解析、迭代和生成系列文章:https://www.cnblogs.com/f-ck-need-u/p/9832640.html
出现"object is not subscriptable"错误的常见原因之一是,你尝试对一个非可迭代对象进行下标操作。以字典为例,当你使用字典的键来访问对应的值时,需要使用字典的下标操作符[]。而如果你尝试对一个非字典对象(如整数、字符串等)进行下标操作,就会出现该错误。 另一个可能的原因是,你尝试对一个可迭代对象的属性进行下标操作。例如,对一个自定义类的实例进行下标操作的时候,需要确保该类实现了__getitem__()方法来支持下标访问。
可以看到python2中是先把2个foo**全部遍历一下组成一个新的列表,十分耗内存** 而python3是返回一个迭代器,遍历zip(foo1, foo2)时才会去取foo1和foo2的每个元素,不费内存
在Python面向对象编程中,魔术方法是一组特殊的方法,用于在特定情况下调用对象的操作。其中,__len__和__getitem__方法是常用的魔术方法之一。这两个方法都是用于操作序列对象的,但它们的作用略有不同。
凡是在类中定义了这个__getitem__ 方法,那么它的实例对象(假定为p),可以像这样
注:此方法一般无须定义,因为Python是一门高级语言,有 内存管理、垃圾回收机制,程序员在使用时无需关心内存的分配和释放,因为此工作都是交给Python解释器来执行,所以,__del__ 的调用是由解释器在进行垃圾回收时自动触发执行的。
实现了__iter__()的实例虽能用于for循环,看似像list,但并不能将其当做list来使用,比如,Fib()[5]还是报错 可通过实现__getitem__()方法,;来实现让实例像list那样按照下标取出元素
切片是 Python 中最迷人最强大最 Amazing 的语言特性(几乎没有之一),在《Python进阶:切片的误区与高级用法》中,我介绍了切片的基础用法、高级用法以及一些使用误区。这些内容都是基于原生的序列类型(如字符串、列表、元组……),那么,我们是否可以定义自己的序列类型并让它支持切片语法呢?更进一步,我们是否可以自定义其它对象(如字典)并让它支持切片呢?
python的提供一系列和属性访问有关的特殊方法:__get__, __getattr__, __getattribute__, __getitem__。本文阐述它们的区别和用法。
如果在类中定义了__getitem__()方法,那么他的实例对象(假设为P)就可以这样P[key]取值。当实例对象做P[key]运算时,就会调用类中的__getitem__()方法。
此前的文章中,我们介绍了 Python 面向对象编程及对象的继承和派生。 接下来的几篇文章,我们将详细介绍 Python 解释器提供的一系列特殊方法 -- 魔术方法。
在Python语言中提供了类似于C++的运算符重在功能: 一下为Python运算符重在调用的方法如下: Method Overloads Call for __init__ 构造函数 X=Class() __del__ 析构函数 对象销毁 __add__ + X+Y,X+=Y __or__ | X|Y,X|=Y __repr__ 打印转换 print X,repr(X) __str__ 打印转换 print X,str(X) __call__ 调用函数 X() __getattr_ 限制 X.undefine __setattr__ 取值 X.any=value __getitem__ 索引 X[key], For If __len__ 长度 len(X) __cmp__ 比较 X==Y,X<Y __lt__ 小于 X<Y __eq__ 等于 X=Y __radd__ Right-Side + +X __iadd__ += X+=Y __iter__ 迭代 For In 7.1 减法重载
这个方法非常不起眼,用途狭窄,我几乎从未注意过它,然而,当发现它可能是上述“定律”的唯一例外情况时,我认为值得再写一篇文章来详细审视一下它。
要判断一个对象是否是可迭代对象(iterable),我们可以使用Python的内置函数和特性来完成。以下是几种常见的方法:
__getitem__用于实现索引操作,它定义了通过索引访问数据集中的样本的行为。
此错误可以参考 django 中文文档 其实就是在 request.Post/Get 时,提取的 Key 不存在导致的
一篇文章彻底了解 可迭代对象(Iterable)、序列(Sequence)、迭代器(Iterator)、生成器(generator)。
python中常见的内置类型 什么是魔法函数? python的魔法函数总被双下划线包围,它们可以给你的类增加特殊的方法。如果你的对象实现了这些方法中的一个,那么这个方法就会在特殊情况下被调用,你可以
在Python中,类特殊成员是指以双下划线开头和结尾的属性和方法,也被称为魔术方法(Magic methods)或特殊方法(Special methods)。这些特殊成员在类的定义中具有特殊的语法和功能,用于实现对象的特定行为和操作。
PyTorch 读取其他的数据,主要是通过 Dataset 类,所以先简单了解一下 Dataset 类。在看很多PyTorch的代码的时候,也会经常看到dataset这个东西的存在。Dataset类作为所有的 datasets 的基类存在,所有的 datasets 都需要继承它。
训练模型一般都是先处理 数据的输入问题 和 预处理问题 。Pytorch提供了几个有用的工具:torch.utils.data.Dataset 类和 torch.utils.data.DataLoader 类 。
数据模型其实是对Python框架的描述,它规范了这门语言自身构架模块的接口,这些模块包括但不限于序列、迭代器、函数、类和上下文管理器。简单来说,数据模型就是Python自身的数据类型,及其包含的特殊方法。这些特殊方法在Java中也被成为‘魔术方法’。
在看Kenneth Reitz大神的Records项目时,注意到在Readme中,读取数据有三种写法:
我在 pandas 专栏中也详细讲解了其中的原理,主要是驳斥了网络上一些无脑说法。今天我们换一个角度,尝试成为 pandas 作者,看看当时作者到底遇到了什么样的难题,使得他做出这样子设计。
特殊方法:https://docs.python.org/3/reference/datamodel.html
与jvm上的语言不一样,python的语言没有interface关键字,而且除了抽象基类,每个类都有相应的接口:类实现或继承的公开属性(方法或数据类型)
在Python中创建一个构造方法很容易。只要把init方法的名字从简单的init修改为魔法版本__init__即可:
直接子类化内置类型(如 dict、list 或 str)容易出错, 因为 内置类型的方法 通常会 忽略用户覆盖的方法。 不要子类化内置 类型,用户自己定义的类 应该继承 collections 模块 中的类,例如 UserDict、UserList 和 UserString,这些类做了特殊设计,因 此易于扩展
实际上,“运算符重载”只是意味着在类方法中拦截内置的操作……当类的实例出现在内置操作中,Python自动调用你的方法,并且你的方法的返回值变成了相应操作的结果。以下是对重载的关键概念的复习:
最近我在阅读一本专门讲述 Python 语言特性的书(本文部分内容来自 Fluent Python 这本书),书中提到了数据模型这个词,数据模型是不是我们经常说的数据类型?其实不是,数据模型是对 Python 框架的描述,他规范了自身构建模块的接口,这些接口我们可以理解为是 Python 中的特殊方法,例如 __iter__、__len__、__del__ 等。这些模块包括但不限于序列、迭代器、函数、类和上下文管理器。假如我们在讨论,拥有哪些方法和属性的对象可以称为序列,实际上我们就是在讨论序列的数据模型。
在构建数据集类时,除了__init__(self),还要有__len__(self)与__getitem__(self,item)两个方法,这三个是必不可少的,至于其它用于数据处理的函数,可以任意定义。
协议(Protocols)与其他编程语言中的接口很相似,它规定你哪些方法必须要定义。然而,在Python中的协议就显得不那么正式。事实上,在Python中,协议更像是一种指南。
在上一篇文章中,我们介绍了 Python 的类和继承,现在我们介绍 Python 的内部方法、操作符重载和对象生命周期。
init负责类内成员的初始化,当类初始化实例的时候,会将传入的值赋给类内成员,与c++中的构造函数十分相似。
本博客讲解了pytorch框架下DataLoader的多种用法,每一种方法都展示了实例,虽然有一点复杂,但是小伙伴静下心看一定能看懂哦 :)
在训练神经网络时,最好是对一个batch的数据进行操作,同时还需要对数据进行shuffle和并行加速等。对此,PyTorch提供了DataLoader帮助实现这些功能。Dataset只负责数据的抽象,一次调用__getitem__只返回一个样本。
看到类似的__slots__这种形如__xx__的变量或者函数名就要注意,这些在Python中有特殊用途。
Dataset:提供一种方式去获取数据及其 label ,即在垃圾堆里寻宝,如何获取每个数据及其label,告诉我们总共有多少个数据。
使用内置函数dir可以查看一个对象支持的所有属性和方法,Python中存在着很多的内置属性。
字段 静态字段(没一个对象都有一份),普通字段(每一个对象都不同的数据)
但在实际的训练过程中,如何正确编写、使用加载数据集的代码同样是不可缺少的一环,在不同的任务中不同数据格式的任务中,加载数据的代码难免会有差别。为了避免重复编写并且避免一些与算法无关的错误,我们有必要讨论一下如何正确加载数据集。
md=MyDict(**{"a":"老刘","b":"老张","c":"老王"})
众所周知,Dataset和Dataloder是pytorch中进行数据载入的部件。必须将数据载入后,再进行深度学习模型的训练。在pytorch的一些案例教学中,常使用torchvision.datasets自带的MNIST、CIFAR-10数据集,一般流程为:
看到类似__slots__这种形如__xxx__的变量或者函数名就要注意,这些在Python中是有特殊用途的。
... return 'Student object (name: %s)' % self.name
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
(2)魔术方法是为了给python解释器用的。当使用len(collection)时,实际上调用的就是collection.__len__方法。而在使用obj[key]的形式来访问元素时,实际上调用的是object.__getitem__(key)方法。
由此可见一般python和其他语言的方法的不同,比如java是通过a.length()来判断长度这个体现了python的语言特性
领取专属 10元无门槛券
手把手带您无忧上云