Python中的os模組
Python檔案系統功能:os模組
1.os模組方法分類
(1)目錄:
chdir() 改变工作目录 chroot() 设定当前进程的根目录 listdir() 列出指定目录下的所有文件名 mkdir() 创建指定目录 makedirs() 创建多级目录 getcwd() 返回当前工作目录 rmdir() 删除指定目录 removedirs() 删除多级目录
(2)檔案:
mkinfo() 创建管道 mknod() 创建设备文件 remove() 删除文件 unlink() 删除链接文件 rename() 重命名 stat() 返回文件状态信息 symlink() 创建符号链接 utime() 更新时间戳 tmpfile() 创建并打开(w+b)一个新的临时文件
(3)存取權限
access(path, mode) 判断指定用户是否有访问权限 os.access('/tmp',0) uid为0用户是否有权限访问/tmp目录 chmod(path,mode) 修改权限 os.chmod('/tmp/s',0640) 将/tmp/s 权限修改为640 chown(path,uid,gid) 修改属主、属组 umask() 设置默认权限模式 os.umask(022)
(4)裝置檔案
makedev() 创建设备 major() 指定设备获取主设备号 minor() 指定设备获取次设备号
(5)檔案描述子
open() 较低的IO打开 read() 较低的IO读 write() 较低的IO写 4、5相对用的少 补充: os.walk() 相当于tree命令 >>> import os >>> a1 = os.walk('/root') >>> a1.next() ('/root', ['.subversion', '.ssh', '.ipython', '.pki', '.cache'], ['test.py', '.bash_history', '.cshrc', '.bash_logout', '.tcshrc', '.bash_profile', '.mysql_history', '.bashrc', '.viminfo']) 返回一个元组,由(文件名,[文件夹],[文件]) 组成
2.os模組中的path模組
#1)跟檔案路徑相關
basename() 路径基名 dirname() 路径目录名 join() 整合文件名 split() 返回dirname(),basename()元组 splitext() 返回(filename,extension)元组 例: >>> dir1 = os.path.dirname('/etc/sysconfig/iptables-config') >>> dir1 '/etc/sysconfig' >>> file1 = os.path.basename('/etc/sysconfig/iptables-config') >>> file1 'iptables-config' >>> os.path.join(dir1,file1) '/etc/sysconfig/iptables-config' >>> for filename in os.listdir('/tmp'): print os.path.join('/tmp',filename)
2)資訊
getatime() 返回文件最近一次访问时间 getmtime() 返回文件最近一次修改时间 getctime() 返回文件最近一次改变时间 getsize() 返回文件的大小
3)查詢
exists() 判断指定文件是否存在 isabs() 判断指定的路径是否为绝对路径 isdir() 是否为目录 isfile() 是否为文件 islink() 是否符号链接 ismount() 是否为挂载点 sanefile(f1,f2) 两个路径是否指向了同一个文件 例:判断文件是否存在,存在则打开,让用户通过键盘反复输入多行数据,追加保存至此文件中 >>> import os >>> import os.path >>> if os.path.isfile('/tmp/s'): f1 = open('/tmp/s','a+') while True: a2 = raw_input("Input >> ") if a2 == 'q' or a2 == 'quit' : break f1.write(a2+'\n') f1.close()
4)物件持久儲存
把变量从内存中变成可存储或传输的过程称之为序列化 pickle、marshal、DBM接口、shelve模块 pickle 将内存对象持久存储在文件中 >>> import pickle >>> dict1 = {'x':1,'y':2,'z':'hello world'} >>> f1 = open('/tmp/s','a+') >>> pickle.dump(dict1,f1) 通过流逝化将字典保存在文件中 >>> f1.close() # file /tmp/s /tmp/s: ASCII text # cat /tmp/s (dp0 S'y' p1 I2 sS'x' p2 I1 sS'z' p3 S'hello world' p4 s. >>> f2 = open('/tmp/s','a+') >>> dict2 = pickle.load(f2) 重新装载 >>> dict2 {'x':1,'y':2,'z':'hello world'}
以上是Python中的os模組的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

熱門話題

PHP和Python各有優劣,選擇取決於項目需求和個人偏好。 1.PHP適合快速開發和維護大型Web應用。 2.Python在數據科學和機器學習領域佔據主導地位。

在CentOS系統上高效訓練PyTorch模型,需要分步驟進行,本文將提供詳細指南。一、環境準備:Python及依賴項安裝:CentOS系統通常預裝Python,但版本可能較舊。建議使用yum或dnf安裝Python3併升級pip:sudoyumupdatepython3(或sudodnfupdatepython3),pip3install--upgradepip。 CUDA與cuDNN(GPU加速):如果使用NVIDIAGPU,需安裝CUDATool

Docker利用Linux內核特性,提供高效、隔離的應用運行環境。其工作原理如下:1. 鏡像作為只讀模板,包含運行應用所需的一切;2. 聯合文件系統(UnionFS)層疊多個文件系統,只存儲差異部分,節省空間並加快速度;3. 守護進程管理鏡像和容器,客戶端用於交互;4. Namespaces和cgroups實現容器隔離和資源限制;5. 多種網絡模式支持容器互聯。理解這些核心概念,才能更好地利用Docker。

在CentOS系統上啟用PyTorchGPU加速,需要安裝CUDA、cuDNN以及PyTorch的GPU版本。以下步驟將引導您完成這一過程:CUDA和cuDNN安裝確定CUDA版本兼容性:使用nvidia-smi命令查看您的NVIDIA顯卡支持的CUDA版本。例如,您的MX450顯卡可能支持CUDA11.1或更高版本。下載並安裝CUDAToolkit:訪問NVIDIACUDAToolkit官網,根據您顯卡支持的最高CUDA版本下載並安裝相應的版本。安裝cuDNN庫:前

Python和JavaScript在社區、庫和資源方面的對比各有優劣。 1)Python社區友好,適合初學者,但前端開發資源不如JavaScript豐富。 2)Python在數據科學和機器學習庫方面強大,JavaScript則在前端開發庫和框架上更勝一籌。 3)兩者的學習資源都豐富,但Python適合從官方文檔開始,JavaScript則以MDNWebDocs為佳。選擇應基於項目需求和個人興趣。

在CentOS下選擇PyTorch版本時,需要考慮以下幾個關鍵因素:1.CUDA版本兼容性GPU支持:如果你有NVIDIAGPU並且希望利用GPU加速,需要選擇支持相應CUDA版本的PyTorch。可以通過運行nvidia-smi命令查看你的顯卡支持的CUDA版本。 CPU版本:如果沒有GPU或不想使用GPU,可以選擇CPU版本的PyTorch。 2.Python版本PyTorch

MinIO對象存儲:CentOS系統下的高性能部署MinIO是一款基於Go語言開發的高性能、分佈式對象存儲系統,與AmazonS3兼容。它支持多種客戶端語言,包括Java、Python、JavaScript和Go。本文將簡要介紹MinIO在CentOS系統上的安裝和兼容性。 CentOS版本兼容性MinIO已在多個CentOS版本上得到驗證,包括但不限於:CentOS7.9:提供完整的安裝指南,涵蓋集群配置、環境準備、配置文件設置、磁盤分區以及MinI

在CentOS系統上進行PyTorch分佈式訓練,需要按照以下步驟操作:PyTorch安裝:前提是CentOS系統已安裝Python和pip。根據您的CUDA版本,從PyTorch官網獲取合適的安裝命令。對於僅需CPU的訓練,可以使用以下命令:pipinstalltorchtorchvisiontorchaudio如需GPU支持,請確保已安裝對應版本的CUDA和cuDNN,並使用相應的PyTorch版本進行安裝。分佈式環境配置:分佈式訓練通常需要多台機器或單機多GPU。所
