优秀程序员Python培训分享Python编程中常见的异常处理。今天总结分析一下python编程中经常遇到的一些错误和异常，虽然不会面面俱到，但是可以提供一种面对此类问题的思路，有助于提高python的编程能力。初学者在python中经常遇到的一些错误：以下错误类型的顺序基本上是按照从0到一定基础的过程中会遇到的一些报错问题：NameError：刚接触编程的朋友，是很容易犯这个错误，没有声明定义相应引用的变量，即你一无所获。找到对应的变量并声明。SyntaxError：这个错误是语法错误，比如有多个半括号，缺少半括号，忘记了for循环末尾的英文冒号等等。如果出现这个错误，说明你对python的语法不熟悉，多练习就好了。IndentationError:Incorrectindentation,不熟练python语法的明显表现，用tab键缩进更方便，比如普外科的一个小技巧，如果想在jupyter中批量缩进一堆代码，就选择这一堆代码，按tab键缩进，按shift+tab键整体推进代码。ImportError：开始出现这个错误，说明你有点基础了，开始换包了。但是我在python中使用第三方包不是很熟练。这里详细说一下每种方法的区别，以最常见的pandas为例importpandasaspd导入pandas包，记为pd。后面需要调用pandas库下的子函数API时，这样做：pd.read_csv此时我们调用pandas下的一个文件读取函数read_csv，它支持读取多种格式的文件，例如csv，tsv，txt等等等等，需要调查。 还有一种：frompandasimport*这个就是把pandas的一级下属的所有API接口都导入进来，相当于把一堆pandas的工具都扔给你了。一是占用空间，二是使用时要记住只有对应的功能才能使用，第一种方法可以使用tab补全，知道API接口的大概拼写。 还有一个方法：frompandasimportread_csv,concat这个比较简单，把需要的拿出来就行了。这种方法在调用特别大的包时比较好，比如sklearn，很少见importsklearnassl，就像负重前行。当您知道要使用哪些API时，这是最佳选择。TypeError：由于一些复杂的原因，这种类型的错误慢慢开始出现。例如：TypeError:argumentoftype'int'isnotiterableherebecauseintisnotiterable.TypeError:cannotunpacknon-iterableintobject这里循环的变量中的元素不是一个can。这种类型的错误需要你对python有一定的掌握。比如dict的key是不可重复的等等，你需要在error中积累这类知识。MoudleNotFoundError：您导入的包当前不可用。顺便说一下下载包的各种方法。首先，它在编译器中。这个操作不管是windows下还是公司的linux下都可以：!pipinstallmodule_name的感叹号是英文的，但是如果是阿里云、腾讯云、百度的ai-stduio等云服务器，一定要改需要制作：!pipinstall--usermodule_name这是一个小提示。我个人有预感，未来云服务器会越来越流行，至少在大数据算法爱好者中是这样。Windows，数据量稍微大点，动不动就死机，但是云服务器没有这个问题，而且现在很慢。SlowStart有限时免费的云服务器，以后说不定和流量一样便宜。ValueError：这通常是在拆解一个数据容器时，拆解的元素个数与分配的变量个数不匹配，例如：a,b,c=['1','1','1','1']里面有四个元素，外面有三个变量，肯定会报错ValueError:toomanyvaluestounpack(expected3)。当然，ValueError还有其他原因，例如：ValueError:ThetruthvalueofaSeriesisambiguousZeroDivisionError:这是因为你做除法时，除数为0造成的。python2和python3的划分不一样，有时候很容易犯这个错误。python2只取整数部分，不取整，例如：a=0.61/a在python2中会报错。其他情况如果报这个错误，需要检查你对应变量的精度设置，比如循环的指定条件是逐渐迭代累加一个初始为0的变量时，也容易出现这个错误，在机器学习算法或者推荐算法的召回率和准确率计算命中率差，数据质量差的情况下，很容易出现这个问题。IndexError：索引错误，超出范围。IndexError:listindexoutofrangeKeyError:KeyError出现，基本说明一开始可以用python，因为字典dict是python中使用最广泛的数据存储容器，学习字典的各种操作非常重要。FileNotFoundError：可能是开始使用python做一些数据分析预测，或者推荐算法，或者nlp或者cv，文件的路径或者文件格式，文件名错误，找不到文件。AttributeError：简单点说就是某个数据结构或类型没有某个操作，但是如果你硬要用这个操作，就会报错，例如：AttributeError:'tuple'objecthasnoattribute'remove'出现这样的错误时，说明你学了很多python的各种东西，把一些操作弄糊涂了。比如列表元素的添加是append，必须用update来添加到列表中，update是set或者dict，如下：AttributeError:'list'objecthasnoattribute'update'MemoryError:当你开始遇到这个错误，说明你对python的基础有基本的掌握，就是你在处理比较大的数据集的时候，你的程序太low了，比如各种循环，嵌套循环，电脑是被你包围，内存不足。这说明是时候开始学习python的数据结构和算法了，而且正式难度很大。小顶堆、大顶堆、二叉树、动态规划、链表、队列这些家伙开始出现在你的视野里，你开始看不懂一些稀奇古怪的小算法。所以这也验证了一句话，python入门容易，但是请看清楚，只是入门容易，不能一直站在门口，要努力。你往里走一点。因此，有必要进一步巩固基础的东西。这些每日错误报告只是对您的错误的反馈。你自己的学习过程也是机器学习训练和测试的过程。当你学到一些东西时，开始用练习来适应它。如果练习都是你做过的，对不起，过拟合了，当你去测试的时候，你的正确率会急剧下降，你需要修正你的训练集；测试上，underfitting，结果还是不好。因此，在这样一个不断迭代优化的过程中，我们学习到的知识模型的泛化能力越来越好。
