61 提取后缀名
>>> import os
>>> os.path.splitext('D:/source/dataset/new_file.txt')
('D:/source/dataset/new_file', '.txt') #[1]：后缀名
62 提取完整文件名
>>> import os
>>> os.path.split('D:/source/dataset/new_file.txt')
('D:/source/dataset', 'new_file.txt')
二、 Python 核心 12 例
63 斐波那契数列前n项
>>> def fibonacci(n):
a, b = 1, 1
for _ in range(n):
yield a
a, b = b, a+b # 注意这种赋值
>>> for fib in fibonacci(10):
print(fib)
1
1
2
3
5
8
13
21
34
55
64 list 等分 n 组
>>> from math import ceil
>>> def divide_iter(lst, n):
if n <= 0:
yield lst
return
i, div = 0, ceil(len(lst) / n)
while i < n:
yield lst[i * div: (i + 1) * div]
i += 1
>>> for group in divide_iter([1,2,3,4,5],2):
print(group)
[1, 2, 3]
[4, 5]
65 yield 解释
有好几位同学问我，生成器到底该怎么理解。
在这里我总结几句话，看看是否对不理解生成器的朋友有帮助。
生成器首先是一个 “特殊的” return ，遇到 yield 立即中断返回。
但是，又与 return 不同，yield 后下一次执行会进入到yield 的下一句代码，而不像 return 下一次执行还是从函数体的第一句开始执行。
可能还是没说清，那就用图解释一下：
第一次 yield 返回 1
第二次迭代，直接到位置 2 这句代码：
然后再走 for ,再 yield ，重复下去，直到for结束。
以上就是理解 yield 的重点一个方面。
66 装饰器
66.1 定义装饰器
time 模块大家比较清楚，第一个导入 wraps 函数（装饰器）为确保被装饰的函数名称等属性不发生改变用的，这点现在不清楚也问题不大，实践一下就知道了。
from functools import wraps
import time
定义一个装饰器：print_info，装饰器函数入参要求为函数，返回值要求也为函数。
如下，入参为函数 f, 返回参数 info 也为函数，满足要求。
def print_info(f):
"""
@para: f, 入参函数名称
"""
@wraps(f) # 确保函数f名称等属性不发生改变
def info():
print('正在调用函数名称为： %s ' % (f.__name__,))
t1 = time.time()
f()
t2 = time.time()
delta = (t2 - t1)
print('%s 函数执行时长为：%f s' % (f.__name__,delta))
return info
66.2使用装饰器
使用 print_info 装饰器，分别修饰 f1, f2 函数。
软件工程要求尽量一次定义，多次被复用。
@print_info
def f1():
time.sleep(1.0)
@print_info
def f2():
time.sleep(2.0)
66.3 使用装饰后的函数
使用 f1, f2 函数：
f1()
f2()
# 输出信息如下：
# 正在调用函数名称为：f1
# f1 函数执行时长为：1.000000 s
# 正在调用函数名称为：f2
# f2 函数执行时长为：2.000000 s
67 迭代器案例
一个类如何成为迭代器类型，请看官方PEP说明：
即必须实现两个方法（或者叫两种协议）：__iter__ , __next__
下面编写一个迭代器类：
class YourRange():
def __init__(self, start, end):
self.value = start
self.end = end
# 成为迭代器类型的关键协议
def __iter__(self):
return self
# 当前迭代器状态(位置)的下一个位置
def __next__(self):
if self.value >= self.end:
raise StopIteration
cur = self.value
self.value += 1
return cur
使用这个迭代器：
yr = YourRange(5, 12)
for e in yr:
print(e)
迭代器实现__iter__ 协议，它就能在 for 上迭代，参考官网PEP解释：
文章最后提个问题，如果此时运行：
next(yr)
会输出 5， 还是报错？
如果 yr 是 list，for 遍历后，再 next(iter(yr)) 又会输出什么？
如果能分清这些问题，恭喜你，已经真正理解迭代器迭代和容器遍历的区别。如果你还拿不准，欢迎交流。
下面使用 4 种常见的绘图库绘制柱状图和折线图，使用尽可能最少的代码绘制，快速入门这些库是本文的写作目的。
68 matplotlib
导入包：
import matplotlib
matplotlib.__version__ # '2.2.2'
import matplotlib.pyplot as plt
绘图代码：
import matplotlib.pyplot as plt
plt.plot([0, 1, 2, 3, 4, 5],
[1.5, 1, -1.3, 0.7, 0.8, 0.9]
,c='red')
plt.bar([0, 1, 2, 3, 4, 5],
[2, 0.5, 0.7, -1.2, 0.3, 0.4]
)
plt.show()
69 seaborn
导入包：
import seaborn as sns
sns.__version__ # '0.8.0'
绘制图：
sns.barplot([0, 1, 2, 3, 4, 5],
[1.5, 1, -1.3, 0.7, 0.8, 0.9]
)
sns.pointplot([0, 1, 2, 3, 4, 5],
[2, 0.5, 0.7, -1.2, 0.3, 0.4]
)
plt.show()
70 plotly 绘图
导入包：
import plotly
plotly.__version__ # '2.0.11'
绘制图（自动打开html）：
import plotly.graph_objs as go
import plotly.offline as offline
pyplt = offline.plot
sca = go.Scatter(x=[0, 1, 2, 3, 4, 5],
y=[1.5, 1, -1.3, 0.7, 0.8, 0.9]
)
bar = go.Bar(x=[0, 1, 2, 3, 4, 5],
y=[2, 0.5, 0.7, -1.2, 0.3, 0.4]
)
fig = go.Figure(data = [sca,bar])
pyplt(fig)
71 pyecharts
导入包：
import pyecharts
pyecharts.__version__ # '1.7.1'
绘制图（自动打开html）：
bar = (
Bar()
.add_xaxis([0, 1, 2, 3, 4, 5])
.add_yaxis('ybar',[1.5, 1, -1.3, 0.7, 0.8, 0.9])
)
line = (Line()
.add_xaxis([0, 1, 2, 3, 4, 5])
.add_yaxis('yline',[2, 0.5, 0.7, -1.2, 0.3, 0.4])
)
bar.overlap(line)
bar.render_notebook()
大家在复现代码时，需要注意API与包的版本紧密相关，与上面版本不同的包其内的API可能与以上写法有略有差异，大家根据情况自行调整即可。
matplotlib 绘制三维 3D 图形的方法，主要锁定在绘制 3D 曲面图和等高线图。
72 理解 meshgrid
要想掌握 3D 曲面图，需要首先理解 meshgrid 函数。
导入包：
import numpy as np
import matplotlib.pyplot as plt
创建一维数组 x
nx, ny = (5, 3)
x = np.linspace(0, 1, nx)
x
# 结果
# array([0\. , 0.25, 0.5 , 0.75, 1\. ])
创建一维数组 y
y = np.linspace(0, 1, ny)
y
# 结果
# array([0\. , 0.5, 1\. ])
使用 meshgrid 生成网格点：
xv, yv = np.meshgrid(x, y)
xv
xv 结果：
array([[0. , 0.25, 0.5 , 0.75, 1. ],
[0. , 0.25, 0.5 , 0.75, 1. ],
[0. , 0.25, 0.5 , 0.75, 1. ]])
yv 结果：
array([[0. , 0. , 0. , 0. , 0. ],
[0.5, 0.5, 0.5, 0.5, 0.5],
[1. , 1. , 1. , 1. , 1. ]])
绘制网格点：
plt.scatter(xv.flatten(),yv.flatten(),c='red')
plt.xticks(ticks=x)
plt.yticks(ticks=y)
以上就是 meshgrid 功能：创建网格点，它是绘制 3D 曲面图的必用方法之一。
73 绘制曲面图
导入 3D 绘图模块：
from mpl_toolkits.mplot3d import Axes3D
生成X,Y,Z
# X, Y
x = np.arange(-5, 5, 0.25)
y = np.arange(-5, 5, 0.25)
X, Y = np.meshgrid(x, y) # x-y 平面的网格
R = np.sqrt(X ** 2 + Y ** 2)
# Z
Z = np.sin(R)
绘制 3D 曲面图：
fig = plt.figure()
ax = Axes3D(fig)
plt.xticks(ticks=np.arange(-5,6))
plt.yticks(ticks=np.arange(-5,6))
ax.plot_surface(X, Y, Z, cmap=plt.get_cmap('rainbow'))
plt.show()
74 等高线图
以上 3D 曲面图的在 xy平面、 xz平面、yz平面投影，即是等高线图。
xy 平面投影得到的等高线图：
fig = plt.figure()
ax = Axes3D(fig)
plt.xticks(ticks=np.arange(-5,6))
plt.yticks(ticks=np.arange(-5,6))
ax.contourf(X, Y, Z, zdir='z', offset=-1, cmap=plt.get_cmap('rainbow'))
plt.show()
