引号 ‘ 和双引号 “ 使用完全相同。
  • 使用三引号(‘ ‘ ‘ 或 “ “ “)可以指定一个多行字符串。
  • 转义符 \
  • 反斜杠可以用来转义，使用 r 可以让反斜杠不发生转义。 如 r”this is a line with \n” 则 \n 会显示，并不是换行，这时会发现\n的高亮取消
  • 按字面意义级联字符串，如 “this “ “is “ “string” 会被自动转换为 this is string。
  • 字符串可以用 + 运算符连接在一起，用 ***** 运算符重复。
  • Python 中的字符串有两种索引方式，从左往右以 0 开始，从右往左以 -1 开始。
  • Python 中的字符串不能改变，即一旦给定就不能被改变其中的某个字符
  • Python 没有单独的字符类型，一个字符就是长度为 1 的字符串。
  • 字符串的截取的语法格式如下：**变量[头下标:尾下标:步长]**，从左向右是0 ~ n-1，从右向左是-n ~ -1

Python中的变量不需要声明，赋值后即可使用

在运算中，与C不同的是除法和乘方，Python中< / >默认为浮点除法，< // >才是整除。乘方不需要函数，

用< ** >来表示

列表

list列表用[ ]

  • **列表名.append()**：在末尾加入
  • **列表名.insert(位置, )**：在特定位置加入
  • **列表名.pop(元素下标)**：删除某个元素
  • 列表名[被换者下标] = 元素：用一个元素替换列表中的某个元素

tuple元组用( )，元组不可修改（元素中若有列表，则列表内元素可更改），在只有一个元素时，要在括号内加逗号< , >防止被认为是括号运算

dict / set基本用法

  • dict
1
2
3
4
5
6
7
8
d = {'DDD':6 , 32:7 , 6:8}	 # 名字：元素
print(d['DDD'])			    # 名称[key]来查找对应元素
len(d)					   # len函数返回长度
d.get(Key)				   # 当Key不存在时得到 None
d['AAA'] = 10			   # 向dict加入新Key，若已存在则元素替换

for i in d:
    print(i,d[i])		   # 输遍dict的元素

  • set

    相当于一个没有顺序的list，因此用for循环输出时没有固定顺序，加入元素用add()，删除用remove()

Python与OpenCV

注意：以下函数前均要有<cv2.>

  • inRange（a,b,c）：a是要处理的图像，b、c分别为颜色的BGR下限和上限

  • imshow(“窗口名”,对象名称)：展示对应图片且窗口以” “中名字命名

  • imread(对象名称)：读取对象图片(路径)

  • 返回值,轮廓层级 = findContours(image,mode,method)：得到轮廓，mode是轮廓检索模式，method是轮廓近似方法

    mode：有cv2.RETR_EXTERNAL（只检测外轮廓）；

    ​ cv2.RETR_LIST；cv2.RETR_CCOMP；cv2.RETR_TREE（所有轮廓）

    method：有cv2.CHAIN_APPROX_NONE（足够近的点连成线）；cv2.CHAIN_APPROX_SIMPLE（几点框住面）

  • contourArea(对象名)：计算对象面积

  • rectangle(对象名,(x,y),(x+w,y+h),颜色值,线条粗细)：用矩形框住对应的图像

Python与Pytorch

注意：以下函数前均要有<torch.>

  • Tensor：创建数组
  • FloatTensor()：创建浮点型tensor，括号内具体写或写维度
1
a = torch.Tensor([[1, 2, 3], [4, 5, 6]])
  • rand()：随机，0~1的数
  • randn()：正态分布数
  • arange(始,末,步长)：左闭右开区间内以步长取值
  • **zeros(),ones(),eye()**：与MATLAB相同
  • empty()：无初始化的数组
  • mul()：对应元素相乘相当于MATLAB的< .* >
  • mm()：矩阵乘法，直接用< * >是对应元素乘积
  • dot()：向量点乘
  • mv(矩阵,向量)：矩阵与向量乘积
  • div(x,y)：求商

  • 搭建网络

    nn.Linear(输入特征，输出特征)