一 三元表达式、列表推导式、生成器表达式
一 三元表达式
name=input(\'姓名>>: \') res=\'SB\' if name == \'alex\' else \'NB\' print(res)
二 列表推导式
#1、示例 egg_list=[] for i in range(10): egg_list.append(\'鸡蛋%s\' %i) egg_list=[\'鸡蛋%s\' %i for i in range(10)] #2、语法 [expression for item1 in iterable1 if condition1 for item2 in iterable2 if condition2 ... for itemN in iterableN if conditionN ] 类似于 res=[] for item1 in iterable1: if condition1: for item2 in iterable2: if condition2 ... for itemN in iterableN: if conditionN: res.append(expression) #3、优点：方便，改变了编程习惯，可称之为声明式编程
三 生成器表达式
#1、把列表推导式的[]换成()就是生成器表达式 #2、示例：生一筐鸡蛋变成给你一只老母鸡，用的时候就下蛋，这也是生成器的特性 >>> chicken=(\'鸡蛋%s\' %i for i in range(5)) >>> chicken <generator object <genexpr> at 0x10143f200> >>> next(chicken) \'鸡蛋0\' >>> list(chicken) #因chicken可迭代，因而可以转成列表 [\'鸡蛋1\', \'鸡蛋2\', \'鸡蛋3\', \'鸡蛋4\',] #3、优点：省内存，一次只产生一个值在内存中
四 声明式编程练习题
1、将names=[\'egon\',\'alex_sb\',\'wupeiqi\',\'yuanhao\']中的名字全部变大写
2、将names=[\'egon\',\'alex_sb\',\'wupeiqi\',\'yuanhao\']中以sb结尾的名字过滤掉，然后保存剩下的名字长度
3、求文件a.txt中最长的行的长度（长度按字符个数算，需要使用max函数）
4、求文件a.txt中总共包含的字符个数？思考为何在第一次之后的n次sum求和得到的结果为0？（需要使用sum函数）
5、思考题
with open(\'a.txt\') as f: g=(len(line) for line in f) print(sum(g)) #为何报错？
6、文件shopping.txt内容如下
mac,20000,3 lenovo,3000,10 tesla,1000000,10 chicken,200,1
求总共花了多少钱？
打印出所有商品的信息，格式为[{\'name\':\'xxx\',\'price\':333,\'count\':3},...]
求单价大于10000的商品信息,格式同上
#题目一 names=[\'egon\',\'alex_sb\',\'wupeiqi\',\'yuanhao\'] names=[name.upper() for name in names] #题目二 names=[\'egon\',\'alex_sb\',\'wupeiqi\',\'yuanhao\'] names=[len(name) for name in names if not name.endswith(\'sb\')] #题目三 with open(\'a.txt\',encoding=\'utf-8\') as f: print(max(len(line) for line in f)) #题目四 with open(\'a.txt\', encoding=\'utf-8\') as f: print(sum(len(line) for line in f)) print(sum(len(line) for line in f)) #求包换换行符在内的文件所有的字符数，为何得到的值为0? print(sum(len(line) for line in f)) #求包换换行符在内的文件所有的字符数，为何得到的值为0? #题目五（略） #题目六：每次必须重新打开文件或seek到文件开头，因为迭代完一次就结束了 with open(\'a.txt\',encoding=\'utf-8\') as f: info=[line.split() for line in f] cost=sum(float(unit_price)*int(count) for _,unit_price,count in info) print(cost) with open(\'a.txt\',encoding=\'utf-8\') as f: info=[{ \'name\': line.split()[0], \'price\': float(line.split()[1]), \'count\': int(line.split()[2]), } for line in f] print(info) with open(\'a.txt\',encoding=\'utf-8\') as f: info=[{ \'name\': line.split()[0], \'price\': float(line.split()[1]), \'count\': int(line.split()[2]), } for line in f if float(line.split()[1]) > 10000] print(info)
二 递归与二分法
一 递归调用的定义
#递归调用是函数嵌套调用的一种特殊形式，函数在调用时，直接或间接调用了自身，就是递归调用
二 递归分为两个阶段：递推，回溯
#图解。。。 # salary(5)=salary(4)+300 # salary(4)=salary(3)+300 # salary(3)=salary(2)+300 # salary(2)=salary(1)+300 # salary(1)=100 # # salary(n)=salary(n-1)+300 n>1 # salary(1) =100 n=1 def salary(n): if n == 1: return 100 return salary(n-1)+300 print(salary(5))
三 python中的递归效率低且没有尾递归优化
#python中的递归 python中的递归效率低，需要在进入下一次递归时保留当前的状态，在其他语言中可以有解决方法：尾递归优化，即在函数的最后一步（而非最后一行)调用自己，尾递归优化：http://egon09.blog.51cto.com/9161406/1842475 但是python又没有尾递归，且对递归层级做了限制 #总结递归的使用： 1. 必须有一个明确的结束条件 2. 每次进入更深一层递归时，问题规模相比上次递归都应有所减少 3. 递归效率不高，递归层次过多会导致栈溢出（在计算机中，函数调用是通过栈（stack）这种数据结构实现的，每当进入一个函数调用，栈就会加一层栈帧，每当函数返回，栈就会减一层栈帧。由于栈的大小不是无限的，所以，递归调用的次数过多，会导致栈溢出）
四 可以修改递归最大深度
import sys sys.getrecursionlimit() sys.setrecursionlimit(2000) n=1 def test(): global n print(n) n+=1 test() test() 虽然可以设置，但是因为不是尾递归，仍然要保存栈，内存大小一定，不可能无限递归
五 二分法
想从一个按照从小到大排列的数字列表中找到指定的数字，遍历的效率太低，用二分法（算法的一种，算法是解决问题的方法）可以极大低缩小问题规模
l=[1,2,10,30,33,99,101,200,301,402] #从小到大排列的数字列表 def search(num,l): print(l) if len(l) > 0: mid=len(l)//2 if num > l[mid]: #in the right l=l[mid+1:] elif num < l[mid]: #in the left l=l[:mid] else: print(\'find it\') return search(num,l) else: #如果值不存在，则列表切为空 print(\'not exists\') return search(100,l)
l=[1,2,10,30,33,99,101,200,301,402] def search(num,l,start=0,stop=len(l)-1): if start <= stop: mid=start+(stop-start)//2 print(\'start:[%s] stop:[%s] mid:[%s] mid_val:[%s]\' %(start,stop,mid,l[mid])) if num > l[mid]: start=mid+1 elif num < l[mid]: stop=mid-1 else: print(\'find it\',mid) return search(num,l,start,stop) else: #如果stop > start则意味着列表实际上已经全部切完，即切为空 print(\'not exists\') return search(301,l)
三 匿名函数
一 什么是匿名函数？
匿名就是没有名字 def func(x,y,z=1): return x+y+z 匿名 lambda x,y,z=1:x+y+z #与函数有相同的作用域，但是匿名意味着引用计数为0，使用一次就释放，除非让其有名字 func=lambda x,y,z=1:x+y+z func(1,2,3) #让其有名字就没有意义
二 有名字的函数与匿名函数的对比
#有名函数与匿名函数的对比 有名函数：循环使用，保存了名字，通过名字就可以重复引用函数功能 匿名函数：一次性使用，随时随时定义 应用：max，min，sorted,map,reduce,filter
四 内置函数
#注意：内置函数id()可以返回一个对象的身份，返回值为整数。这个整数通常对应与该对象在内存中的位置，但这与python的具体实现有关，不应该作为对身份的定义，即不够精准，最精准的还是以内存地址为准。is运算符用于比较两个对象的身份，等号比较两个对象的值，内置函数type()则返回一个对象的类型 #更多内置函数：https://docs.python.org/3/library/functions.html?highlight=built#ascii
#字符串可以提供的参数 \'s\' None >>> format(\'some string\',\'s\') \'some string\' >>> format(\'some string\') \'some string\' #整形数值可以提供的参数有 \'b\' \'c\' \'d\' \'o\' \'x\' \'X\' \'n\' None >>> format(3,\'b\') #转换成二进制 \'11\' >>> format(97,\'c\') #转换unicode成字符 \'a\' >>> format(11,\'d\') #转换成10进制 \'11\' >>> format(11,\'o\') #转换成8进制 \'13\' >>> format(11,\'x\') #转换成16进制 小写字母表示 \'b\' >>> format(11,\'X\') #转换成16进制 大写字母表示 \'B\' >>> format(11,\'n\') #和d一样 \'11\' >>> format(11) #默认和d一样 \'11\' #浮点数可以提供的参数有 \'e\' \'E\' \'f\' \'F\' \'g\' \'G\' \'n\' \'%\' None >>> format(314159267,\'e\') #科学计数法，默认保留6位小数 \'3.141593e+08\' >>> format(314159267,\'0.2e\') #科学计数法，指定保留2位小数 \'3.14e+08\' >>> format(314159267,\'0.2E\') #科学计数法，指定保留2位小数，采用大写E表示 \'3.14E+08\' >>> format(314159267,\'f\') #小数点计数法，默认保留6位小数 \'314159267.000000\' >>> format(3.14159267000,\'f\') #小数点计数法，默认保留6位小数 \'3.141593\' >>> format(3.14159267000,\'0.8f\') #小数点计数法，指定保留8位小数 \'3.14159267\' >>> format(3.14159267000,\'0.10f\') #小数点计数法，指定保留10位小数 \'3.1415926700\' >>> format(3.14e+1000000,\'F\') #小数点计数法，无穷大转换成大小字母 \'INF\' #g的格式化比较特殊，假设p为格式中指定的保留小数位数，先尝试采用科学计数法格式化，得到幂指数exp，如果-4<=exp<p，则采用小数计数法，并保留p-1-exp位小数，否则按小数计数法计数，并按p-1保留小数位数 >>> format(0.00003141566,\'.1g\') #p=1,exp=-5 ==》 -4<=exp<p不成立，按科学计数法计数，保留0位小数点 \'3e-05\' >>> format(0.00003141566,\'.2g\') #p=1,exp=-5 ==》 -4<=exp<p不成立，按科学计数法计数，保留1位小数点 \'3.1e-05\' >>> format(0.00003141566,\'.3g\') #p=1,exp=-5 ==》 -4<=exp<p不成立，按科学计数法计数，保留2位小数点 \'3.14e-05\' >>> format(0.00003141566,\'.3G\') #p=1,exp=-5 ==》 -4<=exp<p不成立，按科学计数法计数，保留0位小数点，E使用大写 \'3.14E-05\' >>> format(3.1415926777,\'.1g\') #p=1,exp=0 ==》 -4<=exp<p成立，按小数计数法计数，保留0位小数点 \'3\' >>> format(3.1415926777,\'.2g\') #p=1,exp=0 ==》 -4<=exp<p成立，按小数计数法计数，保留1位小数点 \'3.1\' >>> format(3.1415926777,\'.3g\') #p=1,exp=0 ==》 -4<=exp<p成立，按小数计数法计数，保留2位小数点 \'3.14\' >>> format(0.00003141566,\'.1n\') #和g相同 \'3e-05\' >>> format(0.00003141566,\'.3n\') #和g相同 \'3.14e-05\' >>> format(0.00003141566) #和g相同 \'3.141566e-05\'
字典的运算：最小值，最大值，排序 salaries={ \'egon\':3000, \'alex\':100000000, \'wupeiqi\':10000, \'yuanhao\':2000 } 迭代字典，取得是key，因而比较的是key的最大和最小值 >>> max(salaries) \'yuanhao\' >>> min(salaries) \'alex\' 可以取values，来比较 >>> max(salaries.values()) >>> min(salaries.values()) 但通常我们都是想取出，工资最高的那个人名，即比较的是salaries的值，得到的是键 >>> max(salaries,key=lambda k:salary[k]) \'alex\' >>> min(salaries,key=lambda k:salary[k]) \'yuanhao\' 也可以通过zip的方式实现 salaries_and_names=zip(salaries.values(),salaries.keys()) 先比较值，值相同则比较键 >>> max(salaries_and_names) (100000000, \'alex\') salaries_and_names是迭代器，因而只能访问一次 >>> min(salaries_and_names) Traceback (most recent call last): File "<stdin>", line 1, in <module> ValueError: min() arg is an empty sequence sorted(iterable，key=None,reverse=False)
#1、语法 # eval(str,[,globasl[,locals]]) # exec(str,[,globasl[,locals]]) #2、区别 #示例一： s=\'1+2+3\' print(eval(s)) #eval用来执行表达式，并返回表达式执行的结果 print(exec(s)) #exec用来执行语句，不会返回任何值 \'\'\' 6 None \'\'\' #示例二： print(eval(\'1+2+x\',{\'x\':3},{\'x\':30})) #返回33 print(exec(\'1+2+x\',{\'x\':3},{\'x\':30})) #返回None # print(eval(\'for i in range(10):print(i)\')) #语法错误，eval不能执行表达式 print(exec(\'for i in range(10):print(i)\'))
compile(str,filename,kind) filename:用于追踪str来自于哪个文件，如果不想追踪就可以不定义 kind可以是：single代表一条语句，exec代表一组语句，eval代表一个表达式 s=\'for i in range(10):print(i)\' code=compile(s,\'\',\'exec\') exec(code) s=\'1+2+3\' code=compile(s,\'\',\'eval\') eval(code)
五 阶段性练习
1、文件内容如下,标题为:姓名,性别,年纪,薪资
egon male 18 3000
alex male 38 30000
wupeiqi female 28 20000
yuanhao female 28 10000
要求:
从文件中取出每一条记录放入列表中,
列表的每个元素都是{\'name\':\'egon\',\'sex\':\'male\',\'age\':18,\'salary\':3000}的形式
2 根据1得到的列表,取出薪资最高的人的信息
3 根据1得到的列表,取出最年轻的人的信息
4 根据1得到的列表,将每个人的信息中的名字映射成首字母大写的形式
5 根据1得到的列表,过滤掉名字以a开头的人的信息
6 使用递归打印斐波那契数列(前两个数的和得到第三个数，如：0 1 1 2 3 4 7...)
7 一个嵌套很多层的列表，如l=［1,2,[3,[4,5,6,[7,8,[9,10,[11,12,13,[14,15]]]]]]］，用递归取出所有的值
#1 with open(\'db.txt\') as f: items=(line.split() for line in f) info=[{\'name\':name,\'sex\':sex,\'age\':age,\'salary\':salary} \\ for name,sex,age,salary in items] print(info) #2 print(max(info,key=lambda dic:dic[\'salary\'])) #3 print(min(info,key=lambda dic:dic[\'age\'])) # 4 info_new=map(lambda item:{\'name\':item[\'name\'].capitalize(), \'sex\':item[\'sex\'], \'age\':item[\'age\'], \'salary\':item[\'salary\']},info) print(list(info_new)) #5 g=filter(lambda item:item[\'name\'].startswith(\'a\'),info) print(list(g)) #6 #非递归 def fib(n): a,b=0,1 while a < n: print(a,end=\' \') a,b=b,a+b print() fib(10) #递归 def fib(a,b,stop): if a > stop: return print(a,end=\' \') fib(b,a+b,stop) fib(0,1,10) #7 l=[1,2,[3,[4,5,6,[7,8,[9,10,[11,12,13,[14,15]]]]]]] def get(seq): for item in seq: if type(item) is list: get(item) else: print(item) get(l)