一、变量与基本类型

Python 的变量不用声明类型，赋什么就是什么。五种最常用：int、float、str、bool、None。 三种除法要分清：i // 2 是整除（得 3），i % 2 是取余（得 1），i / 2 是真除（得 3.5， 结果永远是 float）。 做索引、切片、循环次数时用整除；算比例、算损失、算准确率时用真除。 写错了不会报错，只会悄悄把 0.5 变成 0——这种 bug 最难找。

二、四种容器

list 和 tuple 的差别只有一个：能不能改。 函数返回多个值时 Python 用的是 tuple； 你给它赋值给三个变量，就自动拆开了，这就是 lo, hi, av = stat(xs) 那一行。 set 最实用的是去重：{3, 1, 4, 1} 直接变成三个元素。 dict 最实用的是存超参数：{"学习率": 0.1, "轮数": 3000}，后面所有训练脚本的配置都长这样。

三、字符串与切片

字符串可以用 + 连接、用 * 重复。 split 切开，join 合起来——注意 join 是用分隔符去 join 列表，不是列表自己 join。 格式化有三代写法：% 老式、.format() 中间代、f"..." 现在最常用。 本书的 Demo 用 %，因为要控制小数位数时它最直接："%.4f" % x。 切片是 [start:stop:step]，含头不含尾。 "0123456"[1:4:2] 从下标 1 开始、到 4 之前、 每 2 个取一个，得 "13"。[::-1] 是反转，这是处理序列时最常用的两个技巧。

四、函数与流程控制

def 定义函数，return 返回。没有 return 就返回 None。 返回多个值其实是返回一个 tuple，接收时拆开即可。 if / elif / else 按顺序判断，命中一个就跳出。 for ... in ... 遍历，enumerate 同时拿下标和值，range(start, stop, step) 生成等差数列。 注意 range(0, 10, 3) 是 [0, 3, 6, 9]——同样含头不含尾，和切片一个规矩。 写循环时数不对，多半是把尾算进去了。

五、模块导入

import math 之后用 math.sqrt；from math import sqrt 之后直接 sqrt。 两种都行，项目里统一一种，别混着写。 import numpy as np 这种起别名是惯例，全书都这么写。 别名不是语法要求，是为了少打字、也让别人一眼看出这是 numpy。 导入发生在文件被加载的时候。 如果某个包没装，import 那一行就会抛错，整个脚本一行都跑不了—— 这也是为什么环境问题总在第一个 import 处爆出来。

六、动手 Demo：一次跑完这一节要用的全部写法

七小段，一段一件事：类型、三种除法、四种容器、字符串与切片、函数返回多值、if 判断、 for 加 enumerate、模块导入。每段的输出都打在下面，对照着看就知道每个写法到底产出什么。

i, f, s, ok, nothing = 7, 3.5, "深度", True, None
print(type(i).__name__, type(f).__name__, type(s).__name__)
print(i // 2, i % 2, i / 2)          # 整除、取余、真除

L = [3, 1, 4, 1, 5]; L.append(9)     # 可变
T = (3, 1, 4)                        # 不可变
S = {3, 1, 4, 1}                     # 自动去重
D = {"学习率": 0.1, "轮数": 3000}    # 键值

print("深" + "度", "ab" * 3)
print("a,b,c".split(","), "-".join(["a", "b"]))
print("0123456"[1:4:2], "abcdef"[::-1])

def stat(xs):
    return min(xs), max(xs), sum(xs) / len(xs)

lo, hi, av = stat([3, 1, 4, 1, 5])
for k, v in enumerate([3, 1, 4]):
    pass

实跑输出：

--------------------------------------------------------------------
Python 的基本语法：一次跑完这一节要用的全部写法
--------------------------------------------------------------------

  1) 五种基本类型：int / float / str / bool / NoneType
     7 // 2 = 3，7 % 2 = 1，7 / 2 = 3.50

  2) list [3, 1, 4, 1, 5, 9]，长度 6；tuple (3, 1, 4)；set 去重后 [1, 3, 4]；dict 取轮数 3000
     tuple 改不动：'tuple' object does not support item assignment

  3) 字符串：连接 深度，重复 ababab
     format：1 与 2，f-string：1 与 2
     split：['a', 'b', 'c']，join：a-b
     切片 [1:4:2] = 13，反向 [::-1] = fedcba

  4) 函数返回三个值：min=1 max=5 mean=2.80

  5) if 判断：学习率 0.100 属于「常见范围」

  6) for 加 enumerate 累加：3×1 + 1×2 + 4×3 = 17
     range(0, 10, 3) 生成 [0, 3, 6, 9]

  7) 导入模块：math.sqrt(2) = 1.414214，math.log(math.e) = 1.000000

  这一节的语法就这些，**够写完本书所有 Demo 了。**
  真正需要多练的只有两件：切片和字典——后面处理数据和超参数天天用。

五种类型打出来是 int／float／str／bool／NoneType。注意 None 的类型叫 NoneType， 不是 None——报错信息里见到它是另一回事。 7 // 2 = 3、7 % 2 = 1、7 / 2 = 3.50。 三个数一起看最清楚：整除丢掉小数，取余留下余数，真除给你小数。 list 追加 9 之后长度 6； tuple 一改就抛 TypeError，报错原文是 'tuple' object does not support item assignment； set 里塞了 4 和 1 两次，去重后只剩三个元素。 切片那两个结果值得记："0123456"[1:4:2] 得 13（取了下标 1 和 3）， "abcdef"[::-1] 得 fedcba（整个反转）。这两个写法在处理序列时天天用。 函数那一段：stat 返回三个值，一行拆给三个变量。 最后一次跑下来 min=1、max=5、mean=2.80——注意 2.80 是浮点，%.2f 把它截到两位。 语法就这些。 后面第 4 章手推反向传播、第 5 章滑窗做卷积，用的全是这里出现过的写法，没有更复杂的东西。

30 秒实验

1. 把 L.append(9) 改成 L + [9]，看 L 变了没有——这能说明可变与不可变的区别。
2. 用 dict 存三个超参数，再写一个 for 循环把它们的名字和值打印出来。
3. 把 "0123456"[1:4:2] 改成 [::2] 和 [-3:]，分别猜一下结果再跑。

常见误区

1. 用 = 复制 list。 B = A 只是起了个别名，改 B 会连着 A 一起变。 真要复制得写 B = A[:] 或 list(A)。
2. 把整除和真除混用。 accuracy = correct / total 是对的，写成 // 就永远是 0 或 1。 这种错不报异常，只是数不对。
3. 以为 range 含尾。 range(1, 5) 是 1、2、3、4，不含 5。 循环少跑一轮、多跑一轮，基本都是这里。

第 2 章到此结束：解释器装好、包装好、语法认全。 下一章开始真正接触深度学习——书里用 TensorFlow 和 Keras 跑第一个图像辨识，而这台机器上没有它们， 所以那一章会一边讲书上的代码，一边用 numpy 把同样的事做一遍。

• ☐ （本章完，下一节 3.1 TensorFlow 与 Keras 的安装）

相关笔记

• 函式库的安装～Mac 篇～
• 41 课 · 图解深度学习 · 索引
• 42 课 · 图解人工智能 · 索引
• 📕 深度学习入门教室 · 索引