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:
- 查找和插入的速度极快,不会随着key的增加而增加;
- 需要占用大量的内存,内存浪费多。
而list相反:
- 查找和插入的时间随着元素的增加而增加;
- 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