好程式設計師Python培訓分享Python程式設計中常見的異常處理

　　好程式設計師Python 培訓分享 Python 程式設計中常見的異常處理，今天將對 python 程式設計中經常會遇到的一些報錯與異常的進行總結與分析，雖然不會面面俱到，但是可以提供一種面對這樣的問題時的思考方法，會對 python 的程式設計能力的提高有所幫助。

　　初學python 經常會遇到的一些錯誤：

　　下面錯誤型別的先後順序基本上是按照從0 到有一定基礎的過程會遇到的一些報錯問題：

　　NameError ：在剛開始接觸程式設計的朋友，容易犯這個錯誤，沒有宣告定義對應引用的變數，即，你來了一個無中生有。找到對應的變數，宣告即可。

　　SyntaxError ：這個出錯，都是語法型別的錯誤，例如多個半括號，少個半括號， for 迴圈時，末尾忘記英文冒號等等。出現這個錯誤，說明你對 python 的語法很不熟悉，多練習就是。

　　IndentationError ：縮排不正確， python 語法不熟練的明顯表現，採用 tab 鍵進行縮排比較比較方便，例外科普一個小技巧，在 jupyter 中如果要對一堆程式碼進行批次縮排時，選中這堆程式碼，按 tab 來進行縮排，按 shift+tab 程式碼整體前進。

　　ImportError ：開始出現這個錯誤，說明你有了一丟丟基礎，開始要調包了。但是還不是很熟練 python 中第三方包的使用方法。這裡具體說一下每一種方法的差異，就拿最常見的 pandas 來舉例

　　import pandas as pd

　　匯入pandas 包，記為 pd 。後續需要呼叫 pandas 庫底下的子函式 API 時，這樣操作： pd.read_csv 此時我們呼叫 pandas 下的一個檔案讀取函式 read_csv ，它支援許多格式的檔案的讀取，例如， csv,tsv,txt 等等，具體需要去探究。

　　還有一種是：

　　from pandas import *

　　這個是匯入pandas 一級下屬的所有 API 介面，相當於把 pandas 的一堆工具散亂的扔給你，一是佔空間，二是用起來你得記住對應的函式才行，而第一種可以採用 tab 補全的方法，知道 API 介面大概拼寫即可。

　　還有一種：

　　from pandas import read_csv, concat

　　這個就比較簡潔，只把自己需要的拿出來即可，在呼叫特別大的包的時候，這種方法比較好，例如sklearn ，很少有見 import sklearn as sl 吧，就像一直負重前行。在知道自己具體要用哪幾個 API 的情況下，這種最優。

　　TypeError ：這個型別的錯誤慢慢開始由於一些有些複雜的原因引起。例如：

　　TypeError : argument of type 'int' is not iterable 此處是因為 int 不可迭代。

　　TypeError: cannot unpack non-iterable int object 此處是迴圈的變數中的元素不是一個可以。這一型別的錯誤需要你對 python 有一些掌握，例如 dict 的 key 是不可重複的等等，需要在錯誤中累積這一類的知識。

　　MoudleNotFoundError ：就是你匯入的包當前是木有的，這裡順便說一下各種下載包的方式，首先就是在編譯器裡，此操作不論是在 Windows 下還是公司的 Linux 下都可以這樣： !pip install module_name 感嘆號為英文的

　　但是如果是阿里雲，騰訊雲，百度的ai-stduio 這種雲伺服器的話，需要做一定的改變： !pip install --user module_name 這個是一個小 tip 。個人有一種預感，以後雲伺服器會越來越普及，至少是在大資料演算法愛好者中， Windows 的，資料量稍微大一點，動不動就跑的當機，雲伺服器則不存在這個問題，而且現在慢慢開始有了限時免費的雲伺服器，再往以後可能就會像流量這樣便宜。

　　ValueError ：這個通常是在對一個資料容器進行拆解的時候，拆出來的元素個數與賦值的變數個數不匹配，例如：

　　a,b,c = ['1','1','1','1'] 裡面四個元素，外面配三個變數，肯定報錯

　　ValueError: too many values to unpack (expected 3)

　　當然還有其他的原因造成ValueError ，例如：

　　ValueError: The truth value of a Series is ambiguous

　　ZeroDivisionError ：這個就是你在做除法時，除數為 0 所致， python2 與 python3 的除法有所不同，有時候容易犯這個錯誤。 python2 的只是取整數部分，不四捨五入，例如 :

　　a=0.6

　　1/a 在 python2 中是會報錯的。其他情況下報這個錯，就需要檢查一下你的對應變數的精度設定了，並且在迴圈指定條件逐步對某一初始為 0 的變數進行迭代累加的時候，也容易出現這個錯誤，例如，在機器學習演算法或者推薦演算法的召回率，準確率時，計算 hit ，資料質量較差時就容易出現這個問題。

　　IndexError ：索引出錯了，超出範圍。

　　IndexError: list index out of range

　　KeyError ：出現 KeyError ，基本說明你開始會用 python 了，因為字典 dict 是 python 中應用最為廣泛的資料儲存容器，學會字典的各種操作很重要。

　　FileNotFoundError ：可能是在你開始採用 python 進行一些資料分析預測，或者推薦演算法，或者 nlp 或者 cv 什麼的時候，檔案的路徑或者檔案格式，檔名出錯導致檔案找不到。

　　AttributeError ：說通俗一些，就是某個資料結構或者型別沒有某種操作，你卻非要用這種操作，那就要報錯了，例如：

　　AttributeError: 'tuple' object has no attribute 'remove' 出現這樣的錯誤的時候，說明對 python 各種東西學習的有些多，混淆了一些操作。例如 list 的元素新增是 append ，你非要用 update 來給 list 新增，而 update 是 set 或者 dict 的，如下：

　　AttributeError: 'list' object has no attribute 'update'

　　MemoryError ：開始遇到這個錯誤的時候，說明你的 python 基礎基本掌握，就是在你在處理一個比較大的資料集的時候，你的程式太 low ，例如，各種迴圈，巢狀迴圈，電腦被你玩蒙圈了，記憶體不足。這個說明一點，要開始學習 python 的資料結構與演算法了，正式開始難點了。一些像小頂堆，大頂堆，二叉樹，動態規劃，連結串列，佇列的傢伙開始出現在你的視野裡，並且開始看不懂一些詭異的很巧妙的小演算法。

所以這就驗證了一個說法，python 入門容易，但請看清楚了，僅僅是入門容易，你不能一直站在門口吧，往裡面走一點，你就要費點勁。因此，需要進一步去鞏固基礎的東西，這些日常的報錯異常只是在反饋你的 bug ，自己的學習過程也是一個機器學習的 train 與 test 的過程，學到東西開始用習題擬合，如果習題都是你做過的，抱歉，過擬合了，當上 test 的時候，你的正確率就大幅下降，你就需要修正你的訓練集了；如果你是個懶傢伙，習題沒做幾個，就直接上 test ，欠擬合了，結果還是不好。所以就是在這樣的不斷迭代最佳化的過程中，我們學習的知識模型的泛化能力越來越好。