for循环列表

使用for循环的另一种常见模式是对列表进行迭代。

martial_arts = [ "Sambo", "Muay Thai", "BJJ"]

formartial_art inmartial_arts:

print( f" { martial_art}has influenced

modern mixed martial arts" )

'''输出：

Sambo has influenced modern mixed martial arts

Muay Thai has influenced modern mixed martial arts

BJJ has influenced modern mixed martial arts

'''

02 while循环

while循环是一种条件有效就会重复执行的循环方式。while循环的常见用途是创建无限循环。在本示例中，while循环用于过滤函数，该函数返回两种攻击类型中的一种。

defattacks:

list_of_attacks = [ "lower_body", "lower_body",

"upper_body"]

print( "There are a total of {lenlist_of_attacks)}

attacks coming!" )

forattack inlist_of_ attacks:

yieldattack

attack = attacks

count = 0

whilenext(attack) == "lower_body":

count += 1

print( f"crossing legs to prevent attack # {count}")

else:

count += 1

print( f"This is not lower body attack,

I will cross my arms for# count}" )

'''输出：

There are a total of 3 attacks coming!

crossing legs to prevent attack #1

crossing legs to prevent attack #2

This is not a lower body attack, I will cross my arms for #3

'''

03 if/else语句

if/else语句是一条在判断之间进行分支的常见语句。在本示例中，if/elif用于匹配分支。如果没有匹配项，则执行最后一条else语句。

defrecommended_attack(position):

"""Recommends an attack based on the position"""

ifposition == "full_guard":

print( f"Try an armbar attack")

elifposition == "half_guard":

print( f"Try a kimura attack")

elifposition == "fu1l_mount":

print( f"Try an arm triangle")

else:

print( f"You're on your own,

there is no suggestion for an attack" )

recommended_attack( "full_guard") #输出：Try an armbar attack

recommended_attack( "z_guard")

#输出：You're on your own, there is no suggestion for an attack

04 生成器表达式

生成器表达式建立在yield语句的概念上，它允许对序列进行惰性求值。生成器表达式的益处是，在实际求值计算前不会对任何内容进行求值或将其放入内存。这就是下面的示例可以在生成的无限随机攻击序列中执行的原因。

在生成器管道中，诸如 “arm_triangle”的小写攻击被转换为“ARM_TRIANGLE”，接下来删除其中的下划线，得到“ARM TRIANGLE”。

deflazy_return_random_attacks:

"""Yield attacks each time"""

importrandom

attacks = { "kimura": "upper_body",

"straight_ankle_lock": "lower_body",

"arm_triangle": "upper_body",

"keylock": "upper_body",

"knee_bar": "lower_body"}

whileTrue:

random_attack random.choices(list(attacks.keys))

yieldrandom attack

#Make all attacks appear as Upper Case

upper_case_attacks =

(attack.pop.upper forattack in

lazy_return_random_attacks)

next(upper-case_attacks)

#输出：ARM-TRIANGLE

## Generator Pipeline: One expression chains into the next

#Make all attacks appear as Upper Case

upper-case_attacks =

(attack. pop.upper forattack in

lazy_return_random_attacks)

#remove the underscore

remove underscore =

(attack.split( "_") forattack in

upper-case_attacks)

#create a new phrase

new_attack_phrase =

( " ".join(phrase) forphrase in

remove_underscore)

next(new_attack_phrase)

#输出：'STRAIGHT ANKLE LOCK'

fornumber inrange( 10):

print(next(new_attack_phrase))

'''输出：

KIMURA

KEYLOCK

STRAIGHT ANKLE LOCK

'''

05 列表推导式

语法上列表推导式与生成器表达式类似，然而直接对比它们，会发现列表推导式是在内存中求值。此外，列表推导式是优化的C代码，可以认为这是对传统for循环的重大改进。

martial_arts = [ "Sambo", "Muay Thai", "BJJ"]

new_phrases [ f"mixed Martial Arts is influenced by

(martial_art)" formartial_art inmartial_arts]

print(new_phrases)

[ 'Mixed Martial Arts is influenced by Sambo',

'Mixed Martial Arts is influenced by Muay Thai',

'Mixed Martial Arts is influenced by BJJ']

06 中级主题

有了这些基础知识后，重要的是不仅要了解如何创建代码，还要了解如何创建可维护的代码。创建可维护代码的一种方法是创建一个库，另一种方法是使用已经安装的第三方库编写的代码。其总体思想是最小化和分解复杂性。使用Python编写库

使用Python编写库非常重要，之后将该库导入项目无须很长时间。下面这些示例是编写库的基础知识：在存储库中有一个名为funclib的文件夹，其中有一个_init_ .py文件。要创建库，在该目录中需要有一个包含函数的模块。

首先创建一个文件。

touch funclib/funcmod.py

然后在该文件中创建一个函数。

"""This is a simple module"""

deflist_of_belts_in_bjj:

"""Returns a list of the belts in Brazilian jiu-jitsu"""

belts= [ "white", "blue", "purple", "brown", "black"]

returnbelts

importsys;sys.path.append( "..")

fromfunclib importfuncmod

funcmod.list_of_belts_in-bjj

#输出：['white', 'blue', 'purple', 'brown', 'black']导入库

如果库是上面的目录，则可以用Jupyter添加sys.path.append方法来将库导入。接下来，使用前面创建的文件夹/文件名/函数名的命名空间导入模块。安装第三方库

可使用pip install命令安装第三方库。请注意，conda命令(https://conda.io/docs/user-guide/tasks/manage-pkgs.html)是pip命令的可选替代命令。如果使用conda命令，那么pip命令也会工作得很好，因为pip是virtualenv虚拟环境的替代品，但它也能直接安装软件包。

安装pandas包。

pip install pandas

另外，还可使用requirements.txt文件安装包。

> ca requirements.txt

pylint

pytest

pytest-cov

click

jupyter

nbval

> pip install -r requirements.txt

下面是在Jupyter Notebook中使用小型库的示例。值得指出的是，在Jupyter Notebook中创建程序代码组成的巨型蜘蛛网很容易，而且非常简单的解决方法就是创建一些库，然后测试并导入这些库。

"""This is a simple module"""

importpandas aspd

deflist_of_belts_in_bjj:

"""Returns a list of the belts in Brazilian jiu-jitsu"""

belts = [ "white", "blue", "purple", "brown", "black"]

returnbelts

defcount_belts:

"""Uses Pandas to count number of belts"""

belts = list_of_belts_in_bjj

df = pd.Dataframe(belts)

res = df.count

count = res.values.tolist[ 0]

returncount

fromfunclib.funcmod importcount_belts

print(count_belts)

#输出：5类

可在Jupyter Notebook中重复使用类并与类进行交互。最简单的类类型就是一个名称，类的定义形式如下。

classCompetitor:pass

该类可实例化为多个对象。

classCompetitor:pass

conor = Competitor

conor.name = "Conor McGregor"

conor.age = 29

conor.weight = 155

nate = Competitor

nate.name = "Nate Diaz"

nate.age = 30

nate.weight = 170

defprint_competitor_age(object):

"""Print out age statistics about a competitor"""

print( f" {object.name}is {object.age}years old")

print_competitor_age(nate)

#输出：Nate Diaz is 30 years old

print_competitor_age(conor)

#输出：Conor McGregor is 29 years old类和函数的区别

类和函数的主要区别包括：函数更容易解释。

函数(典型情况下)只在函数内部具有状态，而类在函数外部保持不变的状态。

类能以复杂性为代价提供更高级别的抽象。

关于作者：挪亚·吉夫特(Noah Gift)，加州大学戴维斯分校工商管理研究生院机器学习课程讲师，是AWS认证的架构师，也是AWS云端机器学习专家，长期为包括初创公司在内的企业提供机器学习、云架构和CTO级别的咨询服务。

本文摘编自《人工智能开发实践：云端机器学习导论》，经出版方授权发布。

延伸阅读《 人工智能开发实践》

点击上图了解及购买

转载请联系微信：DoctorData

推荐语：本书讲解Amazon、Google和Microsoft公司的强大云服务产品，以及Python数据科学生态系统的成熟技术，所介绍的工作流程和案例涉及从部署到生产各个环节，通过使用当代机器学习、人工智能和云计算工具逐步构建多种云端机器学习应用程序(覆盖体育、项目管理、产品定价、房地产等领域中的实际问题)，帮助你构建可扩展并能交付于生产的解决方案。