本文目录一览：
Python Yaml配置工具
【GiantPandaCV导语】深度学习调参过程中会遇到很多参数，为了完整保存一个项目的所有配置，推荐使用yaml工具进行配置。
Yaml是可读的数据序列化语言，常用于配置文件。
支持类型有：
语法特点：
安装用命令：
举个例子：
注意：关键字不能重复；不能使用tab，必须使用空格。
处理的脚本：
输出结果：
这个警告取消方法是：添加默认loader
保存：
支持的类型：
python中四种配置文件
常用的配置文件后缀是.ini、.conf、.py，当然还有使用.json、.txt的，推荐使用常用的.ini、.py，配置文件的名字一般是config便于理解和使用。
ini配置文件，这类配置文件我们使用内置configparser库来使用，它可以实现配置文件的写入、更新、删除、读取等操作非常方便，建议使用这种方式。
新建一个config.ini的配置文件内容如下，编码格式要是 utf-8 以免出错。：
其中[]中的是section节点，该节点下的等式是option即键=值
然后每一行写一个option ，每个选项就是一个option。直接写名字，后面加 " = " 再加上它的值就行，字符串的表示不要加引号，否则引号也会被解析出来。
可以在配置文件中加入注释 ，但是注释必须是单独的一行，且以 “#” 开头。只是每次运行时不会读入注释，只要运行一次，写入文件后，所有的注释都会消失。
config.json文件
使用python内置的 json 标准库进行解析ini文件。
load() 从json文件中读取json格式数据
loads() 将字符串类型数据转化为json格式数据
dump() 将json格式数据保存到文件
dumps() 将json格式数据保存为字符串类型
TOML的语法广泛地由key = "value"、[节名]、#注释构成。
支持以下数据类型：字符串、整形、浮点型、布尔型、日期时间、数组和图表。
config.toml文件
使用外部库 toml 解析toml文件。
安装：pip install toml
读取文件
安装：
YAML是目前最推荐的配置文件格式。优秀的配置文件标准它几乎都有：
容易阅读和修改，支持注释。
支持丰富的数据类型。
不同格式的明确表达。
yaml使用时需要注意：
yaml强制缩进。虽然不规定具体缩进几个空格，但是同一级的内容要保持相同的缩进。
冒号后面一定要加空格， 否则无法解析。
python解析 yaml 可以使用pyyaml库，操作和标准的文件操作非常类似:
得到的data就是解析后的数据，在python当中，它是一个嵌套的字典：
想获取某一项配置，再通过字典的操作获取：
config.yaml文件
读取
python常用函数包有哪些？
一些python常用函数包：
1、Urllib3
Urllib3是一个 Python 的 HTTP 客户端，它拥有 Python 标准库中缺少的许多功能：
线程安全
连接池
客户端 SSL/TLS 验证
使用分段编码上传文件
用来重试请求和处理 HTTP 重定向的助手
支持 gzip 和 deflate 编码
HTTP 和 SOCKS 的代理支持
2、Six
six 是一个是 Python 2 和 3 的兼容性库。这个项目旨在支持可同时运行在 Python 2 和 3 上的代码库。它提供了许多可简化 Python 2 和 3 之间语法差异的函数。
3、botocore、boto3、s3transfer、awscli
Botocore是 AWS 的底层接口。Botocore是 Boto3 库（#22）的基础，后者让你可以使用 Amazon S3 和 Amazon EC2 一类的服务。Botocore 还是 AWS-CLI 的基础，后者为 AWS 提供统一的命令行界面。
S3transfer（#7）是用于管理 Amazon S3 传输的 Python 库。它正在积极开发中，其介绍页面不推荐人们现在使用，或者至少等版本固定下来再用，因为其 API 可能发生变化，在次要版本之间都可能更改。Boto3、AWS-CLI和其他许多项目都依赖s3transfer。
4、Pip
pip是“Pip Installs Packages”的首字母递归缩写。
pip很容易使用。要安装一个包只需pip install package name即可，而删除包只需pip uninstall package name即可。
最大优点之一是它可以获取包列表，通常以requirements.txt文件的形式获取。该文件能选择包含所需版本的详细规范。大多数 Python 项目都包含这样的文件。
如果结合使用pip与virtualenv（列表中的 #57），就可以创建可预测的隔离环境，同时不会干扰底层系统，反之亦然。
5、Python-dateutil
python-dateutil模块提供了对标准datetime模块的强大扩展。我的经验是，常规的Python datetime缺少哪些功能，python-dateutil就能补足那一块。
6、Requests
Requests建立在我们的 #1 库——urllib3基础上。它让 Web 请求变得非常简单。相比urllib3来说，很多人更喜欢这个包。而且使用它的最终用户可能也比urllib3更多。后者更偏底层，并且考虑到它对内部的控制级别，它一般是作为其他项目的依赖项。
7、Certifi
近年来，几乎所有网站都转向 SSL，你可以通过地址栏中的小锁符号来识别它。加了小锁意味着与该站点的通信是安全和加密的，能防止窃听行为。
8、Idna
根据其 PyPI 页面，idna提供了“对 RFC5891 中指定的应用程序中国际化域名（IDNA）协议的支持。”
IDNA的核心是两个函数：ToASCII和ToUnicode。ToASCII会将国际 Unicode 域转换为 ASCII 字符串。ToUnicode则逆转该过程。在IDNA包中，这些函数称为idna.encode()和idna.decode()
9、PyYAML
YAML是一种数据序列化格式。它的设计宗旨是让人类和计算机都能很容易地阅读代码——人类很容易读写它的内容，计算机也可以解析它。
PyYAML是 Python 的YAML解析器和发射器，这意味着它可以读写YAML。它会把任何 Python 对象写成YAML：列表、字典，甚至是类实例都包括在内。
10、Pyasn1
像上面的IDNA一样，这个项目也非常有用：
ASN.1 类型和 DER/BER/CER 编码（X.208）的纯 Python 实现
所幸这个已有数十年历史的标准有很多信息可用。ASN.1是 Abstract Syntax Notation One 的缩写，它就像是数据序列化的教父。它来自电信行业。也许你知道协议缓冲区或 Apache Thrift？这就是它们的 1984 年版本。
11、Docutils
Docutils是一个模块化系统，用来将纯文本文档处理为很多有用的格式，例如 HTML、XML 和 LaTeX 等。Docutils能读取reStructuredText格式的纯文本文档，这种格式是类似于 MarkDown 的易读标记语法。
12、Chardet
你可以用chardet模块来检测文件或数据流的字符集。比如说，需要分析大量随机文本时，这会很有用。但你也可以在处理远程下载的数据，但不知道用的是什么字符集时使用它。
13、RSA
rsa包是一个纯 Python 的 RSA 实现。它支持：
加密和解密
签名和验证签名
根据 PKCS#1 1.5 版生成密钥
它既可以用作 Python 库，也能在命令行中使用。
14、Jmespath
JMESPath，发音为“James path”，使 Python 中的 JSON 更容易使用。它允许你声明性地指定如何从 JSON 文档中提取元素。
15、Setuptools
它是用于创建 Python 包的工具。不过，其文档很糟糕。它没有清晰描述它的用途，并且文档中包含无效链接。最好的信息源是这个站点，特别是这个创建 Python 包的指南。
16、Pytz
像dateutils一样，这个库可帮助你处理日期和时间。有时候，时区处理起来可能很麻烦。幸好有这样的包，可以让事情变得简单些。
17、Futures
从 Python 3.2 开始，python 提供current.futures模块，可帮助你实现异步执行。futures 包是该库适用于 Python 2 的 backport。它不适用于 Python3 用户，因为 Python 3 原生提供了该模块。
18、Colorama
使用 Colorama，你可以为终端添加一些颜色：
更多Python知识请关注Python自学网
Python 自动化处理 Yaml 文件-
Yaml文件内容—示例1：
Yaml文件内容—示例2：
从上述示例文件内容可以看到 Yaml 数据结构：
1). 对象：键值对的集合（简称 "映射或字典"）
例如：family 和 address 这两个对象后面分别有对应的键值对集合。
2). 键值对用冒号 “:” 结构表示，冒号与值之间需用空格分隔
例如：
family 对象中的 key 为 name 与其对应的 value 值 Smile_Family 之间是使用空格分隔的。
address 对象中的 key 为 province 与其对应的 value 值 BeiJing 之间是使用空格分隔的。
3). 数组：一组按序排列的值（简称 "序列或列表"），数组前加有 “-” 符号，符号与值之间需用空格分隔
例如：
parents 中的 John 和 Jane
children 中的 Lily 和 Frank
4). 纯量(scalars)：单个的、不可再分的值。例如：字符串、bool值、整数、浮点数、时间、日期、null等
None值可用null也可用 ~ 表示；
yaml文件内容如下：
Python解析输出为：
这个例子输出一个字典，其中value包括所有基本类型
Yaml文件内容如下：
Python解析输出为：
Yaml文件内容如下：
Python输出为:
如果字符串没有空格或特殊字符，不需要加引号，但如果其中有空格或特殊字符，则需要加引号。
这里要注意单引号和双引号的区别：
单引号中的特殊字符转到 Python 会被转义，也就是到最后是原样输出；
双引号不会被 Python 转义，到最后是输出了特殊字符；
Yaml文件内容如下：
Python输出：
YAML 文件介绍
YAML 是一种可读性非常高，与程序语言数据结构非常接近。同时具备丰富的表达能力和可扩展性，并且易于使用的数据标记语言。
YAML是 "YAML Ain't a Markup Language"（YAML不是一种标记语言）的递归缩写。
这么命名的方式，表示 YAML 强调的不是标记，而是数据本身。
YAML 参考了其他多种语言，包括：XML、C语言、Python、Perl 以及电子邮件格式 RFC2822。
YAML 发布与 2001 年，之前并不出名，现在逐渐开始流行。测试圈中，主要应用于自动化测试过程，用来进行数据驱动的数据存储载体。
基本语法规则(很接近 Python 的语法规则):
支持的数据格式：
以下是 YAML 数据格式的示例：
对象
转换为Python字典格式为
YAML也支持另一种对象的写法，将所有的键值对写成一个行内对象
转换为Python字典格式为
数组
一组连词线开头的行，构成一个数组
转换为Python
也可以通过缩进空格来表示多维数组
转换为Python的列表
当然，也可以采用行内表示法
转换为Python
纯量
纯量是最基本的、不可再分的值。 以下数据类型都是常见的纯量。
纯量一般表示如下
转换为Python
yaml 文件通过 pyyaml 库转换后就是 Python 中对应的数据类型。直接进行操作即可，相较从 excel 中读取数据全部是字符串的方式来说，处理更方便。相对于 json 格式，可读性更高。