本文首要内容

  体系类型分类:

    (1)容器连串、扁平类别

    (2)可变系列、不可变系列

  列表推导式

  生成器表明式

  元组拆包

  切片

  排序(list.sort方法和sorted函数)

  bisect

 

python高级——目录

  文中代码均位居github上:https://github.com/ampeeg/cnblogs/tree/master/python高级

 

python高级(二)—— python内置系列类型,python内置类别类型

python体系类型

队列构成的数组

放到种类类型大概浏览

Python
标准库用 C 完毕了丰硕的行列类型,列举如下:

容器类别

  list、tuple
和 collections.deque 那一个体系能存放区别类型的数额

扁平连串

  str、bytes、bytearray、memoryview
和 array.array,那类种类只可以容纳一种档次

注:

  容器类别存放的是它们所富含的轻易档次的靶子的引用,而扁平连串里存放的是值而不是援引。换句话说,扁平连串其实是一段连接的内部存款和储蓄器空间。综上可得扁平连串其实更是严密,不过它里面只好存放诸如字符、字节和数值那种基础项目。

队列类型仍是能够依照是不是被改动来分类:

可变连串

  list、bytearray、array.array、collections.deque
和memoryview

不得变体系

  tuple、str
和 bytes

 

列表推导和生成器表明式

  列表推导是创设列表(list)的急忙格局,而生成器表明式则足以用来创立别的任何类型的连串。假设您的代码里并有难题应用它们,那么很可能你失去了许多写出可读性更好且更飞快的代码的火候。

举个🌰

 1 '''
 2 需求:把一个字符串变成 Unicode 码位的列表
 3 '''
 4 
 5 #普通的写法
 6 symbols = '$¢£¥€¤'
 7 codes = []
 8 for symbol in symbols:
 9     codes.append(ord(symbol))
10 else:
11     print('普通写法得到的codes:', codes)
12 
13 #列表推倒式的写法
14 codes = [ord(symbol) for symbol in symbols]
15 print('列表推倒式写法得到的codes:', codes)

  列表推导能够扶持我们把一个队列或是其他可迭代类型中的成分过滤或是加工,然后再新建八个列表。Python
内置的 filter 和 map
函数组合起来也能达标这一职能,不过可读性上打了十分的大的折扣。

  

列表推导同filter和map的可比

  filter
和 map
合起来能做的工作,列表推导也足以做,而且还不供给依靠难以知晓和阅读的
lambda 表达式

 1 #普通列表推到式实现过滤功能
 2 symbols = '$¢£¥€¤'
 3 beyond_ascii = [ord(s) for s in symbols if ord(s) > 127]
 4 print('普通列表推倒式过滤后的结果:', beyond_ascii)
 5 
 6 #使用filter函数实现的效果
 7 beyond_ascii_filter = list(filter(lambda s: s > 127, map(ord, symbols)))
 8 print('使用filter高阶函数实现过滤的结果:', beyond_ascii_filter)
 9 
10 print(beyond_ascii == beyond_ascii_filter)

 

笛卡儿积

  用列表推导能够生成三个或上述的可迭代类型的笛卡儿积。笛卡儿积是三个列表,列表里的成分是由输入的可迭代类型的成分对构成的元组,因此笛卡儿积列表的长度等于输入变量的尺寸的乘积,如图:

金沙注册送58 1

 

图:含有
4 种花色和 3 种牌面的列表的笛卡儿积,结果是叁个涵盖 拾2个因素的列表

 

假诺您供给五个列表,列表里是
3 种区别尺寸的 T 恤衫,每一个尺寸都有二个颜色,用列表推导算出了这些列表,列表里有 6 种组成:

笛Carl乘积的:

 1 '''
 2 需求:如果你需要一个列表,列表里是 3 种不同尺寸的 T 恤衫,每个尺寸都有2个颜色,用列表推导算出了这个列表,列表里有6种组合
 3 '''
 4 
 5 colors = ['black', 'white']
 6 sizes = ['S', 'M', 'L']
 7 
 8 tshirts = [(size, color) for size in sizes for color in colors]
 9 print('T恤巴拉巴拉的~:', tshirts)
10 
11 #循环列表输出每种可能性
12 for shirt in tshirts:
13     print(shirt)

如上代码执行的结果为:

T恤巴拉巴拉的~: [('S', 'black'), ('S', 'white'), ('M', 'black'), ('M', 'white'), ('L', 'black'), ('L', 'white')]
('S', 'black')
('S', 'white')
('M', 'black')
('M', 'white')
('L', 'black')
('L', 'white')

 

生成器表明式

  固然也足以用列表推导来初步化元组、数组或任何种类类型,不过生成器表达式是更好的挑选。那是因为生成器表明式背后遵从了迭代器协议,能够每一种地涌出成分,而不是先创制一个完全的列表,然后再把这一个列表传递到某些构造函数里。后面那种办法鲜明能够节约内部存款和储蓄器。

  用生成器说明式早先化元组和数组:

1 symbols = '$¢£¥€¤'
2 r = tuple(ord(s) for s in symbols)
3 print('利用生成器初始化元祖:', r)
4 
5 import array
6 
7 a = array.array('I', (ord(symbol) for symbol in symbols))
8 print(a)

如上代码执行的结果为:

利用生成器初始化元祖: (36, 162, 163, 165, 8364, 164)
array('I', [36, 162, 163, 165, 8364, 164])

注意:

  1. 万一生成器表明式是一个函数调用进度中的唯一参数,那么不须求额外再用括号把它围起来。
  2. array
    的构造方法需求四个参数,由此括号是供给的。array
    构造方法的率先个参数内定了数组中数字的仓库储存情势。

  大家提到过的
T 恤衫的 2 种颜色和 3 种尺码的全体组成。与示例
2-4见仁见智的是,用到生成器表达式之后,内部存款和储蓄器里不会留给二个有 多少个组成的列表,因为生成器表明式会在历次 for
循环运营时才生成1个组合。假诺要计算八个各有 一千个要素的列表的笛卡儿积,生成器表明式就能够协理省掉运维 for
循环的开发,即2个富含 100 万个因素的列表。

  使用生成器实现笛卡尔乘积:

1 colors = ['black', 'white']
2 sizes = ['S', 'M', 'L']
3 
4 for tshirt in ('%s %s'%(color, size) for color in colors for size in sizes):
5     print(tshirt)

上述代码执行的结果为:

black S
black M
black L
white S
white M
white L

 

元组不仅仅是不可变的列表

  有些Python
入门教程把元组称为“不可变列表”,可是那并没有完全归纳元组的特色。除了作为不可变的列表,它还足以用来没有字段名的笔录。鉴于后者平常被忽视,我们先来探望元组作为记录的作用。

元组和记录

  元组其实是对数码的记录:元组中的每一个元素都存放了笔录中三个字段的数据,外加这些字段的职位。正是这几个位置新闻给多少给予了意思。

举个
把元组用作记录

 1 lax_coordinates = (33.9425, -118.408056)
 2 
 3 #解包,把元祖中的元素对应的索引对应成变量
 4 city, year, pop, chg, area = ('Tokyo', 2003, 32450, 0.66, 8014)
 5 
 6 traveler_ids = [('USA', '31195855'), ('BRA', 'CE342567'), ('ESP', 'XDA205856')]
 7 for passport in sorted(traveler_ids):
 8     print('%s/%s' % passport)
 9 
10 #元祖中的元素又是一个单独的元祖,可以通过解包的方式循环,不需要的数据可以通过_占位符来代替
11 for country, _ in traveler_ids:
12     print(country)

如上代码执行的结果为:

BRA/CE342567
ESP/XDA205856
USA/31195855
USA
BRA
ESP

元组拆包

  大家把元组
(‘Tokyo’, 二零零三, 32450, 0.66, 8014) 里的因素分别赋值给变量
city、year、pop、chg 和
area,而那全数的赋值大家只用一行表明就写完了。同样,在末端一行中,贰个 %
运算符就把 passport 元组里的因素对应到了 print
函数的格式字符串空档中。那八个都以对元组拆包的利用。

注意:

  元组拆包能够动用到此外可迭代对象上,唯一的硬性供给是,被可迭代对象中的成分数量必须求跟接受这一个元素的元组的空档数一致。除非大家用 * 来表示忽略多余的因素,在“用
* 来处理多余的要素”一节里,作者会讲到它的切实可行用法。Python
爱好者们很喜爱用元组拆包那一个说法,不过可迭代元素拆包那一个表达也逐步流行了四起,比如“PEP
3132—Extended IterableUnpacking”(

拆包的写法:

1 lax_coordinates = (33.9425, -118.408056)
2 latitude, longitude = lax_coordinates #拆包
3 
4 print('latitude:', latitude)
5 print('longitude:', longitude)

其余1个很优雅的写法当属不应用个中变量调换五个变量的值:

b, a = a, b

还足以用
* 运算符把二个可迭代对象拆开作为函数的参数:

>>> divmod(20, 8)
(2, 4)
>>> t = (20, 8)
>>> divmod(*t)
(2, 4)
>>> quotient, remainder = divmod(*t)
>>> quotient
2
>>> remainder
4

平行赋值栗子:

>>> a, b, *rest = range(5)
>>> a, b, rest
(0, 1, [2, 3, 4])
>>> a, b, *rest = range(3)
>>> a, b, rest
(0, 1, [2])
>>> a, b, *rest = range(2)
>>> a, b, rest
(0, 1, [])

在平行赋值中,*
前缀只可以用在二个变量名前边,然而这些变量可以出现在赋值表明式的妄动地方:

>>> a, *body, c, d = range(5)
>>> a, body, c, d
(0, [1, 2], 3, 4)
>>> *head, b, c, d = range(5)
>>> head, b, c, d
([0, 1], 2, 3, 4)

python学习笔记,python内置系列类型。嵌套元组拆包

  接受表达式的元组能够是嵌套式的,例如
(a, b, (c,
d))。只要那一个接受元组的嵌套结构适合表明式本人的嵌套结构,Python
就能够作出科学的应和。

 1 #每个组内对应四个元素,其中最后一个元素为一对坐标点
 2 metro_areas = [
 3     ('Tokyo','JP',36.933,(35.689722,139.691667)),
 4     ('Delhi NCR', 'IN', 21.935, (28.613889, 77.208889)),
 5     ('Mexico City', 'MX', 20.142, (19.433333, -99.133333)),
 6     ('New York-Newark', 'US', 20.104, (40.808611, -74.020386)),
 7     ('Sao Paulo', 'BR', 19.649, (-23.547778, -46.635833)),
 8 ]
 9 #{}format的格式化占位符,:15是十五个宽度 ^9居中对齐九个宽度
10 print('{:15} | {:^9} | {:^9}'.format('', 'lat', 'long.'))
11 fmt = '{:15} | {:9.4f} | {:9.4f}'
12 
13 for name, cc, pop, (latitude, longitude) in metro_areas:
14     #这个条件判断把输出限制在西半球的城
15     if longitude < 0:
16         print(fmt.format(name, latitude, longitude))

上述代码执行的结果为:

                |    lat    |   long.  
Mexico City     |   19.4333 |  -99.1333
New York-Newark |   40.8086 |  -74.0204
Sao Paulo       |  -23.5478 |  -46.6358

取名元祖

  collections.namedtuple
是三个工厂函数,它能够用来营造三个带字段名的元组和三个盛名字的类——这一个带名字的类对调节和测试程序有相当大援救。

举个
定义和应用命名元组

 1 from collections import namedtuple
 2 
 3 '''
 4 创建一个命名元祖,需要两个参数,第一个是类名称,另外的是类各个字段的名称,
 5 后者可以是由数个字符串组成的可迭代对象,或者是由空格分隔开的字段名组成的字符串
 6 '''
 7 City = namedtuple('City', 'name country population coordinates')
 8 
 9 #存放在对应字段里的数据要以一串参数的形式传入到构造函数中
10 tokyo = City('Tokyo', 'JP', 36.933, (35.689722, 139.691667))
11 
12 #通过字段或者是索引来获取值
13 print(tokyo)
14 print(tokyo.name)
15 print(tokyo.population)
16 print(tokyo.coordinates)
17 print(tokyo[1])

  除了从平凡元组那里继承来的性质之外,具名元组还有局地协调专有的习性。示例
2-10 中就展现了多少个最实用的:_fields 类属性、类方法_make(iterable)
和实例方法 _asdict()。

1 print(City._fields)
2 
3 LatLong = namedtuple('LatLong', 'lat long')
4 delhi_data = ('Delhi NCR', 'IN', 21.935, LatLong(28.613889, 77.208889))
5 #用_make() 通过接受一个可迭代对象来生成这个类的一个实例,它的作用跟 City(*delhi_data)是一样的
6 delhi = City._make(delhi_data)
7 
8 #_asdict() 把具名元组以 collections.OrderedDict 的形式返回,我们可以利用它来把元组里的信息友好地呈现出来
9 print(delhi._asdict())

如上代码执行的结果为:

('name', 'country', 'population', 'coordinates')
OrderedDict([('name', 'Delhi NCR'), ('country', 'IN'), ('population', 21.935), ('coordinates', LatLong(lat=28.613889, long=77.208889))])
name: Delhi NCR
country: IN
population: 21.935
coordinates: LatLong(lat=28.613889, long=77.208889)

 

切片

  在
Python
里,像列表(list)、元组(tuple)和字符串(str)那类类别类型都补助切片操作,可是其实切片操作比人们所想像的要强硬很多。

何以切片和距离会忽视末了3个要素

  在切除和距离操作里不包括区间范围的末梢多个因素是
Python 的风骨,那几个习惯符合 Python、C 和其余语言里以 0
作为开局下标的守旧。这样做带来的益处如下:

  1. 当只有最后一个职位音信时,大家也得以非常的慢看出切片和间隔里有多少个成分:range(3)
    和 my_list[:3] 都返回 3 个元素

  2. 当起止地点音讯都可知时,大家能够长香港足球总会计出切片和间隔的长短,用后贰个数减去第一个下标(stop –
    start)即可

  3. 如此那般做也让大家能够运用任意贰个下标来把系列分割成不重叠的两有个别,只要写成
    my_list[:x] 和 my_list[x:] 就能够了,如下所示

    1 l = [10, 20 , 30 ,40, 50, 60]
    2
    3 #取l列表中切三个要素
    4 print(‘l列表中的前八个要素:’, l[:2])
    5
    6 #从第③个目录早先取值
    7 print(‘l列表从第四个目录开首以后取值:’,l[2:])

以上代码间接的结果为:

l列表中的前两个元素: [10, 20]
l列表从第二个索引开始往后取值: [30, 40, 50, 60]

对指标进行切开

  多少个鲜明的绝密是,我们还是能够用
s[a:b:c] 的格局对 s 在 a 和 b之间以 c 为距离取值。c
的值还足以为负,负值意味着反向取值。下面包车型地铁 3 个例子更直观些:

1 s = 'bicycle'
2 
3 print('s隔三个取值:', s[::3])
4 
5 print('s反向输出:', s[::-1])
6 
7 print('s反向输出,隔两个取值:', s[::-2])

上述代码直接的结果为:

s隔三个取值: bye
s反向输出: elcycib
s反向输出,隔两个取值: eccb

  a:b:c
那种用法只可以看做目录也许下标用在 [] 中来回到八个切开对象:slice(a, b,
c)。在 10.4.1 节中会讲到,对seq[start:stop:step]
实行求值的时候,Python 会调用seq.__getitem__(slice(start, stop,
step))。即使你还不会自定义系列类型,理解一下切开对象也是有利益的。例如你能够给切片命名,如同电子表格软件里给单元格区域取名字一样。

举个
 纯文本文件方式的收据以一行字符串的款型被分析

 1 invoice = """
 2     0.....6................................40........52...55........
 3     1909  Pimoroni PiBrella                $17.50    3    $52.50
 4     1489  6mm Tactile Switch x20           $4.95     2    $9.90
 5     1510  Panavise Jr. - PV-201            $28.00    1    $28.00
 6     1601  PiTFT Mini Kit 320x240           $34.95    1    $34.95
 7 """
 8 
 9 SKU = slice(0, 10)
10 DESCRIPTION = slice(10, 40)
11 UNIT_PRICE = slice(40, 52)
12 QUANTITY = slice(52, 55)
13 ITEM_TOTAL = slice(55, None)
14 line_items = invoice.split('\n')[2:]
15 
16 for item in line_items:
17     print(item[UNIT_PRICE], item[DESCRIPTION])

以上代码直接的结果为:

   $17.50    Pimoroni PiBrella             
   $4.95     6mm Tactile Switch x20        
   $28.00    Panavise Jr. - PV-201         
   $34.95    PiTFT Mini Kit 320x240        

给切片赋值

举个🌰 

 1 l = list(range(10))
 2 print('l列表的原有元素:', l)
 3 
 4 #利用切片赋值
 5 l[2:5] = [20, 30]
 6 print('利用l[2:5]以后的结果:', l)
 7 
 8 #删除列表中指定索引范围的值
 9 del l[5:7]
10 print('删除l列表第5-7个索引值以后的l列表:', l)
11 
12 #从第三个索引开始,间隔两个索引赋值
13 l[3::2] = [11, 22]
14 print('l列表从第三个索引开始,隔两个元素赋值以后的l列表:', l)

以上代码直接的结果为:

l列表的原有元素: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
利用l[2:5]以后的结果: [0, 1, 20, 30, 5, 6, 7, 8, 9]
删除l列表第5-7个索引值以后的l列表: [0, 1, 20, 30, 5, 8, 9]
l列表从第三个索引开始,隔两个元素赋值以后的l列表: [0, 1, 20, 11, 5, 22, 9]

注意:

  假如赋值的目的是一个切开,那么赋值语句的左侧必须是个可迭代对象。就算唯有单独2个值,也要把它转换来可迭代的队列。

 

队列的增量赋值 

  增量赋值运算符
+= 和 *=
的表现取决于它们的第多少个操作对象。不难起见,我们把商讨集中在增量加法(+=)上,但是那几个概念对
*= 和其他增量运算符来说都以如出一辙的。

  +=
背后的非常措施是 __iadd__
(用于“就地加法”)。可是一旦贰个类没有兑现那一个方法的话,Python
会退一步调用 __add__ 。考虑下边那么些大致的表明式:

a += b

  如果 a
实现了 __iadd__ 方法,就会调用这一个法子。同时对可变系列(例如
list、bytearray 和 array.array)来说,a 会就地转移,就像是调用了
a.extend(b) 一样。可是固然 a 没有落实 __iadd__ 的话,a+= b
这么些表明式的成效就变得跟 a = a + b 一样了:首先总计 a
+b,获得1个新的对象,然后赋值给
a。也正是说,在那么些表明式中,变量名会不会被波及到新的靶子,完全在于那些连串有没有落到实处__iadd__
那个办法。

举个
呈现的是 *= 在可变和不可变连串上的法力:

>>> l = [1, 2, 3]
>>> id(l)
4316848904
>>> l *= 3
>>> l
[1, 2, 3, 1, 2, 3, 1, 2, 3]
>>> id(l)
4316848904
>>> t = (1, 2, 3)
>>> id(t)
4316864656
>>> t *= 2
>>> t
(1, 2, 3, 1, 2, 3)
>>> id(t)
4316467112

  对不可变系列实行重复拼接操作的话,作用会极低,因为老是都有一新对象,而解释器必要把原先对象中的成分先复制到新的目的里,然后再充实新的成分。

  

list.sort方法和松手函数sorted

   list.sort
方法会就地排种类表,也正是说不会把原列表复制一份。那也是以此艺术的重临值是
None 的缘由,提示您本办法不会新建3个列表。在那种情状下再次来到 None 其实是
Python
的三个规矩:如若一个函数可能措施对指标实行的是就地转移,那它就应该回到
None,好让调用者知道传入的参数产生了变动,而且尚未发出新的对象。例如,random.shuffle
函数也服从了那么些惯例。

  与
list.sort 相反的是放置函数 sorted,它会新建七个列表作为再次来到值。这一个艺术还不错别的方式的可迭代对象作为参数,甚至席卷不得变体系或生成器。而随便
sorted 接受的是什么的参数,它说到底都会回来二个列表。

  不管是
list.sort 方法可能 sorted 函数,都有多少个可选的主要字参数。

reverse

  要是被设定为
True,被排序的类别里的成分会以降序输出(也便是说把最大值当作最小值来排序)。那些参数的默许值是
False。

key

  2个唯有3个参数的函数,这么些函数会被用在系列里的每3个成分上,所发出的结果将是排序算法重视的比较关键字。比如说,在对一部分字符串排序时,能够用
key=str.lower 来促成忽略大小写的排序,或然是用 key=len
实行基于字符串长度的排序。这些参数的暗许值是恒等函数(identity
function),也等于暗中认可用成分协调的值来排序。

举个🌰

>>> fruits = ['grape', 'raspberry', 'apple', 'banana']
>>> sorted(fruits)
['apple', 'banana', 'grape', 'raspberry']
>>> sorted(fruits, reverse=True)
['raspberry', 'grape', 'banana', 'apple']
>>> sorted(fruits,key=len,  reverse=True)
['raspberry', 'banana', 'grape', 'apple']
>>> fruits
['grape', 'raspberry', 'apple', 'banana']
>>> fruits.sort()
>>> fruits
['apple', 'banana', 'grape', 'raspberry']

 

用bisect来治本已排序的种类

  bisect
模块包罗多个至关心保养要函数,bisect 和
insort,八个函数都采取二分查找算法来在静止体系中寻找或插队成分。

用bisect来搜索

  bisect(haystack,
needle) 在
haystack(干草垛)里搜寻needle(针)的职位,该职位满意的尺码是,把
needle 插入那个地方然后,haystack
还能保持升序。约等于在说这些函数再次回到的职分前边的值,都自愧比不上或等于 needle
的值。个中 haystack 必须是贰个平稳的类别。你能够先用 bisect(haystack,
needle) 查找地点 index,再用 haystack.insert(index, needle)
来插入新值。但您也可用insort 来一步到位,并且后者的进程更快一些。

举个 在静止体系中用
bisect 查找有些成分的插入地点

 1 import bisect
 2 import sys
 3 
 4 HAYSTACK = [1, 4, 5, 6, 8, 12, 15, 20, 21, 23, 23, 26, 29, 30]
 5 NEEDLES = [0, 1, 2, 5, 8, 10, 22, 23, 29, 30, 31]
 6 
 7 ROW_FMT = '{0:2d} @ {1:2d}    {2}{0:<2d}'  #格式化输出:左边的是占位符的位置0 1 2... :右边的是对齐宽度
 8 
 9 
10 def demo(bisect_fn):
11     for needle in reversed(NEEDLES):
12         position = bisect_fn(HAYSTACK, needle)
13         offset = position * '  |'
14         print(ROW_FMT.format(needle, position, offset))
15 
16 if __name__ == "__main__":
17 
18     if sys.argv[-1] == 'left':
19         bisect_fn = bisect.bisect_left
20     else:
21         bisect_fn = bisect.bisect
22 
23     print('DEMO:', bisect_fn.__name__)
24     print('haystack ->', ' '.join('%2d' % n for n in HAYSTACK))
25     demo(bisect_fn)

以上代码直接的结果为:

DEMO: bisect
haystack ->  1  4  5  6  8 12 15 20 21 23 23 26 29 30
31 @ 14      |  |  |  |  |  |  |  |  |  |  |  |  |  |31
30 @ 14      |  |  |  |  |  |  |  |  |  |  |  |  |  |30
29 @ 13      |  |  |  |  |  |  |  |  |  |  |  |  |29
23 @ 11      |  |  |  |  |  |  |  |  |  |  |23
22 @  9      |  |  |  |  |  |  |  |  |22
10 @  5      |  |  |  |  |10
 8 @  5      |  |  |  |  |8 
 5 @  3      |  |  |5 
 2 @  1      |2 
 1 @  1      |1 
 0 @  0    0 

依据四个分数,找到它所对应的战表

 1 import bisect
 2 
 3 
 4 def grade(score, breakpoints=[60, 70, 80, 90], grades='FDCBA'):
 5     i = bisect.bisect(breakpoints, score)   #获取breakpoints的索引位置
 6     print('{}在{}中的索引位置:{}, 英文的分数为:{}'.format(score, breakpoints, i, grades[i]))
 7     return grades[i]        #返回对应的英文成绩
 8 
 9 grade(80)
10 grade(33)
11 
12 [grade(score) for score in [33, 99, 77, 70, 89, 90, 100]]

上述代码直接的结果为:

80在[60, 70, 80, 90]中的索引位置:3, 英文的分数为:B
33在[60, 70, 80, 90]中的索引位置:0, 英文的分数为:F
33在[60, 70, 80, 90]中的索引位置:0, 英文的分数为:F
99在[60, 70, 80, 90]中的索引位置:4, 英文的分数为:A
77在[60, 70, 80, 90]中的索引位置:2, 英文的分数为:C
70在[60, 70, 80, 90]中的索引位置:2, 英文的分数为:C
89在[60, 70, 80, 90]中的索引位置:3, 英文的分数为:B
90在[60, 70, 80, 90]中的索引位置:4, 英文的分数为:A
100在[60, 70, 80, 90]中的索引位置:4, 英文的分数为:A

 

用bisect.insort插入新因素

  排序很耗费时间,因而在得到2个萧规曹随类别之后,大家最棒能够保险它的有序。bisect.insort
正是为了这一个而留存的。

  insort(seq,
item) 把变量 item 插入到行列 seq 中,并能保持
seq的升序顺序,如下:

 1 import bisect
 2 import random
 3 
 4 SIZE = 7
 5 
 6 random.seed(1729)
 7 
 8 my_list = []
 9 for i in range(SIZE):
10     new_item = random.randrange(SIZE*2)
11     bisect.insort(my_list, new_item)
12     print('%2d ->' % new_item, my_list)

如上代码直接的结果为:

10 -> [10]
 0 -> [0, 10]
 6 -> [0, 6, 10]
 8 -> [0, 6, 8, 10]
 7 -> [0, 6, 7, 8, 10]
 2 -> [0, 2, 6, 7, 8, 10]
10 -> [0, 2, 6, 7, 8, 10, 10]

 

当列表不是首要选取时

  就算列表既灵活又简单,但面对各样急需时,大家只怕会有更好的选料。比如,要存放
一千万个浮点数的话,数组(array)的频率要高得多,因为数组在背后存的并不是
float 对象,而是数字的机械翻译,相当于字节表述。那一点就跟 C
语言中的数组一样。再比如,倘诺急需反复对队列做先进先出的操作,deque(双端队列)的进度应该会更快。

数组

  尽管大家需求2个只包含数字的列表,那么
array.array 比 list 更高速。数组帮衬全部跟可变系列有关的操作,包涵.pop、.insert
和.extend。此外,数组还提供从文件读取和存入文件的更快的法子,如.frombytes
和 .tofile。

举个 二个浮点型数组的创设、存入文件和从文件读取的经过

 1 from array import array
 2 from random import random
 3 
 4 
 5 #利用一个可迭代对象来建立一个双精度浮点数组(类型码是 'd'),这里我们用的可迭代对象是一个生成器表达式
 6 floats = array('d', (random() for i in range(10**7)))
 7 print(floats[-1])
 8 
 9 #把数组存入一个二进制文件里
10 with open('floats.bin', 'wb') as fb:
11     floats.tofile(fb)
12 
13 
14 floats2 = array('d')
15 
16 #把 1000 万个浮点数从二进制文件里读取出来
17 with open('floats.bin', 'rb') as fb:
18     floats2.fromfile(fb, 10 ** 7)
19 
20 print(floats2[-1])
21 
22 #检查两个数组的内容是不是完全一样
23 if floats == floats2:
24     print('Yes')
25 else:
26     print('NO')

以上代码执行的结果为:

0.25921054635939245
0.25921054635939245
Yes

   从地点的代码大家能得出结论,array.tofile
和 array.fromfile
用起来很简单。把这段代码跑一跑,你还会发现它的快慢也不慢。一个小试验告诉自个儿,用
array.fromfile 从二个二进制文件里读出 1000 万个双精度浮点数只要求 0.1
秒,那比从文本文件里读取的进度要快 60倍,因为后者会利用内置的 float
方法把每一行文字转换到浮点数。

  此外,使用
array.tofile
写入到二进制文件,比以每行一个浮点数的法门把具备数字写入到文本文件要快 7
倍。此外,一千 万个那样的数在二进制文件里只占用 80 000 000
个字节(各类浮点数占用 七个字节,不须要别的额外空间),如果是文件文件的话,我们供给 181 515
7肆13个字节。

内部存款和储蓄器视图 

  memoryview
是叁个内置类,它能让用户在不复制内容的意况下操作同八个数组的两样切片。

  memoryview.cast
的概念跟数组模块类似,能用区别的方法读写同一块内部存款和储蓄器数据,而且内容字节不会随随便便活动。那听上去又跟
C 语言中类型转换的定义大概。memoryview.cast
会把同一块内部存款和储蓄器里的始末打包成3个全新的
memoryview 对象给你。

举个
通过转移数组中的贰个字节来更新数组里有些成分的值

 1 import array
 2 
 3 #利用含有 5 个短整型有符号整数的数组(类型码是 'h')创建一个memoryview
 4 numbers = array.array('h', [-2, -1, 0, 1, 2])
 5 
 6 memv = memoryview(numbers)
 7 print('memv[0]:', memv[0])
 8 
 9 #创建一个 memv_oct,这一次是把 memv 里的内容转换成 'B' 类型,也就是无符号字符
10 memv_oct = memv.cast('B')
11 
12 #转换成list
13 print('memv to list:', memv_oct.tolist())
14 
15 print('memv_oct[5]:', memv_oct[5])
16 
17 #修改memv_oct第五个索引的值为4
18 memv_oct[5] = 4
19 
20 print('numbers:', numbers)

以上代码执行的结果为:

memv[0]: -2
memv to list: [254, 255, 255, 255, 0, 0, 1, 0, 2, 0]
memv_oct[5]: 0
numbers: array('h', [-2, -1, 1024, 1, 2])

NumPy和SciPy

  凭借着
NumPy 和 SciPy 提供的高阶数组和矩阵操作,Python
成为科学总结应用的主流语言。NumPy 完成了多维同质数组(homogeneous
array)和矩阵,那一个数据结构不但能处理数字,还是能够存放别的由用户定义的记录。通过
NumPy,用户能对那些数据结构里的因素举行高效的操作。

举个 对
numpy.ndarray 的行和列实行基本操作

 1 import numpy
 2 
 3 #创建一个一维数组,取值为0~11
 4 a = numpy.arange(12)
 5 print(a)
 6 print('-'*40)
 7 
 8 #数组的维度
 9 print(a.shape)
10 print('-'*40)
11 
12 #转换数组的维度为3行四列
13 a.shape = 3, 4
14 print('转换数组维度以后的取值:\n', a)
15 print('-'*40)
16 
17 print('打印第2个索引的数据:', a[2])
18 print('-'*40)
19 
20 print('打印第2个索引中第1个索引的值:', a[2][1])
21 print('-'*40)
22 
23 print('打印第一列中的数据:', a[:, 1])
24 print('-'*40)
25 
26 #把行和列交过,得到一个新的数组
27 print('行和列交互以后的数组:\n', a.transpose())
28 print('-'*40)

以上代码执行的结果为:

[ 0  1  2  3  4  5  6  7  8  9 10 11]
----------------------------------------
(12,)
----------------------------------------
转换数组维度以后的取值:
 [[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
----------------------------------------
打印第2个索引的数据: [ 8  9 10 11]
----------------------------------------
打印第2个索引中第1个索引的值: 9
----------------------------------------
打印第一列中的数据: [1 5 9]
----------------------------------------
行和列交互以后的数组:
 [[ 0  4  8]
 [ 1  5  9]
 [ 2  6 10]
 [ 3  7 11]]
----------------------------------------

NumPy
也足以对 numpy.ndarray 中的成分举办抽象的读取、保存和其余操作:

 1 import numpy
 2 
 3 #使用numpy创建一个数组
 4 floats = numpy.array([ 3016362.69195522, 535281.10514262, 4566560.44373946])
 5 print(floats)
 6 
 7 #对数组中的每个元素修改
 8 floats *= .5
 9 print(floats)
10 
11 #把修改后的数组存储到文件中
12 numpy.save('floats-10M', floats)
13 
14 #读取保存文件的内容
15 floats2 = numpy.load('floats-10M.npy', 'r+')
16 print('floats-10M:', floats2)
17 
18 #修改读取文件中的数据
19 floats2 *= 6
20 print('打印读取数据乘以6以后的结果:', floats2)
21 
22 #通过索引取值
23 print('取floats2中数组第2个索引的值:', floats2[2:])
24 
25 #倒序输出结果
26 print('倒序输出floats2的结果:', floats2[::-1])

以上代码执行的结果为:

[ 3016362.69195522   535281.10514262  4566560.44373946]
[ 1508181.34597761   267640.55257131  2283280.22186973]
floats-10M: [ 1508181.34597761   267640.55257131  2283280.22186973]
打印读取数据乘以6以后的结果: [  9049088.07586566   1605843.31542786  13699681.33121838]
取floats2中数组第2个索引的值: [ 13699681.33121838]
倒序输出floats2的结果: [ 13699681.33121838   1605843.31542786   9049088.07586566]

双向队列和其余花样的连串

  collections.deque
类(双向队列)是2个线程安全、能够十分的快从两边添加可能去除成分的数据类型。而且即便想要有一种数据类型来存放在“近年来选择的几个成分”,deque
也是3个很好的选拔。那是因为在新建叁个双向队列的时候,你能够钦点那几个行列的高低,要是这个队列满员了,还足以从反向端删除过期的因素,然后在尾端添加新的因素。

举个
 使用双向队列

 1 from collections import deque
 2 
 3 
 4 #创建一个双向队列,队列最大长度为10
 5 dq = deque(range(10), maxlen=10)
 6 print('初始化的双向队列:', dq)
 7 
 8 #旋转队列
 9 '''
10 队列的旋转操作接受一个参数 n,当 n > 0 时,队列的最右边的 n
11 个元素会被移动到队列的左边。当 n < 0 时,最左边的 n 个元素会被
12 移动到右边
13 '''
14 dq.rotate(3)
15 print('旋转队列以后:', dq)
16 
17 dq.rotate(-4)
18 print('旋转队列以后:', dq)
19 
20 #当往一个已满的队列中添加数据,会把开头的数据替换掉
21 dq.appendleft('20')
22 print('往队列中放入数据:', dq)
23 
24 #往队列中扩展一个列表,前面的内容会被自动删除掉
25 dq.extend([20, 30 , 40])
26 print('扩展以后的队列:', dq)
27 
28 #从最队列的最前面扩展,后面的内容会被自动删除叼
29 dq.extendleft([100, 200, 300])
30 print('列队最前面扩展以后的结果:', dq)

上述代码执行的结果为:

初始化的双向队列: deque([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], maxlen=10)
旋转队列以后: deque([7, 8, 9, 0, 1, 2, 3, 4, 5, 6], maxlen=10)
旋转队列以后: deque([1, 2, 3, 4, 5, 6, 7, 8, 9, 0], maxlen=10)
往队列中放入数据: deque(['20', 1, 2, 3, 4, 5, 6, 7, 8, 9], maxlen=10)
扩展以后的队列: deque([3, 4, 5, 6, 7, 8, 9, 20, 30, 40], maxlen=10)
列队最前面扩展以后的结果: deque([300, 200, 100, 3, 4, 5, 6, 7, 8, 9], maxlen=10)

 

 

队列类型分类

 

   所谓种类,即成分有序排列,python标准库用C完毕了丰盛的系列类型,遵照种类中是否可存放差别门类的多少分为”容器系列”和”扁平体系”。

  容器种类能够存放统统类型的数目,而扁平种类只可以存放一种类型
     

    容器序列:list、tuple、collections.deque   
    扁平序列:str、bytes、bytearray、memoryview、array.array
  
  按照是否能修改的标准序列又可分为"可变序列"和"不可变序列":      
    可变序列:list、bytearrary、array.arrary、collections.deque和memoryview   
    不可变序列:tuple、str和bytes

  由于可变序列继承自不可变序列,所以可变序列继承的方法也较多,下面看看它们包含的方法:   
方法名 不可变序列 可变序列
__contains__  有 有 
__iter__  有  有 
 __len__  有  有 
__getitem__   有  有 
__reversed__   有  有 
index   有  有 
count   有  有 
__setitem__    有 
__delitem__   有 
insert   有 
append   有 
reverse   有 
extend   有 
pop   有 
remove   有 
__iadd__    有 

  

  我们以tuple和list类型为例,相比较源代码中的方法,可以显明发现list的点子多于tuple:

  

金沙注册送58 2

 

本文主要内容

  种类类型分类:

    (1)容器系列、扁平种类

    (2)可变种类、不可变系列

  列表推导式

  生成器表明式

  元组拆包

  切片

  排序(list.sort方法和sorted函数)

  bisect

 

  文中代码均位于github上:

 

容器连串

容器种类可以存放不一样类型的数额,像list、tuple和collections.deque。

列表推导式

# 列表推导式生成的是列表,会占用系统内存
# 基本语法

list_1 = [x for x in range(1, 20)]
list_2 = [x ** 2 for x in range(1, 20)]


print(list_1)  # [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
print(list_2)  # [1, 4, 9, 16, 25, 36, 49, 64, 81, 100, 121, 144, 169, 196, 225, 256, 289, 324, 361]

# 笛卡尔积型的列表推导式
list_3 = [(x, y) for x in range(1, 3)        # 1,2
                 for y in range(7, 10)]      # 7、8、9

                                             # 该表达式会先将1分别和7、8、9组合,然后再拿2和7、8、9组合,共6对
print(list_3)  # [(1, 7), (1, 8), (1, 9), (2, 7), (2, 8), (2, 9)]


list_4 = [x+y for x in range(1, 3)
                 for y in range(7, 10)]

print(list_4)   # [8, 9, 10, 9, 10, 11]

# 还可以添加if语句
l = [1, 3, 4, 33, 45, 36, 422, 34, 67, 23, -4, -7, -345, 46, -6, -45, 32, -8, -4, 67, -4]

list_5 = [x for x in l if x > 0]   # 只取出大于0的生成列表
print(list_5)                      # [1, 3, 4, 33, 45, 36, 422, 34, 67, 23, 46, 32, 67]

 

队列类型分类

 

   所谓类别,即成分有序排列,python标准库用C落成了拉长的行列类型,依照连串中是或不是可存放分裂品种的多寡分为”容器类别”和”扁平类别”。

  容器类别能够存放统统类型的数额,而扁平连串只好存放一种类型      

    容器序列:list、tuple、collections.deque   
    扁平序列:str、bytes、bytearray、memoryview、array.array
  
  按照是否能修改的标准序列又可分为"可变序列"和"不可变序列":      
    可变序列:list、bytearrary、array.arrary、collections.deque和memoryview   
    不可变序列:tuple、str和bytes

  由于可变序列继承自不可变序列,所以可变序列继承的方法也较多,下面看看它们包含的方法:   
方法名 不可变序列 可变序列
__contains__  有 有 
__iter__  有  有 
 __len__  有  有 
__getitem__   有  有 
__reversed__   有  有 
index   有  有 
count   有  有 
__setitem__    有 
__delitem__   有 
insert   有 
append   有 
reverse   有 
extend   有 
pop   有 
remove   有 
__iadd__    有 

  

  大家以tuple和list类型为例,比较源代码中的方法,可以显然发现list的措施多于tuple:

  

 

扁平连串

扁平类别只好存在一种档次的多寡,像str、bytes、bytearray、memoryview、array.array。

留意:容器系列存放是随意档次的靶子的引用,而扁平体系存在是值而不是援引,是一段连接的内存空间。

遵纪守法是不是能被修改来区分:

生成器表达式

# 虽然列表推导式可以用来初始化元组、数组或其他序列类型,但是列表推导式会直接生成列表,占用内存
# 而生成器遵守了迭代器协议,可以逐个产出元素,而不是先建立一个完整的列表


# 生成器表达式直接将推导式的方括号换成圆括号即可

g = (x for x in range(1, 10000))

print(g)    # <generator object <genexpr> at 0x105c0efc0> :生成器对象


from collections import Iterable, Iterator

if isinstance(g, Iterable):
    print("iterable")          # 输出iterable: 说明生成器g是可迭代的

if isinstance(g, Iterator):
    print("iterator")          # 输出iterator:说明生成器g是迭代器

 

  上面大家来相比一下列表推导式和生成器的频率

# 比较列表推导式和生成器
import time

start_time = time.time()
l = [x for x in range(1000000)]
print(time.time() - start_time)     # 0.1361069679260254

start_time = time.time()
g = (x for x in range(1000000))
print(time.time() - start_time)     # 1.1205673217773438e-05

# 可见,生成器远快于推导式

 

列表推导式

# 列表推导式生成的是列表,会占用系统内存
# 基本语法

list_1 = [x for x in range(1, 20)]
list_2 = [x ** 2 for x in range(1, 20)]


print(list_1)  # [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
print(list_2)  # [1, 4, 9, 16, 25, 36, 49, 64, 81, 100, 121, 144, 169, 196, 225, 256, 289, 324, 361]

# 笛卡尔积型的列表推导式
list_3 = [(x, y) for x in range(1, 3)        # 1,2
                 for y in range(7, 10)]      # 7、8、9

                                             # 该表达式会先将1分别和7、8、9组合,然后再拿2和7、8、9组合,共6对
print(list_3)  # [(1, 7), (1, 8), (1, 9), (2, 7), (2, 8), (2, 9)]


list_4 = [x+y for x in range(1, 3)
                 for y in range(7, 10)]

print(list_4)   # [8, 9, 10, 9, 10, 11]

# 还可以添加if语句
l = [1, 3, 4, 33, 45, 36, 422, 34, 67, 23, -4, -7, -345, 46, -6, -45, 32, -8, -4, 67, -4]

list_5 = [x for x in l if x > 0]   # 只取出大于0的生成列表
print(list_5)                      # [1, 3, 4, 33, 45, 36, 422, 34, 67, 23, 46, 32, 67]

 

可变连串

list、bytearray、array.array、collections.deque 和
memoryview

元组拆包

# 我们经常这样给两个变量同时赋值
a, b = 1, 2
print(a, b)     # 1 2

# 还可以这样
a, b = [1, 2]
print(a, b)     # 1 2

# 也可以这样
a, b = (1, 2)
print(a, b)     # 1 2

# 甚至可以这样
a, b = "ab"
print(a, b)     # a b

'''
    像以上这样连续的赋值方式,右边可以使用逗号隔开;也可以是序列。

    当拆包赋值的是序列时,python解释器会先找该序列中的__iter__方法,如果该方法不存在,则寻找__getitem__方法。

    接下来说其他用法
'''

# 赋值后优雅地交换两个变量
a, b = (1, 2)
a, b = b, a
print(a, b)        # 2 1

# 使用*号来处理多余的数据
a, b, *s = [1, 2, 3, 4, 5, 6, 7, 8, 9]
print(a, b, s)        # 1 2 [3, 4, 5, 6, 7, 8, 9]
                      # 这样从第三个元素开始的所有值都赋给了s

a, b, *s = (1, 2, 3, 4, 5, 6, 7, 8, 9)
print(a, b, s)        # 1 2 [3, 4, 5, 6, 7, 8, 9]
                      # 注意,本来是元组,赋之后的s变成了列表. 如果s为空的话也会返回空列表

*s, a, b = (1, 2, 3, 4, 5, 6, 7, 8, 9)
print(s, a, b)        # [1, 2, 3, 4, 5, 6, 7] 8 9
                      # *s也可以放在前面

a, *s, b = (1, 2, 3, 4, 5, 6, 7, 8, 9)
print(a, s, b)        # 1 [2, 3, 4, 5, 6, 7, 8] 9
                      # *s也可以放在中间

# 嵌套元组拆包
a, b, (c, d) = (1, 2, (3, 4))
print(a, b, c, d)     # 1 2 3 4
                      # 只要按照右边的形式就可赋值

a, b, *c = (1, 2, (3, 4))
print(a, b, c)     # 1 2 [(3, 4)]

 

金沙注册送58 3金沙注册送58 4

 1 ################################
 2 #
 3 # 以下的例子用以说明拆包赋值时,解释器会按照__iter__、__getitem__的顺序调用类中的方法
 4 #
 5 ################################
 6 class Foo:
 7     def __init__(self, s):
 8         self.s = s
 9 
10     def __iter__(self):
11         print("iter")
12         return iter(self.s)
13 
14     def __getitem__(self, item):
15         return self.s[item]
16 
17 if __name__ == "__main__":
18     foo = Foo("sdfafasfasf")
19     a, b, *s = foo
20     print(a, b)

拆包赋值的当中贯彻

 

  以前我们由此源码已经相比过list和tuple类中的方法和总体性,上边列出《流畅的python》整理的列表和元组的办法及质量:

表 列表或元组的法门和质量

  列  表 元  组
s.__add__(s2)
· ·
s.__iadd__(s2) ·  
s.append(e) ·  
s.clear() ·  
s.__contains__(e) · ·
s.copy() ·  
s.count(e) · ·
s.__delitem__(p) ·  
s.extend(it) ·  
s.__getitem__(p) · ·
s.__getnewargs__()   ·
s.index(e) · ·
x.insert(p,e) ·  
s.__iter__() · ·
s.__len__() · ·
s.__mul__(n) · ·
s.__imul__(n) ·  
s.__rmul__(n) · ·
s.pop([p]) ·  
s.remove(e) ·  
s.reverse() ·  
s.__reversed__() ·  
s.__setitem__(p,e) ·  
s.sort([key], [reverse]) ·  

   

  表明:以上元节组中不加黑点的不表示一定不可能如此使用,只是其效果和列表区别(表达里面有分解)。例如五个元组a和b举行增量赋值a+=b也是能够的,只是这一个操作不是就地拼接,而是生成了新的元组。

生成器表明式

# 虽然列表推导式可以用来初始化元组、数组或其他序列类型,但是列表推导式会直接生成列表,占用内存
# 而生成器遵守了迭代器协议,可以逐个产出元素,而不是先建立一个完整的列表


# 生成器表达式直接将推导式的方括号换成圆括号即可

g = (x for x in range(1, 10000))

print(g)    # <generator object <genexpr> at 0x105c0efc0> :生成器对象


from collections import Iterable, Iterator

if isinstance(g, Iterable):
    print("iterable")          # 输出iterable: 说明生成器g是可迭代的

if isinstance(g, Iterator):
    print("iterator")          # 输出iterator:说明生成器g是迭代器

 

  上面大家来比较一下列表推导式和生成器的频率

# 比较列表推导式和生成器
import time

start_time = time.time()
l = [x for x in range(1000000)]
print(time.time() - start_time)     # 0.1361069679260254

start_time = time.time()
g = (x for x in range(1000000))
print(time.time() - start_time)     # 1.1205673217773438e-05

# 可见,生成器远快于推导式

 

不可变种类

tuple、str 和 bytes

切片

'''
    在python中,内置的序列类型都支持切片操作,切片操作的用法十分简单:
    list[start: stop: step]    , 其中不包括区间范围内最后一个(事实上这是python的风格,一般不包含区间最后一个)
    python里面能使用切片操作是因为实现了__getitem__方法,切片时会给该方法传递slice(start: stop: step) 参数
'''

if __name__ == "__main__":
    # 基本操作
    l = [1, 2, 3, 4, 5, 6, 7, 8, 9]
    print(l[2:])     # 第3个元素到最后   :[3, 4, 5, 6, 7, 8, 9]
    print(l[:3])     # 第一个元素到最后   :[1, 2, 3]

    s = "abcdefghijklmn"
    print(s[2::2])   # 从第三个字母开始,隔一个字母取一个 : cegikm
    print(s[::-1])   # 倒序排列 : nmlkjihgfedcba
    print(s[::-2])   # 倒序隔一个取一个 nljhfdb
    print(s[-2::-2]) # 倒序第二隔开始,隔一个取一个

    # 利用切片赋值
    l[2:5] = [20, 30]
    print(l)         # [1, 2, 20, 30, 6, 7, 8, 9]
    try:
        l[2:5] = 40      # 报错:TypeError: can only assign an iterable
                         # 利用切片赋值时传入的必须是可迭代对象
    except Exception as e:
        print(e)         # can only assign an iterable
    l[2:5] = (40,)
    print(l)             # [1, 2, 40, 7, 8, 9]
    l[2:3] = "sajfljls"  # 字符串属于序列,也可以迭代
    print(l)             # [1, 2, 's', 'a', 'j', 'f', 'l', 'j', 'l', 's', 7, 8, 9]

 

元组拆包

# 我们经常这样给两个变量同时赋值
a, b = 1, 2
print(a, b)     # 1 2

# 还可以这样
a, b = [1, 2]
print(a, b)     # 1 2

# 也可以这样
a, b = (1, 2)
print(a, b)     # 1 2

# 甚至可以这样
a, b = "ab"
print(a, b)     # a b

'''
    像以上这样连续的赋值方式,右边可以使用逗号隔开;也可以是序列。

    当拆包赋值的是序列时,python解释器会先找该序列中的__iter__方法,如果该方法不存在,则寻找__getitem__方法。

    接下来说其他用法
'''

# 赋值后优雅地交换两个变量
a, b = (1, 2)
a, b = b, a
print(a, b)        # 2 1

# 使用*号来处理多余的数据
a, b, *s = [1, 2, 3, 4, 5, 6, 7, 8, 9]
print(a, b, s)        # 1 2 [3, 4, 5, 6, 7, 8, 9]
                      # 这样从第三个元素开始的所有值都赋给了s

a, b, *s = (1, 2, 3, 4, 5, 6, 7, 8, 9)
print(a, b, s)        # 1 2 [3, 4, 5, 6, 7, 8, 9]
                      # 注意,本来是元组,赋之后的s变成了列表. 如果s为空的话也会返回空列表

*s, a, b = (1, 2, 3, 4, 5, 6, 7, 8, 9)
print(s, a, b)        # [1, 2, 3, 4, 5, 6, 7] 8 9
                      # *s也可以放在前面

a, *s, b = (1, 2, 3, 4, 5, 6, 7, 8, 9)
print(a, s, b)        # 1 [2, 3, 4, 5, 6, 7, 8] 9
                      # *s也可以放在中间

# 嵌套元组拆包
a, b, (c, d) = (1, 2, (3, 4))
print(a, b, c, d)     # 1 2 3 4
                      # 只要按照右边的形式就可赋值

a, b, *c = (1, 2, (3, 4))
print(a, b, c)     # 1 2 [(3, 4)]

 

金沙注册送58 5

 1 ################################
 2 #
 3 # 以下的例子用以说明拆包赋值时,解释器会按照__iter__、__getitem__的顺序调用类中的方法
 4 #
 5 ################################
 6 class Foo:
 7     def __init__(self, s):
 8         self.s = s
 9 
10     def __iter__(self):
11         print("iter")
12         return iter(self.s)
13 
14     def __getitem__(self, item):
15         return self.s[item]
16 
17 if __name__ == "__main__":
18     foo = Foo("sdfafasfasf")
19     a, b, *s = foo
20     print(a, b)

拆包赋值的内部贯彻

 

  之前我们透过源码已经比较过list和tuple类中的方法和个性,下边列出《流畅的python》整理的列表和元组的措施及品质:

表 列表或元组的格局和本性

  列  表 元  组
s.__add__(s2) · ·
s.__iadd__(s2) ·  
s.append(e) ·  
s.clear() ·  
s.__contains__(e) · ·
s.copy() ·  
s.count(e) · ·
s.__delitem__(p) ·  
s.extend(it) ·  
s.__getitem__(p) · ·
s.__getnewargs__()   ·
s.index(e) · ·
x.insert(p,e) ·  
s.__iter__() · ·
s.__len__() · ·
s.__mul__(n) · ·
s.__imul__(n) ·  
s.__rmul__(n) · ·
s.pop([p]) ·  
s.remove(e) ·  
s.reverse() ·  
s.__reversed__() ·  
s.__setitem__(p,e) ·  
s.sort([key], [reverse]) ·  

   

  表达:以元夕组中不加黑点的不表示一定无法这么使用,只是其功用和列表不一样(表明里面有表明)。例如多少个元组a和b进行增量赋值a+=b也是能够的,只是那个操作不是就地拼接,而是生成了新的元组。

list——列表推倒

利用列表推导创造列表具有很好的可读性

相比较下边两段代码

symbols = '$¢£¥€¤'
codes = []
for symbol in symbols:
    codes.append(ord(symbol))

codes
Out[5]:
[36, 162, 163, 165, 8364, 164]

symbols = '$¢£¥€¤'
codes = [ord(symbol) for symbol in symbols]
codes
Out[12]:
[36, 162, 163, 165, 8364, 164]

采用列表推导的代码显得卓越简单。列表推导还能够生成多重for循环的列表,如下代码所示:

a  = ['A','B','C','D']
b = [1,2,3,4]
c = [(i, j) for i in a for j in b]
c
Out[5]: 
[('A', 1),
 ('A', 2),
 ('A', 3),
 ('A', 4),
 ('B', 1),
 ('B', 2),
 ('B', 3),
 ('B', 4),
 ('C', 1),
 ('C', 2),
 ('C', 3),
 ('C', 4),
 ('D', 1),
 ('D', 2),
 ('D', 3),
 ('D', 4)]

d = [(i, j) for j in b for i in a]
d
Out[9]: 
[('A', 1),
 ('B', 1),
 ('C', 1),
 ('D', 1),
 ('A', 2),
 ('B', 2),
 ('C', 2),
 ('D', 2),
 ('A', 3),
 ('B', 3),
 ('C', 3),
 ('D', 3),
 ('A', 4),
 ('B', 4),
 ('C', 4),
 ('D', 4)]

用列表推导还能够代替filter和map,幸免选取难以精晓的lambda表明式,

symbols = '$¢£¥€¤'
beyond_ascii = list(filter(lambda c: c > 127, map(ord, symbols)))
beyond_ascii
Out[12]: 
[162, 163, 165, 8364, 164]
beyond_ascii = [ord(s) for s in symbols if ord(s) > 127]
beyond_ascii
Out[14]: 
[162, 163, 165, 8364, 164]

排序(list.sort方法和sorted函数)

'''
    list.sort方法和sorted内置函数都有排序的功能,区别如下
        list.sort是就地排序列表,不会把原列表复制一份。该方法返回None,以提醒不会新建一个列表。
        sorted函数会新建一个列表作为返回值,这个函数可以接受任何可迭代对象,甚至包括不可变序列或生成器,最后返回的总是列表。

    list.sort和sorted都有两个参数:
        reverse:默认为False,设定为True以降序排列
        key:一个只有一个参数的函数,这个函数会作用于序列的每一个元素上,然后以该函数的结果作为关键字排序

'''

if __name__ == "__main__":
    # 1、list.sort就地排序,而sorted返回列表
    l = [x for x in range(10, 0, -1)]      # 初始化一个列表:[10, 9, 8, 7, 6, 5, 4, 3, 2, 1]
    print(id(l), l)    # l最初的地址:4536449800 [10, 9, 8, 7, 6, 5, 4, 3, 2, 1]
    l.sort()
    print(id(l), l)    # 排序后的地址:4536449800 [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
                       # l前后的的地址没变,说明是就地排序


    l = [x for x in range(10, 0, -1)]  # 初始化一个列表:[10, 9, 8, 7, 6, 5, 4, 3, 2, 1]
    print(id(l), l)  # l最初的地址:4415318984 [10, 9, 8, 7, 6, 5, 4, 3, 2, 1]
    l = sorted(l)
    print(id(l), l)  # 排序后的地址:4415318792 [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

    # 2、sorted可以接受任何可迭代对象
    l = (x for x in range(10, 0, -1))
    print(type(l))        # 迭代器 <class 'generator'>
    print(sorted(l))      # [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

    s = "qwertyuiopasdfghjklzxcvbnm"   # 字符串序列
    print(sorted(s))      # ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l', 'm', 'n', 'o', 'p', 'q', 'r', 's', 't', 'u', 'v', 'w', 'x', 'y', 'z']

    s = (1, 3, 2, 456, 345, 12, 2, 5, 78, 34)   # 不可变元组
    print(sorted(s))      # [1, 2, 2, 3, 5, 12, 34, 78, 345, 456]

    # 3、reverse参数
    s = "qwertyuiopasdfghjklzxcvbnm"
    print(sorted(s, reverse=True))   # ['z', 'y', 'x', 'w', 'v', 'u', 't', 's', 'r', 'q', 'p', 'o', 'n', 'm', 'l', 'k', 'j', 'i', 'h', 'g', 'f', 'e', 'd', 'c', 'b', 'a']


    # 4、key参数
    s = "QwERTYuioPaSdfGHjKLzXcvbnm"
    print(sorted(s))    # ['E', 'G', 'H', 'K', 'L', 'P', 'Q', 'R', 'S', 'T', 'X', 'Y', 'a', 'b', 'c', 'd', 'f', 'i', 'j', 'm', 'n', 'o', 'u', 'v', 'w', 'z']
    print(sorted(s, key=str.lower))   # 忽略大小写 ['a', 'b', 'c', 'd', 'E', 'f', 'G', 'H', 'i', 'j', 'K', 'L', 'm', 'n', 'o', 'P', 'Q', 'R', 'S', 'T', 'u', 'v', 'w', 'X', 'Y', 'z']
    print(sorted(s, key=str.upper))   # 也是忽略大小写

##########################
#
#  以下自定义一个类也可使用sorted函数
#
##########################

class Obj:
    def __init__(self):
        self.s = [x for x in range(10, 0, -1)]

    def __getitem__(self, item):
        print("getitem")
        return self.s[item]

    def __repr__(self):
        return str(self.s)

    def __iter__(self):
        return iter(self.s)

obj = Obj()
print(obj)           # [10, 9, 8, 7, 6, 5, 4, 3, 2, 1]

# 添加getitem后可以使用sorted函数  (实验时请注视掉getitem方法)
print(sorted(obj))   #  打印10次getitem   , [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

# 添加iter方法
print(sorted(obj))   # 此时解释器会先调用iter方法,不会再使用getitem方法
                     # [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

使自定义类也可使用sorted函数调用

 

切片

'''
    在python中,内置的序列类型都支持切片操作,切片操作的用法十分简单:
    list[start: stop: step]    , 其中不包括区间范围内最后一个(事实上这是python的风格,一般不包含区间最后一个)
    python里面能使用切片操作是因为实现了__getitem__方法,切片时会给该方法传递slice(start: stop: step) 参数
'''

if __name__ == "__main__":
    # 基本操作
    l = [1, 2, 3, 4, 5, 6, 7, 8, 9]
    print(l[2:])     # 第3个元素到最后   :[3, 4, 5, 6, 7, 8, 9]
    print(l[:3])     # 第一个元素到最后   :[1, 2, 3]

    s = "abcdefghijklmn"
    print(s[2::2])   # 从第三个字母开始,隔一个字母取一个 : cegikm
    print(s[::-1])   # 倒序排列 : nmlkjihgfedcba
    print(s[::-2])   # 倒序隔一个取一个 nljhfdb
    print(s[-2::-2]) # 倒序第二隔开始,隔一个取一个

    # 利用切片赋值
    l[2:5] = [20, 30]
    print(l)         # [1, 2, 20, 30, 6, 7, 8, 9]
    try:
        l[2:5] = 40      # 报错:TypeError: can only assign an iterable
                         # 利用切片赋值时传入的必须是可迭代对象
    except Exception as e:
        print(e)         # can only assign an iterable
    l[2:5] = (40,)
    print(l)             # [1, 2, 40, 7, 8, 9]
    l[2:3] = "sajfljls"  # 字符串属于序列,也可以迭代
    print(l)             # [1, 2, 's', 'a', 'j', 'f', 'l', 'j', 'l', 's', 7, 8, 9]

 

元组

元组的意思不仅在于是不足变系列,更在于它能够与记录关联起来,赋予它非凡的意思。

city, year, pop, chg, area = ('Tokyo', 2003, 32450, 0.66, 8014)
traveler_ids = [('USA', '31195855'), ('BRA', 'CE342567'), ('ESP', 'XDA205856')]
for passport in sorted(traveler_ids):
    print("%s,%s" % passport)

BRA,CE342567
ESP,XDA205856
USA,31195855

此间各样元组里的每一项都有了一定的意思。下边看看元组的拆包。

bisect

'''
    bisect模块主要用来管理有顺序的序列
    bisect模块包含的主要函数是bisect和insort,两个函数都使用二叉树方法搜索
    1、bisect(haystack, needle)
        haystack必须是一个有序的序列,该函数搜索needle在haystack中的位置,该位置使得将needle插入后haystack仍然升序
        查找到位置后可用haystack.insert()插入

    2、insort(seq, item)
        把item插入到seq中,并能保持seq的升序

'''

#  本人认为《流畅的python》中的对该模块介绍的例子比较经典,故引用之

# 1、关于bisect.bisect的示例
import bisect
import sys

HAYSTACK = [1, 4, 5, 6, 8, 12, 15, 20, 21, 23, 23, 26, 29, 30]
NEEDLES = [0, 1, 2, 5, 8, 10, 22, 23, 29, 30, 31]

ROW_FMT = '{0:2d} @ {1:2d}    {2}{0:<2d}'

def demo(bisect_fn):
    for needle in reversed(NEEDLES):
        position = bisect_fn(HAYSTACK, needle)
        offset = position * '  |'
        print(ROW_FMT.format(needle, position, offset))


if __name__ == '__main__':

    if sys.argv[-1] == 'left':
        bisect_fn = bisect.bisect_left
    else:
        bisect_fn = bisect.bisect

    print('DEMO:', bisect_fn.__name__)
    print('haystack ->', ' '.join('%2d' % n for n in HAYSTACK))
    demo(bisect_fn)


    '''   输出如下
    DEMO: bisect
    haystack ->  1  4  5  6  8 12 15 20 21 23 23 26 29 30
    31 @ 14      |  |  |  |  |  |  |  |  |  |  |  |  |  |31
    30 @ 14      |  |  |  |  |  |  |  |  |  |  |  |  |  |30
    29 @ 13      |  |  |  |  |  |  |  |  |  |  |  |  |29
    23 @ 11      |  |  |  |  |  |  |  |  |  |  |23
    22 @  9      |  |  |  |  |  |  |  |  |22
    10 @  5      |  |  |  |  |10
     8 @  5      |  |  |  |  |8 
     5 @  3      |  |  |5 
     2 @  1      |2 
     1 @  1      |1 
     0 @  0    0 
    '''
# 另,bisect.bisect函数有两个可选参数——lo和hi来缩小搜索范围,lo的默认值是0,hi的默认值是序列的长度
# 再另,bisect.bisect函数其实是bisect_right函数的别名,还有一个bisect_left,插入位置如果有相等的元素时,插入元素会放在它相等的
#      元素后面,后者会放在前面


# 根据分数,查到等级

def grade(score, breakpoints=[60, 70, 80, 90], grades = 'FDCBA'):
    i = bisect.bisect(breakpoints, score)     # 这里的bisect.bisect实际上使用的是bisect_right
    return grades[i]

print([grade(score) for score in [33, 55, 90, 87, 65, 78, 34, 60, 100]])

# 2、关于bisect.insort函数

import bisect
import random

SIZE = 7

random.seed(1729)

my_list = []
for i in range(SIZE):
    new_item = random.randrange(SIZE*2)
    bisect.insort(my_list, new_item)
    print('%2d ->' % new_item, my_list)

    '''输出:
    10 -> [10]
     0 -> [0, 10]
     6 -> [0, 6, 10]
     8 -> [0, 6, 8, 10]
     7 -> [0, 6, 7, 8, 10]
     2 -> [0, 2, 6, 7, 8, 10]
    10 -> [0, 2, 6, 7, 8, 10, 10]
    '''

# 另,insort函数也有insort_left,背后使用的是bisect_left

 

排序(list.sort方法和sorted函数)

'''
    list.sort方法和sorted内置函数都有排序的功能,区别如下
        list.sort是就地排序列表,不会把原列表复制一份。该方法返回None,以提醒不会新建一个列表。
        sorted函数会新建一个列表作为返回值,这个函数可以接受任何可迭代对象,甚至包括不可变序列或生成器,最后返回的总是列表。

    list.sort和sorted都有两个参数:
        reverse:默认为False,设定为True以降序排列
        key:一个只有一个参数的函数,这个函数会作用于序列的每一个元素上,然后以该函数的结果作为关键字排序

'''

if __name__ == "__main__":
    # 1、list.sort就地排序,而sorted返回列表
    l = [x for x in range(10, 0, -1)]      # 初始化一个列表:[10, 9, 8, 7, 6, 5, 4, 3, 2, 1]
    print(id(l), l)    # l最初的地址:4536449800 [10, 9, 8, 7, 6, 5, 4, 3, 2, 1]
    l.sort()
    print(id(l), l)    # 排序后的地址:4536449800 [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
                       # l前后的的地址没变,说明是就地排序


    l = [x for x in range(10, 0, -1)]  # 初始化一个列表:[10, 9, 8, 7, 6, 5, 4, 3, 2, 1]
    print(id(l), l)  # l最初的地址:4415318984 [10, 9, 8, 7, 6, 5, 4, 3, 2, 1]
    l = sorted(l)
    print(id(l), l)  # 排序后的地址:4415318792 [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

    # 2、sorted可以接受任何可迭代对象
    l = (x for x in range(10, 0, -1))
    print(type(l))        # 迭代器 <class 'generator'>
    print(sorted(l))      # [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

    s = "qwertyuiopasdfghjklzxcvbnm"   # 字符串序列
    print(sorted(s))      # ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l', 'm', 'n', 'o', 'p', 'q', 'r', 's', 't', 'u', 'v', 'w', 'x', 'y', 'z']

    s = (1, 3, 2, 456, 345, 12, 2, 5, 78, 34)   # 不可变元组
    print(sorted(s))      # [1, 2, 2, 3, 5, 12, 34, 78, 345, 456]

    # 3、reverse参数
    s = "qwertyuiopasdfghjklzxcvbnm"
    print(sorted(s, reverse=True))   # ['z', 'y', 'x', 'w', 'v', 'u', 't', 's', 'r', 'q', 'p', 'o', 'n', 'm', 'l', 'k', 'j', 'i', 'h', 'g', 'f', 'e', 'd', 'c', 'b', 'a']


    # 4、key参数
    s = "QwERTYuioPaSdfGHjKLzXcvbnm"
    print(sorted(s))    # ['E', 'G', 'H', 'K', 'L', 'P', 'Q', 'R', 'S', 'T', 'X', 'Y', 'a', 'b', 'c', 'd', 'f', 'i', 'j', 'm', 'n', 'o', 'u', 'v', 'w', 'z']
    print(sorted(s, key=str.lower))   # 忽略大小写 ['a', 'b', 'c', 'd', 'E', 'f', 'G', 'H', 'i', 'j', 'K', 'L', 'm', 'n', 'o', 'P', 'Q', 'R', 'S', 'T', 'u', 'v', 'w', 'X', 'Y', 'z']
    print(sorted(s, key=str.upper))   # 也是忽略大小写

##########################
#
#  以下自定义一个类也可使用sorted函数
#
##########################

class Obj:
    def __init__(self):
        self.s = [x for x in range(10, 0, -1)]

    def __getitem__(self, item):
        print("getitem")
        return self.s[item]

    def __repr__(self):
        return str(self.s)

    def __iter__(self):
        return iter(self.s)

obj = Obj()
print(obj)           # [10, 9, 8, 7, 6, 5, 4, 3, 2, 1]

# 添加getitem后可以使用sorted函数  (实验时请注视掉getitem方法)
print(sorted(obj))   #  打印10次getitem   , [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

# 添加iter方法
print(sorted(obj))   # 此时解释器会先调用iter方法,不会再使用getitem方法
                     # [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

使自定义类也可使用sorted函数调用

 

金沙注册送58,简短拆包

亟待证实的是拆包能够利用到其它可迭代对象上。
先看最简易的拆包,平行赋值

lax_coordinates = (33.9425, -118.408056)
latitude, longitude = lax_coordinates
latitude
Out[10]: 
33.9425
longitude
Out[11]: 
-118.408056

动用平行赋值简便的置换四个变量的值

a=2
b=3
a,b=b,a
a
Out[15]: 
3
b
Out[16]: 
2

*能够用俩处理剩下的要素

a,b,*rest = range(6)
a
Out[19]: 
0
rest
Out[20]: 
[2, 3, 4, 5]
b
Out[21]: 
1

a,*rest,b = range(6)
a
Out[23]: 
0
b
Out[24]: 
5
rest
Out[25]: 
[1, 2, 3, 4]

python高级种类作品目录

python高级——目录

 

 

bisect

'''
    bisect模块主要用来管理有顺序的序列
    bisect模块包含的主要函数是bisect和insort,两个函数都使用二叉树方法搜索
    1、bisect(haystack, needle)
        haystack必须是一个有序的序列,该函数搜索needle在haystack中的位置,该位置使得将needle插入后haystack仍然升序
        查找到位置后可用haystack.insert()插入

    2、insort(seq, item)
        把item插入到seq中,并能保持seq的升序

'''

#  本人认为《流畅的python》中的对该模块介绍的例子比较经典,故引用之

# 1、关于bisect.bisect的示例
import bisect
import sys

HAYSTACK = [1, 4, 5, 6, 8, 12, 15, 20, 21, 23, 23, 26, 29, 30]
NEEDLES = [0, 1, 2, 5, 8, 10, 22, 23, 29, 30, 31]

ROW_FMT = '{0:2d} @ {1:2d}    {2}{0:<2d}'

def demo(bisect_fn):
    for needle in reversed(NEEDLES):
        position = bisect_fn(HAYSTACK, needle)
        offset = position * '  |'
        print(ROW_FMT.format(needle, position, offset))


if __name__ == '__main__':

    if sys.argv[-1] == 'left':
        bisect_fn = bisect.bisect_left
    else:
        bisect_fn = bisect.bisect

    print('DEMO:', bisect_fn.__name__)
    print('haystack ->', ' '.join('%2d' % n for n in HAYSTACK))
    demo(bisect_fn)


    '''   输出如下
    DEMO: bisect
    haystack ->  1  4  5  6  8 12 15 20 21 23 23 26 29 30
    31 @ 14      |  |  |  |  |  |  |  |  |  |  |  |  |  |31
    30 @ 14      |  |  |  |  |  |  |  |  |  |  |  |  |  |30
    29 @ 13      |  |  |  |  |  |  |  |  |  |  |  |  |29
    23 @ 11      |  |  |  |  |  |  |  |  |  |  |23
    22 @  9      |  |  |  |  |  |  |  |  |22
    10 @  5      |  |  |  |  |10
     8 @  5      |  |  |  |  |8 
     5 @  3      |  |  |5 
     2 @  1      |2 
     1 @  1      |1 
     0 @  0    0 
    '''
# 另,bisect.bisect函数有两个可选参数——lo和hi来缩小搜索范围,lo的默认值是0,hi的默认值是序列的长度
# 再另,bisect.bisect函数其实是bisect_right函数的别名,还有一个bisect_left,插入位置如果有相等的元素时,插入元素会放在它相等的
#      元素后面,后者会放在前面


# 根据分数,查到等级

def grade(score, breakpoints=[60, 70, 80, 90], grades = 'FDCBA'):
    i = bisect.bisect(breakpoints, score)     # 这里的bisect.bisect实际上使用的是bisect_right
    return grades[i]

print([grade(score) for score in [33, 55, 90, 87, 65, 78, 34, 60, 100]])

# 2、关于bisect.insort函数

import bisect
import random

SIZE = 7

random.seed(1729)

my_list = []
for i in range(SIZE):
    new_item = random.randrange(SIZE*2)
    bisect.insort(my_list, new_item)
    print('%2d ->' % new_item, my_list)

    '''输出:
    10 -> [10]
     0 -> [0, 10]
     6 -> [0, 6, 10]
     8 -> [0, 6, 8, 10]
     7 -> [0, 6, 7, 8, 10]
     2 -> [0, 2, 6, 7, 8, 10]
    10 -> [0, 2, 6, 7, 8, 10, 10]
    '''

# 另,insort函数也有insort_left,背后使用的是bisect_left

python内置类别类型,python内置种类类型 本文主要内容 连串类型分类:
(1)容器类别、扁平种类 (2)可变系列、不可…

嵌套拆包

拆包还是能够嵌套实行,那个时候需求留意表明式的嵌套结构要和元组的嵌套结构同样

    metro_areas = [
        ('Tokyo', 'JP', 36.933, (35.689722, 139.691667)),
        ('Delhi NCR', 'IN', 21.935, (28.613889, 77.208889)),
        ('Mexico City', 'MX', 20.142, (19.433333, -99.133333)),
        ('New York-Newark', 'US', 20.104, (40.808611, -74.020386)),
        ('Sao Paulo', 'BR', 19.649, (-23.547778, -46.635833)),]

    print('{:15} | {:^9} | {:^9}'.format('', 'lat.', 'long.'))
    fmt = '{:15} | {:9.4f} | {:9.4f}'
    for name, cc, pop, (latitude, longitude) in metro_areas:
        if longitude <= 0:
            print(fmt.format(name, latitude, longitude))

上述代码输出如下

                |   lat.    |   long.  
Mexico City     |   19.4333 |  -99.1333
New York-Newark |   40.8086 |  -74.0204
Sao Paulo       |  -23.5478 |  -46.6358

具名元组

作为记录使用,大家广大时候希望要有3个字段名,就算元组本人不可能满意供给,但是能够动用库中的collections.namedtuple来落实。collections.namedtuple
是一个厂子函数,它可以用来创设贰个带字段名的元组和3个盛名字的类。

>>> from collections import namedtuple
>>> City = namedtuple('City', 'name country population coordinates')
>>> tokyo = City('Tokyo', 'JP', 36.933, (35.689722, 139.691667))
>>> tokyo
City(name='Tokyo', country='JP', population=36.933, coordinates=(35.689722, 139.691667))
>>> tokyo.population
36.933
>>> tokyo.coordinates
(35.689722, 139.691667)
>>> tokyo[1]
'JP'
>>> 

具名元组还有一对有意识的属性和艺术:

>>> City._fields
('name', 'country', 'population', 'coordinates')
>>> LatLong = namedtuple('LatLong', 'lat long')
>>> delhi_data = ('Delhi NCR', 'IN', 21.935, LatLong(28.613889, 77.208889))
>>> delhi = City._make(delhi_data)
>>> delhi._asdict()
OrderedDict([('name', 'Delhi NCR'), ('country', 'IN'), ('population', 21.935), ('coordinates', LatLong(lat=28.613889, long=77.208889))])
>>> for key, value in delhi._asdict().items():
    print(key + ':', value)


name: Delhi NCR
country: IN
population: 21.935
coordinates: LatLong(lat=28.613889, long=77.208889)

_田野同志s属性是一个带有这些类具有字段名称的元组,_make()方法能够承受1个可迭代对象来生成那个类的一个实例,_asdict()
把具名元组以collections.OrderedDict 的款式再次来到。

切片

切开的坚守学过python的都了然,那里根本涉嫌一些切开供给小心的地方。

切片会忽略最终2个成分

这复合python和C都以0作为开场是契合的

>>> s = [1,2,3,4,5,6]
>>> s[1:3]
[2, 3]

对指标进行切开

还可以够用s[a:b:c]的花样对s在a和b之间以c为距离取值,c的值能够为负,那时为反向取值

>>> s = [1,2,3,4,5,6,7,8,9,10]
>>> s[1:9:2]
[2, 4, 6, 8]
>>> s[9:1:-2]
[10, 8, 6, 4]
>>> s[::-1]
[10, 9, 8, 7, 6, 5, 4, 3, 2, 1]

a:b:c那种用法的面目是在调用slice(start,stop,step),对seq[start:stop:step]
进行求值的时候,Python 会调用
seq._getitem_(slice(start, stop, step))。

给切片赋值

切开还有1个强有力的机能正是能够直接给切片赋值以修改原种类。

>>> s = list(range(10))
>>> s
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> s[3:6] = [10,20]
>>> s
[0, 1, 2, 10, 20, 6, 7, 8, 9]
>>> s[1:3] = [30,40,50,60]
>>> s
[0, 30, 40, 50, 60, 10, 20, 6, 7, 8, 9]
>>> s[1:5] = 20
Traceback (most recent call last):
  File "<pyshell#16>", line 1, in <module>
    s[1:5] = 20
TypeError: can only assign an iterable
>>> s[1:5] = [20]
>>> s
[0, 20, 10, 20, 6, 7, 8, 9]

从地点代码能够看到,给切片复值的值必须也是体系,哪怕唯有一个值,也要用种类的款型。

对队列使用+和*

+和*都是对队列的拼接操作,+和*操作不会修改原系列,而是转变三个新的队列。

>>> s1 = [1,2,3]
>>> s2 = [4,5,6]
>>> s1 + s2
[1, 2, 3, 4, 5, 6]
>>> s1
[1, 2, 3]
>>> s1 * 4
[1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3]
>>> s1
[1, 2, 3]
>>> 3*s2
[4, 5, 6, 4, 5, 6, 4, 5, 6]
>>> s2
[4, 5, 6]
>>> 

*关于内需专注的有些:即使种类内的成分是别的可变对象的引用的话,就须求尤其小心了。看上面这一个由列表构成列表的例子\

创设2个由列表组成的列表,大家也许会写出下边那样的代码

weird_board = [['_'] * 3] * 3
weird_board[1][2] = 'O'

诸如此类的结果会是什么,大家看下每步的结果:

>>> weird_board = [['_'] * 3] * 3
>>> weird_board
[['_', '_', '_'], ['_', '_', '_'], ['_', '_', '_']]
weird_board[1][2] = 'O'
>>> weird_board
[['_', '_', 'O'], ['_', '_', 'O'], ['_', '_', 'O']]

全然不是我们想要的结果,为啥会出现这种现象?那里首先步中的[['_'] * 3]会形成类别[['_', '_', '_']],而[['_', '_', '_']]*3变异的五个系列都以其一队列的引用,所以就会油然则生上面的状态。
是的的做法应该像上面那样:

>>> board = [['_'] * 3 for i in range(3)]
>>> board
[['_', '_', '_'], ['_', '_', '_'], ['_', '_', '_']]
>>> board[1][2] = 'X'
>>> board
[['_', '_', '_'], ['_', '_', 'X'], ['_', '_', '_']]

队列的增量赋值

增量赋值原理上都以千篇一律的,那里根本汇集在+=上。
+=操作背后其实是调用了_iadd方法,假使一个类没有落实这一个格局的话,Python
会退一步调用 _
add**
方法。同时,可变体系就地转移,不可变类别会变动3个新的目的。

>>> s=[1,2,3]
>>> id(s)
48702528
>>> s+=[4,5,6]
>>> s
[1, 2, 3, 4, 5, 6]
>>> id(s)
48702528
>>> s*=3
>>> s
[1, 2, 3, 4, 5, 6, 1, 2, 3, 4, 5, 6, 1, 2, 3, 4, 5, 6]
>>> id(s)
48702528
>>> t=(1,2,3)
>>> id(t)
48765168
>>> t+=(4,5,6)
>>> t
(1, 2, 3, 4, 5, 6)
>>> id(t)
48202224

3个有关+=的牢笼

上面那段代码执行后会发生什么样动静

>>> t = (1,2,[3,4])
>>> t[2] += [5,6]

深信不疑广大人都驾驭会抛出尤其,因为元组是不可变连串。大家来看看执行结果,的确如此

>>> t = (1,2,[3,4])
>>> t[2] += [5,6]
Traceback (most recent call last):
  File "<pyshell#56>", line 1, in <module>
    t[2] += [5,6]
TypeError: 'tuple' object does not support item assignment

再看看未来t的值吗?

>>> t
(1, 2, [3, 4, 5, 6])

t的值也改变了,那是怎么回事呢?我们接纳Python
Tutor(http://www.pythontutor.com)这么些可视化分析工具来看望运行景况。(那里强烈推荐这些工具,能够动态显示每句代码执行后各样变量的成形意况)。

金沙注册送58 6

此地写图片描述

再来看占星应的私自的字节码

>>> import dis
>>> dis.dis('s[a]+=b')
  1           0 LOAD_NAME                0 (s)
              2 LOAD_NAME                1 (a)
              4 DUP_TOP_TWO
              6 BINARY_SUBSCR
              8 LOAD_NAME                2 (b)
             10 INPLACE_ADD
             12 ROT_THREE
             14 STORE_SUBSCR
             16 LOAD_CONST               0 (None)
             18 RETURN_VALUE

首先将 s[a] 的值存入 TOS(栈的顶端),然后总计 TOS +=
b。这一步可以不辱义务,是因为 TOS 指向的是1个可变对象,最终s[a] = TOS
赋值。这一步失利,是因为 s 是不可变的元组。

排序和摸索

排序

list.sort会对列表进行当庭排序,而python的放权函数sorted则是重复创制二个指标回来,它接受别的可迭代对象作为参数。

>>> s=[3,5,2,1,6,7,9,8]
>>> s_new = sorted(s)
>>> s
[3, 5, 2, 1, 6, 7, 9, 8]
>>> s_new
[1, 2, 3, 5, 6, 7, 8, 9]
>>> s.sort()
>>> s
[1, 2, 3, 5, 6, 7, 8, 9]

搜索

排过序的行列能够拓展二分查找,python标准库的放权模块 bisect
提供了二分查找算法。bisect(haystack, needle) 在
haystack里摸索needle的地方,该岗位满意的标准是,把 needle
插入那几个职分然后,haystack 仍是可以保全升序。

>>> bisect.bisect(s,3)
3
>>> bisect.bisect(s,8)
7
>>> bisect.bisect(s,8.5)
7

用bisect.insort还是能够在三个稳步的种类里插入新因素从而保持连串如故雷打不动。

>>> bisect.insort(s,8.5)
>>> s
[1, 2, 3, 5, 6, 7, 8, 8.5, 9]

列表之外的取舍

列表就算灵活而且不难,但是有些时候面对种种要求的时候,大家可能还有更好的抉择。当数据量较大时,比如,要存放
一千万个浮点数的话,数组(array)的效用要高得多,因为数组在背后存的并不是
float 对象,而是数字的机械翻译,也正是字节表述。这点就跟 C
语言中的数组一样。

数组

要是大家须要三个只含有数字的列表,那么 array.array 比 list
更敏捷。同时,数组不仅囊括 .pop、.insert
和.extend,还提供从文件读取和存入文件的更快的点子,如.frombytes 和
.tofile。

创办2个array时,须求钦赐其项目,这么些项目标标志与相应的类型的应和关系在标准库中能够查到。

下边包车型地铁例子体现了从创设四个有 1000万个随机浮点数的数组开始,到怎么着把那个数组存放到文件里,再到怎么从文件读取那一个数组。

>>> from array import array
>>> from random import random
>>> floats = array('d', (random() for i in range(10**7)))
>>> floats[-1]
0.4628972061976403
>>> fp = open('floats.bin','wb')
>>> floats.tofile(fp)
>>> fp.close()
>>> floats2 = array('d')
>>> fp = open('floats.bin','rb')
>>> floats2.fromfile(fp, 10**7)
>>> fp.close()
>>> floats2[-1]
0.4628972061976403
>>> floats2 == floats
True

内部存款和储蓄器视图

memoryview
是二个内置类,它能让用户在不复制内容的事态下操作同一个数组的例外切片。memoryview.cast
的概念跟数组模块类似,能用区别的法子读写同一块内部存款和储蓄器数据,而且内容字节不会随便活动。那与C语言中的类型转换差不离。

>>> numbers = array('h', [-2, -1, 0, 1, 2])
>>> memv = memoryview(numbers)
>>> len(memv)
5
>>> memv[0]
-2
>>> memv_oct = memv.cast('B')
>>> memv_oct
<memory at 0x02E71E68>
>>> memv_oct.tolist()
[254, 255, 255, 255, 0, 0, 1, 0, 2, 0]
>>> memv_oct[5] = 4
>>> numbers
array('h', [-2, -1, 1024, 1, 2])
>>>

那里运用含有 5 个短整型有记号整数的数组(类型码是
‘h’)创造二个memoryview,然后成立2个 memv_oct,那三遍是把 memv
里的内容转换来 ‘B’ 类型,也正是无符号字符。把放在地方 5 的字节赋值成
4,因为大家把占 2 个字节的整数的要职字节改成了
4,所以那一个有记号整数的值就改成了 1024。

双端队列

collections.deque
类(双向队列)是二个线程安全、能够飞快从两边添加可能去除成分的数据类型。

>>> from collections import deque
>>> dq = deque(range(10), maxlen=10)
>>> dq
deque([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], maxlen=10)
>>> dq.rotate(3)
>>> dq
deque([7, 8, 9, 0, 1, 2, 3, 4, 5, 6], maxlen=10)
>>> dq.rotate(-4)
>>> dq
deque([1, 2, 3, 4, 5, 6, 7, 8, 9, 0], maxlen=10)
>>> dq.appendleft(-1)
>>> dq
deque([-1, 1, 2, 3, 4, 5, 6, 7, 8, 9], maxlen=10)
>>> dq.extend([11, 22, 33])
>>> dq
deque([3, 4, 5, 6, 7, 8, 9, 11, 22, 33], maxlen=10)
>>> dq.extendleft([10, 20, 30, 40])
>>> dq
deque([40, 30, 20, 10, 3, 4, 5, 6, 7, 8], maxlen=10)
>>>

maxlen
是二个可选参数,设定之后就无法改改,当队列中的成分超出这么些值之后,就会活动删除多出的成分,假设从左端参与,就删除最右端的,假设从最右端参加,则从最左端删除。extendleft()方法是迭代铺排的,所以插入后的顺序与原先的是相反的。

除此以外,append 和 popleft 都是原子操作,也就视为 deque 能够在多线程程序
中平安地看成先进先出的栈使用,而使用者不须求担心财富锁的难点。

相关文章

网站地图xml地图