基本变量与运算
- 整数：
1、0xff00、int('123')、int(1.23) - 浮点数：
1.23、1.23e2、1.2e-5、float('1.23') - 字符串：
'abc'、str(123)、str(1.23) - 布尔值、运算符、布尔表达式：
True、False，and、or、not，3 > 2 - 变量（类型不固定，因此无需定义类型）：
a = 1,a = 'abc'
vi. 精确除：/，例如10 / 3的结果为3.33333333…
vii. 整数除：//，例如10 // 3的结果为3
viii. 格式化字符串：'Age: %s. Gender: %s' % (25, True)
ix. 条件判断：（注意python是用缩进来代替{}的，注意判断语句后的冒号）
if a == 0:
print("a == 0")
elif a == 1:
print("a == 1")
else:
print("a is not 0 or 1")
x. 循环：可以用break和continue。
- for循环，数组迭代。
for x in [1,2,3]:
print("x = ", x)
- for循环，range迭代。用range(N)生成0 ~ N - 1的整数序列
for x in range(5):
print("x = ", x)
- while循环。
x = 0
while x < 3:
x += 1
常用容器类型
list
- 说明：list也就是常用的数组/链表，数据按顺序存储。
- 定义：
s = ['Apple', 123, ['asp', 'php'],True] - 初始化：
s = [0] * 100 - 取出元素：
s[1]、s[2][1]、s[-1]（等价于s[len(s) - 1]） - 计算长度：
len(s) - 追加元素：
s.append('Adam') - 插入：
s.insert(1, 'Jack') - 扩展（追加列表）：
s.extend(ss) - 删除元素：
s.pop(1)，默认不加参数为删除最后一个(index = -1)。 - 排序：
s.sort() - 查找元素序号：
pos = s.index(value) - 切片：
-
s[ :3]（取前3个元素） -
s[1:4]（取1~3共3个元素） -
s[-3: ]（取最后3个元素） -
s[ :10:2]（取前10个元素，每2个取1个，从第一次切片中的0元素开始计数） -
s[::5]（所有元素，每5个取1个，从0元素开始计数） -
s[:]（原样复制一个list） - 备注：tuple和字符串也可以按照如上切片规律操作
-
- Counter：Counter(list)来计算list中的set以及各个元素出现的次数。
tuple
- 说明：tuple也即元组，是一旦初始化就不能修改的list
- 定义：
t = ('Michael', 'Bob', 'Tracy')，特例：定义一个元素的tuple，t = (1, )
set
- 说明：set也即集合，类似于没有重复元素的list
- 定义：
s = set([1, 2, 3])（要创建一个set，需输入一个list以供初始化） - 添加一个元素：
s.add(4) - 删除一个元素：
s.remove(4) - 求两个set的交集、并集：
s1 & s2、s1 | s2
dic
- 说明：dic也即字典，也就是map，通过键值对(key value)存储数据。
- 定义：
d = {'Michael': 95, 'Bob': 75, 'Tracy': 85} - 通过key取value：d['Michael']
- 通过key给value赋值（覆盖value，或者添加键值对）：
d['Bob'] = 67,d['Az'] = 69 - 将dict2添加到dict中：
dict.update(dict2) - 判断元素存在：
'Thomas' in d或者d.get('Thomas', -1) - 删除键值对：
d.pop('Bob') - 遍历key：
for key in dic:，按排序后的key遍历：for i in sorted (dic) :
常用语法
main函数
main函数可以简单认为是python脚本的起始点，但实际在main之前会执行全局代码段，因此实际不用main函数代码也可以执行。
main函数写法如下：
if __name__ == '__main__':
print("hello world!")
说明：__name__变量是一个特殊的内置Python变量，它显示当前模块的名称。如果当前函数对应文件为程序执行文件，则__name__被标记为'__main__'，否则__name__被标记为模块名称，这可以用于区分当前文件是执行文件还是作为模块被导入的文件。通过下述这种方式在python脚本中标记main函数，可以使得main中的代码在程序作为独立脚本时运行，而作为导入模块时不会运行。
定义函数
格式为：def <函数名>(<参数表>): <表达式>
注意对于python而言，不需要分号断句，但对缩进有严格要求。
函数定义举例如下：
def max(a,b):
return a if a > b else b
调用函数
直接调即可：
a = max(1,2)
导入函数
格式为：from <文件名> import <函数名> ，文件名不含.py，例如：
from util import timer
如果想全部导入，可以使用：
from util import *
导入模块
直接用import关键字导入即可，例如：
import sys
import numpy as np
如果运行提示没有安装对应模块，可以使用pip install <package name>来安装。
执行顺序
python程序执行顺序是按照全局代码块到main函数来执行的，因此对于下述代码，执行顺序是：
导入sys模块 -> 执行global变量a初始化赋值 -> 执行global打印 -> 执行main函数 -> 执行test函数 -> 执行变量a赋值
import sys
a = 1
print("global")
def test():
print("test")
if __name__ == '__main__':
print("main")
test()
a = 2
常用第三方库使用方法
numpy
说明：numpy是一个数学库，主要用于数组和矩阵的计算。
- 生成矩阵：
- 生成一维矩阵：
np.array([1,2,3,4])、np.array(range(1,5))、np.arrange(5) - 生成二维矩阵：
np.array([1,2],[3,4])、np.array([1,2,3,4]).reshape(2,2) - 生成零矩阵：
np.zeros(shape=(2,2)) - 生成一矩阵：
np.ones(shape=(2,2)) - 生成n * n的单位矩阵：
np.identity(n)、np.diag([1] * n)、np.eye(n)
- 生成一维矩阵：
- 矩阵最大、最小、平均值：
np.max(img)，np.min(img)，np.mean(img) - 矩阵按值筛选，生成0、1掩膜矩阵：
img < 3.14 - 矩阵变形：
A.reshape(m,n) - 带通截止：
np.clip(img, thresh_low, thresh_high) - 矩阵点乘A·B：
np.dot(A,B)或者A.dot(B)，按位乘Ai*Bi：A * B - 矩阵叉乘AxB：
np.cross(A,B) - 求矩阵的模：
np.linalg.norm(A) - 求矩阵的逆：
np.linalg.inv(img) - 求矩阵的转置：
A.T、A. transpose()
pyplot
说明：pyplot是Matplotlib 的子库，提供了和MATLAB 类似的绘图API，主要用于科学绘图。
- 导入pyplot：
from matplotlib import pyplot as plt - 各种图绘制：
- 散点图：
plt.scatter(x,y, s = 5)，其中x、y为数据对应的list，下同。 - 点线图：
plt.plot(x,y,label='a',color='g',marker='o', linewidth=1, alpha=0.6) - 直方图：
plt.hist(x, color = "g") - 柱状图：
plt.bar(x,y,label='pass',alpha = 0.6,fc = 'c')，可用Counter(origin_list)将一个有原始数据的list转换为统计频度的map，map的key为list中的各数据，也即x，value为出现的次数，也即y。 - 在同一坐标轴中绘制两套数据：以绘制对比柱状图为例，再次调用
plt.bar([x1+0.1 for x1 in x], y, label = 'fail',alpha = 0.6,fc = 'r')，其中x1+0.1是将第二套数据在坐标轴中总体偏移0.1，用于区分两套数据。 - 绘制多个子图：
plt.subplot(NMi)，绘制N行M列的第i张图，例如121指绘制1行2列子图中的第1张图。
- 散点图：
- 图片参数修改：
- 修改图片标题：
plt.title(str) - 调整x、y轴坐标刻度：
plt.xticks(x_label)、plt.yticks(y_label)，其中x_label、y_label为希望标注的刻度值的list。 - 设置x、y轴标题：
plt.xlabel(str)、plt.ylabel(str) - 设置图例：
plt.legend(loc='upper center', shadow=True, fontsize='x-large')，根据plot的label自动设定图例文字。 - 边缘留白：
plt.margins(2, 2) - Subplot间距：
plt.subplots_adjust(top=1, bottom=0, right=1, left=0, hspace=0, wspace=0)，前四个参数为整幅图在画面中的上下左右位置，1代表是100%，hspace和wspace代表副图间隔与单幅图的大小比例。说明见：https://blog.csdn.net/ggt55ng6/article/details/88879689 - 图片大小：
plt.figure(figsize=(60,60)) - 可用
marker标记：
image.png
- 修改图片标题：
OpenCV
说明：OpenCV是一个计算机视觉库，主要用于图像处理。
- 读取图像：
img = cv2.imread(img_dir, cv2.IMREAD_UNCHANGED) - 写出图像：
cv2.imwrite(path, img) - 获取图像宽高与位数：
img.shape、img.dtype - 获取BGRA通道：
b,g,r,a = cv2.split(img) - 合并成新图：
img = cv2.merge((b, g, r, a)) - 缩放：
new_img = cv2.resize(img, (new_w,new_h), fx=x_ratio, fy=y_ratio, interpolation=cv2.INTER_AREA) - Padding：
new_img = cv2.copyMakeBorder(img, pad_top, pad_bottom, pad_left, pad_right, cv2.BORDER_CONSTANT, value=0)
Dataframe
说明：Dataframe是pandas库的一个表格型的数据结构，在对表操作时会用到。
- 生成空的Dataframe：
df = pd.Dataframe() - 从csv中读取：
df = pd.read_csv(file_path,index_col="index") - 列名列表：
df.columns - 行名列表：
df.index - 增加一列：
df[key] = val - 修改列名：
df.rename(columns={'a':'A'}) - 按行列获取数据：
df.loc[index_a, COL_A]，获取index_a行，COL_A列的数据 - 按某一列值获取数据：
df.loc[df[df[key_a] == val_a].index.tolist()[0], key_b]，key_a列为val_a的第一行中，key_b列的值。 - 筛选A列数据并返回筛选后的dataframe：
df [df[COL_A] > val] - 筛选A列数据并返回对应B列的值：
list(df [df[COL_A] > val][COL_B]) - 增加一条数据：
s = pd.Series(list(infoMap.values()),index=infoMap.keys())
df.append(pd.DataFrame({nid:s}).T)
- 去重：
df.drop_duplicates(COL_A) - 删除指定列：
df.drop(columns=[COL_A, COL_B, COL_C])
