重新学习python系列？ WTF？

Posted 2020-09-22

重新学习python：
两年前学了点python之后就一直没做做过啥项目， 基本上全忘光了，复习一下搞点事情

 

or |
and &

 

ord() ascii转16进制

chr()  16进制转ascii

 

>>> u‘ABC‘.encode(‘utf-8‘)
‘ABC‘
>>> u‘中文‘.encode(‘utf-8‘)
‘\xe4\xb8\xad\xe6\x96\x87‘

>>> ‘abc‘.decode(‘utf-8‘)
u‘abc‘
>>> ‘\xe4\xb8\xad\xe6\x96\x87‘.decode(‘utf-8‘)
u‘\u4e2d\u6587‘
>>> print ‘\xe4\xb8\xad\xe6\x96\x87‘.decode(‘utf-8‘)
中文

 

数组list：

 append(‘a‘)   插到后面
insert(1,‘a‘)  指定位置
pop()                     删除末尾 删除指定

 

元组tuple：
只有1个元素的tuple定义时必须加一个逗号,，来消除歧义：

>>> t = (1,)
>>> t
(1,)

“可变的”tuple：
t = (‘a‘, ‘b‘, [‘A‘, ‘B‘])

 

dict：key-value存储方式
通过in判断key是否存在：

iteritems

>>> ‘Thomas‘ in d
False

 通过dict提供的get方法：如果key不存在，可以返回None，或者自己指定的value(不改变dict)

dict = {
    ‘a‘ : "this a",
    ‘b‘ : "this b",
    ‘c‘ : "this c",
    ‘d‘ : "this d"
}
print dict.get(‘f‘,"hello")
print dict

hello
{‘a‘: ‘this a‘, ‘c‘: ‘this c‘, ‘b‘: ‘this b‘, ‘d‘: ‘this d‘}

 用pop(key)方法，对应的value也会从dict中删除

和list比较，dict有以下几个特点：

1. 查找和插入的速度极快，不会随着key的增加而增加；
2. 需要占用大量的内存，内存浪费多。

而list相反：

1. 查找和插入的时间随着元素的增加而增加；
2. 占用空间小，浪费内存很少

 

set:一组key的集合，但不存储value。由于key不能重复，所以，在set中，没有重复的key。
通过add(key)方法可以添加元素到set中，可以重复添加，但不会有效果
通过remove(key)方法可以删除元素：

>>> s1 = set([1, 2, 3])
>>> s2 = set([2, 3, 4])
>>> s1 & s2
set([2, 3])
>>> s1 | s2
set([1, 2, 3, 4])

 

再议不可变对象

上面我们讲了，str是不变对象，而list是可变对象。

对于可变对象，比如list，对list进行操作，list内部的内容是会变化的，比如：

>>> a = [‘c‘, ‘b‘, ‘a‘]
>>> a.sort()
>>> a
[‘a‘, ‘b‘, ‘c‘]

而对于不可变对象，比如str，对str进行操作呢：

>>> a = ‘abc‘
>>> a.replace(‘a‘, ‘A‘)
‘Abc‘
>>> a
‘abc‘

虽然字符串有个replace()方法，也确实变出了‘Abc‘，但变量a最后仍是‘abc‘，应该怎么理解呢？

我们先把代码改成下面这样：

>>> a = ‘abc‘
>>> b = a.replace(‘a‘, ‘A‘)
>>> b
‘Abc‘
>>> a
‘abc‘

要始终牢记的是，a是变量，而‘abc‘才是字符串对象！有些时候，我们经常说，对象a的内容是‘abc‘，但其实是指，a本身是一个变量，它指向的对象的内容才是‘abc‘：

 

调用函数

http://docs.python.org/2/library/functions.html#abs

如何判断一个对象是可迭代对象呢？方法是通过collections模块的Iterable类型判断：

>>> from collections import Iterable
>>> isinstance(‘abc‘, Iterable) # str是否可迭代
True
>>> isinstance([1,2,3], Iterable) # list是否可迭代
True
>>> isinstance(123, Iterable) # 整数是否可迭代
False

 

 Python内置的enumerate函数可以把一个list变成索引-元素对

>>> for i, value in enumerate([‘A‘, ‘B‘, ‘C‘]):
...     print i, value
...
0 A
1 B
2 C

>>> for x, y in [(1, 1), (2, 4), (3, 9)]:
...     print x, y
...
1 1
2 4
3 9

 

for循环其实可以同时使用两个甚至多个变量，比如dict的iteritems()可以同时迭代key和value

>>> d = {‘x‘: ‘A‘, ‘y‘: ‘B‘, ‘z‘: ‘C‘ }
>>> for k, v in d.iteritems():
...     print k, ‘=‘, v
... 
y = B
x = A
z = C

 

列表生成式则可以用一行语句代替循环生成上面的list：

>>> [x * x for x in range(1, 11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

 

>>> [x * x for x in range(1, 11) if x % 2 == 0]
[4, 16, 36, 64, 100]

>>> [m + n for m in ‘ABC‘ for n in ‘XYZ‘]
[‘AX‘, ‘AY‘, ‘AZ‘, ‘BX‘, ‘BY‘, ‘BZ‘, ‘CX‘, ‘CY‘, ‘CZ‘]

>>> import os # 导入os模块，模块的概念后面讲到
>>> [d for d in os.listdir(‘.‘)] # os.listdir可以列出文件和目录
[‘.emacs.d‘, ‘.ssh‘, ‘.Trash‘, ‘Adlm‘, ‘Applications‘, ‘Desktop‘, ‘Documents‘, ‘Downloads‘, ‘Library‘, ‘Movies‘, ‘Music‘, ‘Pictures‘, ‘Public‘, ‘VirtualBox VMs‘, ‘Workspace‘, ‘XCode‘]

 

list中所有的字符串变成小写:
list.lower()


>>> L = [‘Hello‘, ‘World‘, ‘IBM‘, ‘Apple‘]
>>> [s.lower() for s in L]
[‘hello‘, ‘world‘, ‘ibm‘, ‘apple‘]

使用内建的isinstance函数可以判断一个变量是不是字符串：

>>> x = ‘abc‘
>>> y = 123
>>> isinstance(x, str)
True
>>> isinstance(y, str)
False

 

生成器generator：  只要把一个列表生成式的[]改成()，就创建了一个generator：

g = (x * x for x in range(10))

用 g.next()  打印
正确的方法是使用for循环，因为generator也是可迭代对象

>>> g = (x * x for x in range(10))
>>> for n in g:
...     print n
...
0
1
4
9

 把print b改为yield b就可以变成生成器generator：

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b             #print b
        a, b = b, a + b
        n = n + 1

 

这就是定义generator的另一种方法。如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator：

>>> fib(6)
<generator object fib at 0x104feaaa0>

这里，最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。

举个简单的例子，定义一个generator，依次返回数字1，3，5：

>>> def odd():
...     print ‘step 1‘
...     yield 1
...     print ‘step 2‘
...     yield 3
...     print ‘step 3‘
...     yield 5
...
>>> o = odd()
>>> o.next()
step 1
1
>>> o.next()
step 2
3
>>> o.next()
step 3
5
>>> o.next()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

可以看到，odd不是普通函数，而是generator，在执行过程中，遇到yield就中断，下次又继续执行。执行3次yield后，已经没有yield可以执行了，所以，第4次调用next()就报错。

回到fib的例子，我们在循环过程中不断调用yield，就会不断中断。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来。

同样的，把函数改成generator后，我们基本上从来不会用next()来调用它，而是直接使用for循环来迭代：

>>> for n in fib(6):
...     print n
...
1
1
2
3
5
8

 

 

map()

>>> def f(x):
...     return x * x
...
>>> map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])
[1, 4, 9, 16, 25, 36, 49, 64, 81]

 

reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)

 

>>> def add(x, y):
...     return x + y
...
>>> reduce(add, [1, 3, 5, 7, 9])
25

 

upper()——所有字母大写   

lower()——所有字母小写

capitalize()——首字母大写，其他字母小写

title()——所有单词首字母大写，其他小写

 

filter()把传入的函数依次作用于每个元素，然后根据返回值是True还是False决定保留还是丢弃该元素

def is_odd(n):
    return n % 2 == 1

filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15])
# 结果: [1, 5, 9, 15]

 

Python内置的sorted()函数就可以对list进行排序：
它还可以接收一个比较函数来实现自定义的排序。比如，如果要倒序排序，我们就可以自定义一个reversed_cmp函数：

def reversed_cmp(x, y):
    if x > y:
        return -1
    if x < y:
        return 1
    return 0

 传入自定义的比较函数reversed_cmp，就可以实现倒序排序：

>>> sorted([36, 5, 12, 9, 21], reversed_cmp)
[36, 21, 12, 9, 5]

 忽略大小写来比较两个字符串，实际上就是先把字符串都变成大写（或者都变成小写），再比较。

 

返回闭包时牢记的一点就是：返回函数不要引用任何循环变量，或者后续会发生变化的变量。

闭包

注意到返回的函数在其定义内部引用了局部变量args，所以，当一个函数返回了一个函数后，其内部的局部变量还被新函数引用，所以，闭包用起来简单，实现起来可不容易。

另一个需要注意的问题是，返回的函数并没有立刻执行，而是直到调用了f()才执行。我们来看一个例子：

def count():
    fs = []
    for i in range(1, 4):
        def f():
             return i*i
        fs.append(f)
    return fs

f1, f2, f3 = count()

在上面的例子中，每次循环，都创建了一个新的函数，然后，把创建的3个函数都返回了。

你可能认为调用f1()，f2()和f3()结果应该是1，4，9，但实际结果是：

>>> f1()
9
>>> f2()
9
>>> f3()
9

 

匿名函数lambda x: x * x实际上就是：

def f(x):
    return x * x


装饰器：

def log(func):
    def wrapper(*args, **kw):
        print ‘call %s():‘ % func.__name__
        return func(*args, **kw)
    return wrapper

@log
def now():
    print ‘2013-12-25

now()

 把@log放到now()函数的定义处，相当于执行了语句：now = log(now)

偏函数

import functools
def func(x,y):
    print x+y
func2 = functools.partial(func, y=‘fuck‘)
func2("hello ")

 

模块别名：

try:
    import cStringIO as StringIO
except ImportError: # 导入失败会捕获到ImportError
    import StringIO