Python参数解析工具argparse.ArgumentParser()

简介: Python参数解析工具argparse.ArgumentParser()
#-*- coding: UTF-8 -*-
import argparse  
def parse_args():
    """
    :return:进行参数的解析
    """
    parser = argparse.ArgumentParser(description="you should add those parameter")         
    parser.add_argument('--addresses',default="sipingroad", help = "The path of address")
    parser.add_argument('--gpu', default=0) 
    args = parser.parse_args()                                        
    return args
if __name__ == '__main__':
    args = parse_args()
    print(args.addresses)   
    print(args.gpu)          
  • 查看提示
python arg.py -h 

#-*- coding: UTF-8 -*-
import argparse
def get_args():
    parser = argparse.ArgumentParser("parameters")
  # 默认值
    parser.add_argument('--fn', type=str, default='/srv/sentinel/extract')
    parser.add_argument('--ndvi_temp', type=str, default='/srv/sentinel/ndvi_temp')
    args = parser.parse_args()
    return args
def main():
  print('主程序执行')
if __name__ == "__main__":
    # 如果不传参数,使用默认值
    args = get_args()
  fn = args.fn
  ndvi_temp = args.ndvi_temp
  # 调用主函数
  data = main(fn,ndvi_temp)          
  • 调用
# 不传参数
/root/miniconda3/envs/gss/bin/python3.8 
# 传参数
/root/miniconda3/envs/gss/bin/python3.8 /srv/python/main_tvdi.py --fn=/srv/sentinel/extract --ndvi_temp=/srv/sentinel/ndvi_temp


相关文章
|
6天前
|
SQL 存储 关系型数据库
数据库开发之图形化工具以及表操作的详细解析
数据库开发之图形化工具以及表操作的详细解析
22 0
|
2天前
|
数据可视化 数据挖掘 数据处理
statsmodels, Python 统计分析工具库!
statsmodels, Python 统计分析工具库!
9 1
|
2天前
|
开发者 Python
six,一个神奇的 Python 版本兼容工具库!
six,一个神奇的 Python 版本兼容工具库!
12 4
|
2天前
|
人工智能 Python
beets,一个有趣的 Python 音乐信息管理工具!
beets,一个有趣的 Python 音乐信息管理工具!
11 4
|
2天前
|
存储 SQL 缓存
阿里云大学考试python中级题目及解析-python中级
阿里云大学考试python中级题目及解析-python中级
|
3天前
|
数据采集 数据可视化 数据挖掘
R语言与Python:比较两种数据分析工具
【4月更文挑战第25天】R语言和Python是目前最流行的两种数据分析工具。本文将对这两种工具进行比较,包括它们的历史、特点、应用场景、社区支持、学习资源、性能等方面,以帮助读者更好地了解和选择适合自己的数据分析工具。
|
6天前
|
前端开发 Java
SpringBoot之实体参数的详细解析
SpringBoot之实体参数的详细解析
10 0
|
8天前
|
数据采集 机器学习/深度学习 数据挖掘
Python数据清洗与预处理面试题解析
【4月更文挑战第17天】本文介绍了Python数据清洗与预处理在面试中的常见问题,包括Pandas基础操作、异常值处理和特征工程。通过示例代码展示了数据读取、筛选、合并、分组统计、离群点检测、缺失值和重复值处理、特征缩放、编码、转换和降维。强调了易错点,如忽视数据质量检查、盲目处理数据、数据隐私保护、过度简化特征关系和忽视模型输入要求。掌握这些技能和策略将有助于在面试中脱颖而出。
24 8
|
9天前
|
机器学习/深度学习 数据挖掘 计算机视觉
python数据分析工具SciPy
【4月更文挑战第15天】SciPy是Python的开源库,用于数学、科学和工程计算,基于NumPy扩展了优化、线性代数、积分、插值、特殊函数、信号处理、图像处理和常微分方程求解等功能。它包含优化、线性代数、积分、信号和图像处理等多个模块。通过SciPy,可以方便地执行各种科学计算任务。例如,计算高斯分布的PDF,需要结合NumPy使用。要安装SciPy,可以使用`pip install scipy`命令。这个库极大地丰富了Python在科学计算领域的应用。
12 1
|
10天前
|
数据可视化 数据挖掘 Python
Python中数据分析工具Matplotlib
【4月更文挑战第14天】Matplotlib是Python的数据可视化库,能生成多种图表,如折线图、柱状图等。以下是一个绘制简单折线图的代码示例: ```python import matplotlib.pyplot as plt x = [1, 2, 3, 4, 5] y = [2, 4, 6, 8, 10] plt.figure() plt.plot(x, y) plt.title('简单折线图') plt.xlabel('X轴') plt.ylabel('Y轴') plt.show() ```
13 1

推荐镜像

更多