忘了Python關鍵語句？這份備忘錄拯救你的記憶
ofollow,noindex" target="_blank">思源 原創
Laurent Pointal 作者 思源、劉曉坤 整理 perso 選自
忘了Python關鍵語句？這份備忘錄拯救你的記憶
今天要介紹的 Python 3 Cheat Sheet 由法國國家科學研究中心（CNRS）的法國機械工程與資訊科技實驗室（LIMSI）的工程師 Laurent Pointal 總結。這個簡單的 Cheat Sheet 專注於從演算法/程式設計開始所必需的語言部分，提供了學生入門所需的一般資訊。注意：它不涉及面向物件的程式設計。
Python 3 Cheat Sheet 一共包含兩頁，分成了多個框圖，涉及基本的 Python 資料結構、數學運算、條件和迴圈語句、檔案讀寫，以及異常值處理等。在每個框圖中，右上角是型別名稱，藍色和紅色字型是該型別包含的關鍵字，綠色字型是示例，黑色斜體字提供更詳細的資訊。
-
pdf 地址：https://perso.limsi.fr/pointal/_media/python:cours:mementopython3-english.pdf
-
專案地址：https://perso.limsi.fr/pointal/python:memento
Python3 的基本資料型別和資料結構型別：
資料型別：整型（int）、浮點型（float）、布林型（bool）、字串（str）、二進位制位元組序列數（含二進位制數、八進位制數、十六進位制數，bytes）等。
資料結構型別包含有序序列和鍵值容器。有序序列包含列表、元組和字串等，其中列表和元組的重要區別是前者可變，後者不可變，列表主要用於儲存同構資料，元組主要用於儲存異構資料；鍵值容器沒有預先設定順序，可以通過訪問鍵快速查詢值，包含字典、集合等。
識別符號：用於代表變數、函式、模組、類等的名稱。注意儘量避免使用讀音符號，不要使用 Python3 中的關鍵字，Python3 的識別符號是區分大小寫的，框圖中分別列出了允許和不允許的識別符號示例。
變數賦值：賦值也就是為變數賦予具體的值，等號左側是變數名，右側是值。如果右側存在變數，可以看成是函式；可以將同一個值賦予多個變數；可以將多個值分別賦予多個變數；可以交換兩個變數的值；可以用於表示迴圈語句，等。
型別轉換：將資料從某一個數據型別轉換為另一個數據型別，或將某一個數據結構轉換為另一個數據結構。可以將表示式總結為 type(expression)，其中 type 是目標轉換型別，expression 是要轉換的資料或資料結構。此外，也可以用更具體的句式轉換列表的格式，或者對列表中的每個資料同時轉換資料型別。
序列容器索引：用於列表、元組、字串、bytes 的資料排序。可以使用正索引，也可以使用負索引。定義了索引之後，可以方便地對容器的資料進行訪問、賦值（可變數）等操作，資料訪問/賦值可以用於單個數據，也可以用於多個數據，並能指定間隔、順序/倒序等。
第一頁剩餘部分還包括：布林邏輯、宣告的模組結構、模組匯入操作、數學運算、條件宣告語句結構以及異常案例處理語句。
迴圈語句是程式語言中最核心的語句之一，如下在第二頁所示在 Python 中主要有 while 迴圈與 for 迴圈。其中 While 迴圈需要一個「迴圈條件」，如果它為真，則繼續迭代。而對於 For 循，我們可以把變數「var」應用需要迴圈的程式碼塊中，「for」語句會迭代地從 seqence 中抽取它。注意這兩個迴圈還會有控制語句，即立即從迴圈體跳出的 break 命令和跳過當前迴圈剩餘語句並進入下一個迴圈的 continue 語句。
注意 for 迴圈需要可迭代目標，即列表、元組和字串等，只有這樣才能從它們中抽取元素。此外，for ... in range() 語句可以通過數值進行迭代，例如從 0 增加到 9 等。在上圖還展示了 print() 函式和 input() 函式，其中 print() 函式可以列印字串、變數和表示式。
Python 提供了非常多的內嵌運算函式，包括對數值變數的運算和各種資料結構的操作。如下展示了對列表、字典、集合和一般資料結構的操作方法，後面還繼續展示了字串或元組的操作。例如在一般資料結構的操作中，len() 函式可能是最常見的方法，它可以用來統計不同資料結構中元素的數量。例如如果一個列表中儲存了所有神經元的輸出值，那麼我們可以使用 len() 統計神經元的數量，並用 for 迴圈依次訪問不同的神經元。
後面的列表、字典和集合操作都非常重要，它們在機器學習及一般程式設計中都十分常見。例如在列表運算中，append() 方法會在列表的尾部新增新的元素，extend() 方法會將另外一個序列新增到列表的末尾，而 pop() 方法會移除列表中的一個元素（預設最後一個元素），並且返回該元素的值。列表資料結構還有其它很多方法，包括移除 remove()、排序 sort() 和統計 count() 等。
除了列表外，字典是另外一種很重要的資料結構，如果我們需要迭代地給神經網路不同層級的引數命名，那麼很可能就需要藉助字典資料結構。通過字典，我們可以使用數值型、字元型或其它型別的索引。字典的每個鍵值 (key=>value) 對用冒號 (:) 分割，每個對之間用逗號 (,) 分割，整個字典包括在花括號 ({}) 中。
字典同樣也有非常多的方法，如上所示刪除字典內所有元素的 clear() 方法、以列表返回可遍歷的（鍵，值）元組的 items() 方法，以及把字典 d2 的鍵/值對更新到 d 裡面的 update(d2) 方法。
下面備忘錄中最重要的就是函式的定義和呼叫了，這在大多數程式語言中都是很核心的模組。函式的定義與呼叫都非常簡單，這張表也只是展示了基本概念。此外，在這一張備忘錄中，它並沒有介紹類與例項等面向物件的程式設計方法。
最後是檔案讀寫、字串操作與字串的格式化操作。其中檔案讀寫在讀寫資料中是很常用的，當然我們也可以用 Pandas 等庫實現更高效的讀寫方法。在對檔案進行處理過程中，open() 方法用於開啟一個檔案，並返回檔案物件，如果該檔案無法被開啟，會丟擲 OSError。開啟檔案並執行某些操作後，一般我們都需要使用 write() 方法將字串寫入檔案。每次開啟一個檔案，並完成讀寫後，我們必須使用 close() 關閉檔案。
最後，兩頁完整的 Pyhon 3 備忘錄展示如下，如果需要更清晰的 PDF 版，讀者可點選「閱讀原文」查閱。 
入門 Python
相關資料
Neural Network
（人工）神經網路是一種起源於 20 世紀 50 年代的監督式機器學習模型，那時候研究者構想了「感知器（perceptron）」的想法。這一領域的研究者通常被稱為「聯結主義者（Connectionist）」，因為這種模型模擬了人腦的功能。神經網路模型通常是通過反向傳播演算法應用梯度下降訓練的。目前神經網路有兩大主要型別，它們都是前饋神經網路：卷積神經網路（CNN）和迴圈神經網路（RNN），其中 RNN 又包含長短期記憶（LSTM）、門控迴圈單元（GRU）等等。深度學習是一種主要應用於神經網路幫助其取得更好結果的技術。儘管神經網路主要用於監督學習，但也有一些為無監督學習設計的變體，比如自動編碼器和生成對抗網路（GAN）。
來源：機器之心
Machine Learning
機器學習是人工智慧的一個分支，是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、計算複雜性理論等多門學科。機器學習理論主要是設計和分析一些讓計算機可以自動“學習”的演算法。因為學習演算法中涉及了大量的統計學理論，機器學習與推斷統計學聯絡尤為密切，也被稱為統計學習理論。演算法設計方面，機器學習理論關注可以實現的，行之有效的學習演算法。
來源：Mitchell, T. (1997). Machine Learning. McGraw Hill.
neurons
（人工）神經元是一個類比於生物神經元的數學計算模型，是神經網路的基本組成單元。 對於生物神經網路，每個神經元與其他神經元相連，當它“興奮”時會向相連的神經元傳送化學物質，從而改變這些神經元的電位；神經元的“興奮”由其電位決定，當它的電位超過一個“閾值”（threshold）便會被啟用，亦即“興奮”。 目前最常見的神經元模型是基於1943年 Warren McCulloch 和 Walter Pitts提出的“M-P 神經元模型”。 在這個模型中，神經元通過帶權重的連線接處理來自n個其他神經元的輸入訊號，其總輸入值將與神經元的閾值進行比較，最後通過“啟用函式”（activation function）產生神經元的輸出。
來源： Overview of Artificial Neural Networks and its Applications. (2018). medium.com.
機器之心編輯
推薦文章
