【十三】Python中assert的作用？

Python中assert（斷言）用于判斷一個表達式，在表達式條件為$false$的時候觸發異常。

斷言可以在條件不滿足程序運行的情況下直接返回錯誤，而不必等待程序運行后出現崩潰的情況。

Rocky直接舉一些例子：

>>> assert True 
>>> assert False
Traceback (most recent call last):File "<stdin>", line 1, in <module>
AssertionError
>>> assert 1 == 1
>>> assert 1 == 2
Traceback (most recent call last):File "<stdin>", line 1, in <module>
AssertionError
>>> assert 1 != 2

【十四】Python中互換變量有不用創建臨時變量的方法嗎？

在Python中，當我們想要互換兩個變量的值或將列表中的兩個值交換時，我們可以使用如下的格式進行，不需要創建臨時變量：

x, y = y, x

這么做的原理是什么呢？

首先一般情況下Python是從左到右解析一個語句的，但在賦值操作的時候，因為是右值具有更高的計算優先級，所以需要從右向左解析。

對于上面的代碼，它的執行順序如下：

先計算右值$y,x$(這里是簡單的原值，但可能會有表達式或者函數調用的計算過程)， 在內存中創建元組(tuple)，存儲$y,x$分別對應的值；計算左邊的標識符，元組被分別分配給左值，通過解包(unpacking)，元組中第一個標示符對應的值$(y)$，分配給左邊第一個標示符$(x)$，元組中第二個標示符對應的值$(x)$，分配給左邊第二個標示符$(y)$，完成了$x$和$y$的值交換。

【十五】Python中的主要數據結構都有哪些？

1. 列表（list）
2. 元組（tuple）
3. 字典（dict）
4. 集合（set）

【十六】Python中的可變對象和不可變對象？

可變對象與不可變對象的區別在于對象本身是否可變。

可變對象：list（列表） dict（字典） set（集合）

不可變對象：tuple（元組） string（字符串） int（整型） float（浮點型） bool（布爾型）

【十七】Python中的None代表什么？

None是一個特殊的常量，表示空值，其和False，0以及空字符串不同，它是一個特殊Python對象, None的類型是NoneType。

None和任何其他的數據類型比較返回False。

>>> None == 0
False
>>> None == ' '
False
>>> None == None
True
>>> None == False
False

我們可以將None復制給任何變量，也可以給None賦值。

【十八】Python中$?args$和$??kwargs$的區別？

$?args$和$??kwargs$主要用于函數定義。我們可以將不定數量的參數傳遞給一個函數。

這里的不定的意思是：預先并不知道函數使用者會傳遞多少個參數, 所以在這個場景下使用這兩個關鍵字。

$?args$

$?args$是用來發送一個非鍵值對的可變數量的參數列表給一個函數。

我們直接看一個例子：

def test_var_args(f_arg, *argv):print("first normal arg:", f_arg)for arg in argv:print("another arg through *argv:", arg)test_var_args('hello', 'python', 'ddd', 'test')-----------------結果如下-----------------------
first normal arg: hello
another arg through *argv: python
another arg through *argv: ddd
another arg through *argv: test

$??kwargs$

$??kwargs$允許我們將不定長度的鍵值對, 作為參數傳遞給一個函數。如果我們想要在一個函數里處理帶名字的參數, 我們可以使用$??kwargs$。

我們同樣舉一個例子：

def greet_me(**kwargs):for key, value in kwargs.items():print("{0} == {1}".format(key, value))greet_me(name="yasoob")-----------結果如下-------------
name == yasoob

【十九】Python中Numpy的broadcasting機制？

Python的Numpy庫是一個非常實用的數學計算庫，其broadcasting機制給我們的矩陣運算帶來了極大地方便。

我們先看下面的一個例子：

>>> import numpy as np
>>> a = np.array([1,2,3])
>>> a
array([1, 2, 3])
>>> b = np.array([6,6,6])
>>> b
array([6, 6, 6])
>>> c = a + b
>>> c
array([7, 8, 9])

上面的代碼其實就是把數組$a$和數組$b$中同樣位置的每對元素相加。這里$a$和$b$是相同長度的數組。

如果兩個數組的長度不一致，這時候broadcasting就可以發揮作用了。

比如下面的代碼：

>>> d = a + 5
>>> d
array([6, 7, 8])

broadcasting會把$5$擴展成$[5,5,5]$，然后上面的代碼就變成了對兩個同樣長度的數組相加。示意圖如下（broadcasting不會分配額外的內存來存取被復制的數據，這里只是方面描述）：

我們接下來看看多維數組的情況：

>>> e
array([[1., 1., 1.],[1., 1., 1.],[1., 1., 1.]])
>>> e + a
array([[2., 3., 4.],[2., 3., 4.],[2., 3., 4.]])

在這里一維數組被擴展成了二維數組，和$e$的尺寸相同。示意圖如下所示：

我們再來看一個需要對兩個數組都做broadcasting的例子：

>>> b = np.arange(3).reshape((3,1))
>>> b
array([[0],[1],[2]])
>>> b + a
array([[1, 2, 3],[2, 3, 4],[3, 4, 5]])

在這里$a$和$b$都被擴展成相同的尺寸的二維數組。示意圖如下所示：

總結broadcasting的一些規則：

1. 如果兩個數組維數不相等，維數較低的數組的shape進行填充，直到和高維數組的維數匹配。
2. 如果兩個數組維數相同，但某些維度的長度不同，那么長度為1的維度會被擴展，和另一數組的同維度的長度匹配。
3. 如果兩個數組維數相同，但有任一維度的長度不同且不為1，則報錯。

>>> a = np.arange(3)
>>> a
array([0, 1, 2])
>>> b = np.ones((2,3))
>>> b
array([[1., 1., 1.],[1., 1., 1.]])
>>> a.shape
(3,)
>>> a + b
array([[1., 2., 3.],[1., 2., 3.]])

接下來我們看看報錯的例子：

>>> a = np.arange(3)
>>> a
array([0, 1, 2])
>>> b = np.ones((3,2))
>>> b
array([[1., 1.],[1., 1.],[1., 1.]])
>>> a + b
Traceback (most recent call last):File "<stdin>", line 1, in <module>
ValueError: operands could not be broadcast together with shapes (3,) (3,2)

【二十】Python中的實例方法、靜態方法和類方法三者區別？

不用@classmethod和@staticmethod修飾的方法為實例方法。在類中定義的方法默認都是實例方法。實例方法最大的特點是它至少要包含一個self參數，用于綁定調用此方法的實例對象，實例方法通常可以用類對象直接調用。

采用@classmethod修飾的方法為類方法。類方法和實例方法相似，它至少也要包含一個參數，只不過類方法中通常將其命名為cls，Python會自動將類本身綁定給cls參數。我們在調用類方法時，無需顯式為cls參數傳參。

采用@staticmethod修飾的方法為靜態方法。靜態方法沒有類似self、cls這樣的特殊參數，因此Python的解釋器不會對它包含的參數做任何類或對象的綁定。也正因為如此，類的靜態方法中無法調用任何類屬性和類方法。

【二十一】Python中常見的切片操作

[:n]代表列表中的第一項到第n項。我們看一個例子：

example = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]print(example[:6])---------結果---------
[1, 2, 3, 4, 5, 6]

[n:]代表列表中第n+1項到最后一項：

example = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]print(example[6:])---------結果---------
[7, 8, 9, 10]

[-1]代表取列表的最后一個元素：

example = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]print(example[-1])---------結果---------
10

[:-1]代表取除了最后一個元素的所有元素：

example = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]print(example[:-1])---------結果---------
[1, 2, 3, 4, 5, 6, 7, 8, 9]

[::-1]代表取整個列表的相反列表：

example = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]print(example[::-1])---------結果---------
[10, 9, 8, 7, 6, 5, 4, 3, 2, 1]

[1:]代表從第二個元素意指讀取到最后一個元素：

example = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]print(example[1:])---------結果---------
[2, 3, 4, 5, 6, 7, 8, 9, 10]

[4::-1]代表取下標為4（即第五個元素）的元素和之前的元素反轉讀取：

example = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]print(example[4::-1])---------結果---------
[5, 4, 3, 2, 1]

【二十二】Python中如何進行異常處理？

一般情況下，在Python無法正常處理程序時就會發生一個異常。異常在Python中是一個對象，表示一個錯誤。當Python腳本發生異常時我們需要捕獲處理它，否則程序會終止執行。

捕捉異常可以使用try，except和finally語句。

try和except語句用來檢測try語句塊中的錯誤，從而讓except語句捕獲異常信息并處理。

try:6688 / 0
except:'''異常的父類，可以捕獲所有的異常'''print "0不能被除"
else:'''保護不拋出異常的代碼'''print "沒有異常"
finally:print "最后總是要執行我"

【二十三】Python中remove，del以及pop之間的區別？

remove，del以及pop都可以用于刪除列表、字符串等里面的元素，但是具體用法并不相同。

1. remove是剔除第一個匹配的值。
2. del是通過索引來刪除當中的元素。
3. pop是通過索引來刪除當中的元素，并且返回該元素；若括號內不添加索引值，則默認刪除最后一個元素。

>>> a = [0, 1, 2, 1, 3] 
>>> a.remove(1) 
>>> a 
[0, 2, 1, 3] >>> a = [0, 1, 2, 1, 3] 
>>> del a[1] 
[0, 2, 1, 3] >>> a = [0, 1, 2, 1, 3] 
>>> a.pop(1) 
1 
>>> a 
[0, 2, 1, 3] 

文末推薦

內容介紹：
《機器學習平臺架構實戰》詳細闡述了與機器學習平臺架構相關的基本解決方案，主要包括機器學習和機器學習解決方案架構，機器學習的業務用例，機器學習算法，機器學習的數據管理，開源機器學習庫，Kubernetes容器編排基礎設施管理，開源機器學習平臺，使用AWS機器學習服務構建數據科學環境，使用AWS機器學習服務構建企業機器學習架構，高級機器學習工程，機器學習治理、偏差、可解釋性和隱私，使用人工智能服務和機器學習平臺構建機器學習解決方案等內容。此外，本書還提供了相應的示例、代碼，以幫助讀者進一步理解相關方案的實現過程。
當當： https://product.dangdang.com/29625469.html
京東： https://item.jd.com/13855627.html