<html>





    <head>

        <title></title>

    </head>

    <body>

        <table>

            <tbody>

                <tr>

                    <th>

                        类别

                    </th>

                    <th>

                        规范

                    </th>

                    <th>

                        示例

                    </th>

                </tr>

                <tr>

                    <td>

                        模块名

                    </td>

                    <td>

                        小写字母，单词之间用_分割

                    </td>

                    <td>

                        ad_stats.py

                    </td>

                </tr>

                <tr>

                    <td>

                        包名

                    </td>

                    <td>

                        小写字母，单词之间用_分割

                    </td>

                    <td>

                        &nbsp;

                    </td>

                </tr>

                <tr>

                    <td>

                        类名

                    </td>

                    <td>

                        单词首字母大写

                    </td>

                    <td>

                        AdStats

                    </td>

                </tr>

                <tr>

                    <td>

                        全局变量名

                    </td>

                    <td>

                        大写字母，单词之间用_分割

                    </td>

                    <td>

                        COLOR_WRITE

                    </td>

                </tr>

                <tr>

                    <td>

                        普通变量

                    </td>

                    <td>

                        小写字母，单词之间用_分割

                    </td>

                    <td>

                        this_is_a_var

                    </td>

                </tr>

                <tr>

                    <td>

                        实例变量

                    </td>

                    <td>

                        以_开头，其他和普通变量一样

                    </td>

                    <td>

                        _instance_var

                    </td>

                </tr>

                <tr>

                    <td>

                        私有实例变量

                    </td>

                    <td>

                        以__开头（两个下划线），其他和普通变量一样

                    </td>

                    <td>

                        __private_var

                    </td>

                </tr>

                <tr>

                    <td>

                        专有变量

                    </td>

                    <td>

                        以__开头，__结尾，一般为python的自有变量

                    </td>

                    <td>

                        __doc__

                    </td>

                </tr>

                <tr>

                    <td>

                        普通函数

                    </td>

                    <td>

                        小写字母，单词之间用_分割

                    </td>

                    <td>

                        get_name()

                    </td>

                </tr>

                <tr>

                    <td>

                        私有函数

                    </td>

                    <td>

                        以__开头（两个下划线），其他和普通变量一样

                    </td>

                    <td>

                        __get_name()

                    </td>

                </tr>

                <tr>

                    <td>

                        文件名

                    </td>

                    <td>

                        全小写，可使用下划线

                    </td>

                    <td>

                        &nbsp;

                    </td>

                </tr>

            </tbody>

        </table>

    </body>

</html>

【Python】命名规范

# 1 对于numpy.ndarray，可以使用shape查看形状





下图形状是（3，2, 1），如何得到的？ 第一层 [ ] 中含有3个元素， 单拿一个元素出来， 有2个元素， blabla…

![在这里插入图片描述](/static/img/images/05004.png)

# 2 axis是如何定义？

从shape上理解更快。

axis=0，相当于拆除第1层 [ ]  ，剩下元素shape会是 （2, 1）。下图中红框叠加sum起来就是这个形状。

![在这里插入图片描述](/static/img/images/05005.png)

axis=1，相当于拆除第2层 [ ]  ，剩下元素shape会是 （3, 1）。

![在这里插入图片描述](/static/img/images/05006.png)

axis=2，相当于拆除第3层 [ ]  ，剩下元素shape会是 （3, 2）。

![在这里插入图片描述](/static/img/images/05007.png)


代码：
```python
import numpy as np
kl = [2, 2, 3, 3, 7, 7]
npa = np.asarray(kl).reshape((3, 2, 1))
print(npa)
print("--------")
print(np.sum(npa, axis=0))
print("--------")
print(np.sum(npa, axis=1))
print("--------")
print(np.sum(npa, axis=2))
```

# 3 方向的含义

**Axis or axes along which a sum is performed.**

这里的along 很关键，在很多库包里，无论叫 Axis 、axes 、dim ， 都是指沿着哪一个dim去计算， 如果用shape去理解，会快一些。

比如在Softmax中：

```python
import torch
from torch import nn
m = nn.Softmax(dim=1)
input = torch.randn(2, 3)
print(input)
output = m(input)
print(output)
```

得到：

```
tensor([[-0.6087, -0.5550, -0.2106],
        [-0.4120,  0.7185, -1.3630]])
tensor([[0.2822, 0.2977, 0.4201],
        [0.2230, 0.6908, 0.0862]])
```

Softmax的那个方向的数字加起来会是1，代码里面是(dim=1)，也就是想形成的shape是（2，），去掉3。

所以是用 [-0.6087, -0.5550, -0.2106] 和 [-0.4120,  0.7185, -1.3630] 在算 Softmax。

结果也正是如此，[0.2822, 0.2977, 0.4201]或者 [0.2230, 0.6908, 0.0862] 加起来就是1 。

【numpy】axis 维度 是什么 Softmax中dim方向是什么

玩这个板子，记录一下板子对应资源引脚。





```c
1 有源蜂鸣器 PB7 高电平响
2 小灯从左到右低电平点亮 PC11 PC6 PC7 PC8 PC9 PB8 PB9 PC12 
3 独立按键,都需要内部上拉
右按键 PA1 
左按键 PA2
上按键 PA3
下按键 PA4
其余两个的左 PA5
其余两个得右 PA6
4 
```

晨启科技 单片机C程序开发 STM32F103RCT6板子对应资源引脚

ref [https://numpy.org/doc/stable/reference/random/generated/numpy.random.choice.html](https://numpy.org/doc/stable/reference/random/generated/numpy.random.choice.html)





```python
import numpy as np
np.random.seed(666)
# Return random floats in the half-open interval [0.0, 1.0).
print(np.random.random(size=[3, 6]))
print(np.random.random())
# Return random floats in the half-open interval [0.0, 1.0).
print(np.random.rand(3, 6))
print(np.random.rand())
# randint(low, high=None, size=None, dtype=int)
# [low, high) or [0, low)
print(np.random.randint(5, size=(2, 4)))
# [low, high) .samples from a uniform distribution.
print(np.random.uniform(-4, 4, 3))
#  "standard normal" distribution.
print(np.random.randn(3, 6))
print(np.random.randn())
# Generates a random sample from a given 1-D array
print(np.random.choice(5, 3, p=[0.1, 0, 0.3, 0.6, 0]))
```

Python numpy.random模块 随机数模块

f是Polygon，fblock可以是fblock或者LineString，判断对象是否和f这个Polygon是否有相交等关系：




```python
if f.crosses(fblock) or f.contains(fblock) or f.overlaps(fblock)
```

g1是GeoDataFrame，qq是GeoDataFrame，取出qq在g1里面的部分，截断的：
```python
g1 = GeoDataFrame([{'geometry': fblock}])
res_intersection = geopandas.overlay(g1, qq, how='intersection')
res = list(res_intersection.loc[0, "geometry"].coords)
```