python-*解包与zip函数的应用，作为整体进行一次func处理后，顺序关系不变，zip函数的返回值本身不能用*解包

一、问题背景

# ---------cat vs dog-------------
# https://michael.blog.csdn.net/
import tensorflow as tf
import pandas as pd
import numpy as np
import random
import os

num_epochs = 10
batch_size = 32
learning_rate = 1e-4
train_data_dir = "./dogs-vs-cats/train/"
test_data_dir = "./dogs-vs-cats/test/"

# 数据处理
def _decode_and_resize(filename, label=None):
    img_string = tf.io.read_file(filename)
    img_decoded = tf.image.decode_jpeg(img_string)
    img_resized = tf.image.resize(img_decoded, [256, 256]) / 255.
    if label == None:
        return img_resized
    return img_resized, label

# 使用 tf.data.Dataset 生成数据
def processData(train_filenames, train_labels):
    train_dataset = tf.data.Dataset.from_tensor_slices((train_filenames, train_labels))
    train_dataset = train_dataset.map(map_func=_decode_and_resize)
    # train_dataset = train_dataset.shuffle(buffer_size=25000) # 非常耗内存，不使用
    train_dataset = train_dataset.batch(batch_size)
    train_dataset = train_dataset.prefetch(buffer_size=tf.data.experimental.AUTOTUNE)
    return train_dataset


if __name__ == "__main__":
	# 训练文件路径
    file_dir = [train_data_dir + filename for filename in os.listdir(train_data_dir)]
    labels = [0 if filename[0] == 'c' else 1
              for filename in os.listdir(train_data_dir)]

	# 打包并打乱
    f_l = list(zip(file_dir, labels))
    random.shuffle(f_l)
    file_dir, labels = zip(*f_l)
	
	# 切分训练集，验证集
    valid_ratio = 0.1
    idx = int((1 - valid_ratio) * len(file_dir))
    train_files, valid_files = file_dir[:idx], file_dir[idx:]
    train_labels, valid_labels = labels[:idx], labels[idx:]
	
	# 使用 tf.data.Dataset 生成数据集
    train_filenames, valid_filenames = tf.constant(train_files), tf.constant(valid_files)
    train_labels, valid_labels = tf.constant(train_labels), tf.constant(valid_labels)

    train_dataset = processData(train_filenames, train_labels)
    valid_dataset = processData(valid_filenames, valid_labels)

	# 建模 
    model = tf.keras.Sequential([
        tf.keras.layers.Conv2D(32, 3, activation='relu', input_shape=(256, 256, 3)),
        tf.keras.layers.MaxPooling2D(),
        tf.keras.layers.Dropout(0.2),
        tf.keras.layers.Conv2D(64, 5, activation='relu'),
        tf.keras.layers.MaxPooling2D(),
        tf.keras.layers.Dropout(0.2),
        tf.keras.layers.Conv2D(128, 5, activation='relu'),
        tf.keras.layers.MaxPooling2D(),
        tf.keras.layers.Dropout(0.2),
        tf.keras.layers.Flatten(),
        tf.keras.layers.Dense(64, activation='relu'),
        tf.keras.layers.Dense(2, activation='softmax')
    ])

	# 模型配置
    model.compile(
        optimizer=tf.keras.optimizers.Adam(learning_rate=learning_rate),
        loss=tf.keras.losses.sparse_categorical_crossentropy,
        metrics=[tf.keras.metrics.sparse_categorical_accuracy]
    )
	# 训练
    model.fit(train_dataset, epochs=num_epochs, validation_data=valid_dataset)
	
	# 测试 test
    test_filenames = tf.constant([test_data_dir + filename for filename in os.listdir(test_data_dir)])
    test_data = tf.data.Dataset.from_tensor_slices(test_filenames)
    test_data = test_data.map(map_func=_decode_and_resize)
    test_data = test_data.batch(batch_size)

    ans = model.predict(test_data) # ans [12500, 2]
    prob = ans[:, 1] # dog 的概率

	# 写入提交文件
    id = list(range(1, 12501))
    output = pd.DataFrame({'id': id, 'label': prob})
    output.to_csv("submission.csv", index=False)

上面的这个代码块，是我在学CNN做图像分类过程中看到的，详见文章 。

其中的打包并打乱这一步的操作，属实把我看懵了，原来还有zip(*data)这种用法。

这个*解包搭配zip函数的应用，其实是非常巧妙的；因为首先shuffle函数只允许接收一个数据参数，而如果分别对file_dir和labels进行打乱，那么它们之间的对应关系就被破坏了。

（虽然，这个问题可以通过设置随机数种子来解决——seed，但是random模块的shuffle和numpy.random子模块下的shuffle，都不支持随机数种子，因此乱序的效果是无法复现的；现阶段只能用zip压缩成包的形式来打乱，然后再*搭配zip解包，也是可以的，只不过有点麻烦而已）

然后，我用下面的代码做了一个实验，想探究一下zip搭配*使用的效果。

languages = ['Java', 'Python', 'JavaScript']
versions = [14, 3, 6]

result = zip(languages, versions)

print(list(result))

print(list(zip(*result)))

# [('Java', 14), ('Python', 3), ('JavaScript', 6)]
# []

但是，第二个输出竟然是一个空列表，我真的懵逼了。 

二、问题的解决

查了官方文档对zip的描述，我发现这个函数是可接受变长度参数的，所以搭配*解包某一个列表/元组使用，完全合理。

那为什么我的结果输出这么奇怪呢？竟然是空列表。

我盘起代码观摩数遍，终于发现病因！原来是result变量本身没有转换成一个列表或元组。

我讶异的是，这样使用*解包，竟然没有出现语法错误（强烈建议python官方在这方面强化语法纠察机制）。

改正的代码如下：

languages = ['Java', 'Python', 'JavaScript']
versions = [14, 3, 6]

result = list(zip(languages, versions))

print(list(result))

print(list(zip(*result)))

# [('Java', 14), ('Python', 3), ('JavaScript', 6)]
# [('Java', 'Python', 'JavaScript'), (14, 3, 6)]

三、不堪回首 

如下面的代码块所示，我以为本文第一部分中“老师”的代码有问题的时候（因为后面这个函数调用返回的结果不是一个列表嘛，怎么能用两个变量去接盘？）

 我做了下面这个实验，竟然没出问题！

languages = ['Java', 'Python', 'JavaScript']
versions = [14, 3, 6]

result = list(zip(languages, versions))

print(list(result))


a, b = list(zip(*result))
c = list(zip(*result))

print(a)
print(b)
print(c)

# [('Java', 14), ('Python', 3), ('JavaScript', 6)]
# ('Java', 'Python', 'JavaScript')
# (14, 3, 6)
# [('Java', 'Python', 'JavaScript'), (14, 3, 6)]

好吧，我又学到了一个知识点，原来列表（或元组）是可以赋给多个变量的，这时候列表（或元组）的长度必须要等于等号左边的变量数。