Python 是世界上最流行的编程语言（TIOBE Index for April 2022），它易于上手且多才多艺，除了用于神经网络的构建外, 还能用来创建Web应用、桌面应用、游戏和运维脚本等多种多样的程序。
Python 语言语法简洁，易于上手, 但当你深入研究时, 会发现 Python 有很多高级用法，这些高级用法可以大幅度提高代码的可读性和运行效率。
此外, Python 包含了海量的高质量第三方库, 许多重要的库已经成为 Python 开发不可或缺的内容。
《高阶 Python：代码精进之路》一书可以帮你掌握 Python 语言的高级特性，以及 Python 科学计算基石——numpy 的使用方法（numpy 的 API 设计非常优秀，深度学习框架 TensorFlow、PyTorch 都使用了 numpy 相似的 API，并且可以和 numpy 混用）。
下面介绍几个 Python 的高级用法。
Python 列表的索引和切片是非常强大的功能, 它们可以让你在 Python 中获取列表中的任意元素。除了支持常见的正索引外, Python 还支持负索引和切片。
正索引
a_list = [100, 200, 300, 400, 500, 600] print(a_list[0]) print(a_list[1]) print(a_list[2])
负索引
a_list = [100, 200, 300, 400, 500, 600] print(a_list[-1]) print(a_list[-3])
切片
以下是列表切片的一些示例：
a_list = [1, 2, 5, 10, 20, 30]
b_list = a_list[1:3] c_list = a_list[4:] d_list = a_list[-4:-1] e_list = a_list[-1:]
字符串格式化在命令行工具开发中非常重要, str 类包含基础的，用于文本对齐的方法：左对齐，右对齐或居中对齐。
str.ljust(width [, fillchar]) # 左对齐str.rjust(width [, fillchar]) # 右对齐 str.center(width [, fillchar]) # 中间对齐 digit_str.zfill(width) # 用“0”填充
下面是一些例子：
new_str = 'Help!'.center(10, '#') print(new_str)
该例的输出为：
new_str = '750'.rjust(6, '0') print(new_str)
此例的输出为：
上例只是一个简单的字符串格式化样例，《高阶 Python：代码精进之路》一书中还介绍了许多更复杂的格式化方法。
Python 2.0 版本引入的最重要的功能之一就是列表推导式。它提供了一种从列表中生成一系列值的紧凑语法。它也可以应用于字典，集合（set）和其他类型的集合。
假设你要创建一个包含 a_list 中每个元素的平方的新列表，一种可能的实现方式如下：
b_list = [ ] for i in a_list: b_list.append(i * i)
如果 a_list 包含元素 [1，2，3]，则这些语句的结果是创建一个包含 [1，4，9] 的新列表，并将此列表分配给变量 b_list。在这种情况下，相应的列表推导式如下所示：
b_list = [i * i for i in a_list]
假设想讲一个元组列表转换为字典,元组列表如下:
vals_list = [ ('pi', 3.14), ('phi', 1.618) ]
字典可以用下面的代码生成：
my_dict = { i[0]: i[1] for i in vals_list }
注意在键值表达式（i[0]：i[1]）中冒号(:)的使用。
Python 最通用的功能之一就是能够访问可变长度参数的列表。借助此功能，你的函数可以处理任意数量的参数，就像内置的 print 函数一样。可变长参数的特性也可以扩展到命名参数。
def func_name([ordinary_args,] *args): statements
这里的中括号表示 *args 前面可以有任意数量的普通参数，在此表示为 ordinary_args。此类参数是可选的。下面是示例代码：
def my_var_func(*args): print('The number of args is', len(args)) for item in args: print(items)
此函数 my_var_func 可接受任意长度的参数列表。
>>> my_var_func(10, 20, 30, 40) The number of args is 4 10 20 30 40
可变长参数列表还支持关键字参数,如下所示：
def pr_named_vals(**kwargs): for k in kwargs: print(k, ':', kwargs[k])
上面的函数遍历了 kwargs 表示的字典参数，打印出传入参数的键（对应于参数名称）和对应的值。
For example: >>> pr_named_vals(a=10, b=20, c=30) a : 10 b : 20 c : 30
args 和 kwargs 可以组合使用,下面是一个例子。
def pr_vals_2(*args, **kwargs): for i in args: print(i) for k in kwargs: print(k, ':', kwargs[k])
pr_vals_2(1, 2, 3, -4, a=100, b=200)
运行时，此程序将打印以下内容：
线性代数运算在深度学习中非常重要，numpy 库为 Python 提供了高效的线性代数运算模块。
numpy 的线性代数模块非常完备，以计算点积为例进行介绍。
使用 numpy 时，可以使用点积函数 dot 计算点积。
numpy.dot(A, B, out=None)
A 和 B 是要进行点积运算的两个数组；out 参数（如果已指定）是用于存储结果的正确形状的数组，“正确形状”取决于 A 和 B 的形状。
两个一维数组的点积很简单。数组的长度必须相同。点积计算是将 A 中的每个元素与其 B 中的对应元素相乘，然后对这些乘积求和，得出一个标量值。
D. P. = A[0]*B[0] + A[1]*B[1] + ... + A[N-1] * B[N-1]
例子：
import numpy as np A = np.ones(5) B = np.arange(5) print(A, B) [1. 1. 1. 1. 1.] [0 1 2 3 4] np.dot(A, A) 5.0 np.dot(A, B) 10.0 np.dot(B, B) 30
二维矩阵之间的点积比较复杂。与数组之间的普通乘法一样，两个数组的形状必须兼容，但这只需要在其中一个维度上相等即可。
下面是描述点积应用到二维数组通用模式：
(A, B) * (B, C) => (A, C)
思考下面的 2×3 数组，再结合一个 3×2 数组，其点积是 2×2 数组。
A = np.arange(6).reshape(2,3) B = np.arange(6).reshape(3,2) C = np.dot(A, B) print(A, B, sep='\n\n') print('\nDot product:\n', C)[[0 1 2] [3 4 5]]
[[0 1] [2 3] [4 5]]
Dot product: [[10 13] [28 40]]
