penter

python标准库

Python 第三方包索引

导入一个文件

minmax = "/Users/mparsian/spark-1.6.1-bin-hadoop2.6/minmax.py" import minmax

git clone --recursive 递归的方式克隆整个项目 git submodule add 添加子模块 git submodule init 初始化子模块 git submodule update 更新子模块 git submodule foreach git pull 拉取所有子模块

生成requirements.txt

pip freeze > requirements.txt

//pip install pycryptodome -i https://pypi.doubanio.com/simple/
//pip install -i https://pypi.doubanio.com/simple/ -r requirements.txt

pip freeze > requirements.txt


pip install -i https://pypi.tuna.tsinghua.edu.cn/simple some-package
or
pip install -i https://mirrors.aliyun.com/pypi/simple some-package
or
pip install -i  http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com some-package


【安装】依赖（包）到指定目录
 
$ pip install -d /path/to/save/package -r requirements.txt
pip install -t /path/to/save/package -r requirements.txt # -t, --target

pip install -e git+https://xxx.github.com/xx.git@master#egg=xx --src /path/to/save/site-packages

setDefault
pip install pip -U # pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pip -U
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

2. pipreqs、pigar、pip-tools、pipdeptree https://zhuanlan.zhihu.com/p/89756247

pip install pipreqs
// 生成
pipreqs .
pipreqs --encoding=utf-8 .
// 更新
pipreqs --force .
pipreqs --force --encoding=utf-8 .

#!/usr/bin/python3

关于脚本第一行的 #!/usr/bin/python 的解释，相信很多不熟悉 Linux 系统的同学需要普及这个知识，脚本语言的第一行，只对 Linux/Unix 用户适用，用来指定本脚本用什么解释器来执行。

有这句的，加上执行权限后，可以直接用 ./ 执行，不然会出错，因为找不到 python 解释器。

#!/usr/bin/python 是告诉操作系统执行这个脚本的时候，调用 /usr/bin 下的 python 解释器。

#!/usr/bin/env python 这种用法是为了防止操作系统用户没有将 python 装在默认的 /usr/bin 路径里。当系统看到这一行的时候，首先会到 env 设置里查找 python 的安装路径，再调用对应路径下的解释器程序完成操作。
#!/usr/bin/python 相当于写死了 python 路径。

#!/usr/bin/env python 会去环境设置寻找 python 目录，可以增强代码的可移植性，推荐这种写法。

分成两种情况：

（1）如果调用 python 脚本时，使用:

python script.py 
#!/usr/bin/python 被忽略，等同于注释

（2）如果调用python脚本时，使用:

./script.py 
#!/usr/bin/python 指定解释器的路径

PS：shell 脚本中在第一行也有类似的声明。

python2 
可能还需要指定编码
# -*- coding: UTF-8 -*-

Python3.X 源码文件默认使用utf-8编码，所以可以正常解析中文，无需指定 UTF-8 编码

python依赖包整体迁移方法

1. 新建site-packages目录，进入到site-packages目录下；

2. 在site-packages目录下执行pip freeze >requirements.txt；

3. 查看requirements.txt，可以看到当前机器的python所有依赖包已生成列表

4. 在当前目录下执行pip download -r requirements.txt -d packages/ -i https://mirrors.aliyun.com/pypi/simple/ 可以看到pip开始下载依赖包列表中的所有依赖包

5. 等待下载完成后，可以看到当前目录下已经有了依赖包文件

6. 将site-packages文件夹打包，移动至我们需要这些依赖包的机器上；

7. 在当前机器的site-packages目录下执行：pip install --no-index --find-links=/xxx/xxx/site-packages -r /xxx/xxx/site-packages/requirements.txt

(其中：/xxx/xxx/site-packages是指定依赖包路径，/xxx/xxx/site-packages/requirements.txt是指定依赖包列表路径)；

8. 执行pip list，查看当前pip安装的所有python依赖库，可以看到我们迁移过来的库已经安装成功了

virtualenv

pip install virtualenv virtualenv [虚拟环境路径]，如 virtualenv D:\env or python -m venv /path/to/new/virtual/environment or 直接用pyvenv /path/to/new/virtual/environment

conda

conda info --envs conda create --name penter python=3.8 conda activate gluon

conda deactivate 退出

conda list: 看这个环境下安装的包和版本 conda install numpy scikit-learn: 安装numpy sklearn包 conda env remove -n yourEnv: 删除你的环境 conda env list: 查看所有的环境 Anaconda 镜像使用帮助

virtualenvwrapper

https://virtualenvwrapper.readthedocs.io/en/latest/ https://bitbucket.org/virtualenvwrapper/virtualenvwrapper

pip install virtualenvwrapper
mkvirtualenv env1
mkvirtualenv env2
workon env1 # 进入环境
echo $VIRTUAL_ENV # 查看

Python3 * 和 ** 运算符

1. 算数运算

*  代表乘法
** 代表乘方

2. 函数形参

*args 和 **kwargs 主要用于函数定义。

你可以将不定数量的参数传递给一个函数。不定的意思是：预先并不知道, 函数使用者会传递多少个参数给你, 所以在这个场景下使用这两个关键字。其实并不是必须写成 *args 和 **kwargs。  *(星号) 才是必须的. 你也可以写成 *ar  和 k 。而写成 *args 和kwargs 只是一个通俗的命名约定。

python函数传递参数的方式有两种：

• 位置参数（positional argument）
• 关键词参数（keyword argument）

*args 与 **kwargs 的区别，两者都是 python 中的可变参数：

• *args 表示任何多个无名参数，它本质是一个 tuple
• **kwargs 表示关键字参数，它本质上是一个 dict

如果同时使用 *args 和 **kwargs 时，必须 *args 参数列要在 **kwargs 之前。

>>> def fun(*args, **kwargs):
...     print('args=', args)
...     print('kwargs=', kwargs)
... 
>>> fun(1, 2, 3, 4, A='a', B='b', C='c', D='d')
args= (1, 2, 3, 4)
kwargs= {'A': 'a', 'B': 'b', 'C': 'c', 'D': 'd'}

使用 *args

>>> def fun(name, *args):
...     print('你好:', name)
...     for i in args:
...         print("你的宠物有:", i)
... 
>>> fun("Geek", "dog", "cat")
你好: Geek
你的宠物有: dog
你的宠物有: cat

使用 **kwargs

>>> def fun(**kwargs):
...     for key, value in kwargs.items():
...         print("{0} 喜欢 {1}".format(key, value))
... 
>>> fun(Geek="cat", cat="box")
Geek 喜欢 cat
cat 喜欢 box

3. 函数实参

如果函数的形参是定长参数，也可以使用 *args 和 **kwargs 调用函数，类似对元组和字典进行解引用：

>>> def fun(data1, data2, data3):
...     print("data1: ", data1)
...     print("data2: ", data2)
...     print("data3: ", data3)
... 
>>> args = ("one", 2, 3)
>>> fun(*args)
data1:  one
data2:  2
data3:  3
>>> kwargs = {"data3": "one", "data2": 2, "data1": 3}
>>> fun(**kwargs)
data1:  3
data2:  2
data3:  one

4. 序列解包

https://blog.csdn.net/yilovexing/article/details/80576788

序列解包没有 **。

>>> a, b, *c = 0, 1, 2, 3  
>>> a  
0  
>>> b  
1  
>>> c  
[2, 3]