### 1.6 字符串搜索
str.find(sub, start=None, end=None); str.rfind(…) # 如果找不到返回-1
str.index(sub, start=None, end=None); str.rindex(…) # 如果找不到抛出ValueError异常
### 1.7 List 后向索引
这个只是习惯问题,前向索引时下标从0开始,如果反向索引也想从0开始可以使用~。
print(a[-1], a[-2], a[-3])
print(a[~0], a[~1], a[~2])
### 2. C/C++ 用户使用指南
不少 Python 的用户是从以前 C/C++ 迁移过来的,这两种语言在语法、代码风格等方面有些不同,本节简要进行介绍。
### 2.1 很大的数和很小的数
C/C++ 的习惯是定义一个很大的数字,Python 中有 inf 和 -inf:
a = float(‘inf’)
b = float(‘-inf’)
### 2.2 布尔值
C/C++ 的习惯是使用 0 和非 0 值表示 True 和 False, Python 建议直接使用 True 和 False 表示布尔值。
a = True
b = False
### 2.3 判断为空
C/C++ 对空指针判断的习惯是 if (a) 和 if (!a)。Python 对于 None 的判断是:
if x is None:
pass
如果使用 if not x,则会将其他的对象(比如长度为 0 的字符串、列表、元组、字典等)都会被当做 False。
### 2.4 交换值
C/C++ 的习惯是定义一个临时变量,用来交换值。利用 Python 的 Tuple 操作,可以一步到位。
a, b = b, a
### 2.5 比较
C/C++ 的习惯是用两个条件。利用 Python 可以一步到位。
if 0 < a < 5:
pass
### 2.6 类成员的 Set 和 Get
C/C++ 的习惯是把类成员设为 private,通过一系列的 Set 和 Get 函数存取其中的值。在 Python 中虽然也可以通过 @property、@setter、@deleter 设置对应的 Set 和 Get 函数,我们应避免不必要的抽象,这会比直接访问慢 4 - 5 倍。
### 2.7 函数的输入输出参数
C/C++ 的习惯是把输入输出参数都列为函数的参数,通过指针改变输出参数的值,函数的返回值是执行状态,函数调用方对返回值进行检查,判断是否成功执行。在 Python 中,不需要函数调用方进行返回值检查,函数中遇到特殊情况,直接抛出一个异常。
### 2.8 读文件
相比 C/C++,Python 读文件要简单很多,打开后的文件是一个可迭代对象,每次返回一行内容。
with open(file_path, ‘rt’, encoding=‘utf-8’) as f:
for line in f:
print(line) # 末尾的\n会保留
### 2.9 文件路径拼接
C/C++ 的习惯通常直接用 + 将路径拼接,这很容易出错,Python 中的 os.path.join 会自动根据操作系统不同补充路径之间的 / 或 \ 分隔符:
import os
os.path.join(‘usr’, ‘lib’, ‘local’)
### 2.10 解析命令行选项
虽然 Python 中也可以像 C/C++ 一样使用 sys.argv 直接解析命令行选择,但是使用 argparse 下的 ArgumentParser 工具更加方便,功能更加强大。
### 2.11 调用外部命令
虽然 Python 中也可以像 C/C++ 一样使用 os.system 直接调用外部命令,但是使用 subprocess.check\_output 可以自由选择是否执行 Shell,也可以获得外部命令执行结果。
import subprocess
如果外部命令返回值非0,则抛出subprocess.CalledProcessError异常
result = subprocess.check_output([‘cmd’, ‘arg1’, ‘arg2’]).decode(‘utf-8’)
同时收集标准输出和标准错误
result = subprocess.check_output([‘cmd’, ‘arg1’, ‘arg2’], stderr=subprocess.STDOUT).decode(‘utf-8’)
执行shell命令(管道、重定向等),可以使用shlex.quote()将参数双引号引起来
result = subprocess.check_output(‘grep python | wc > out’, shell=True).decode(‘utf-8’)
### 2.12 不重复造轮子
不要重复造轮子,Python称为batteries included即是指Python提供了许多常见问题的解决方案。
### 3. 常用工具
### 3.1 读写 CSV 文件
import csv
无header的读写
with open(name, ‘rt’, encoding=‘utf-8’, newline=‘’) as f: # newline=''让Python不将换行统一处理
for row in csv.reader(f):
print(row[0], row[1]) # CSV读到的数据都是str类型
with open(name, mode=‘wt’) as f:
f_csv = csv.writer(f)
f_csv.writerow([‘symbol’, ‘change’])
有header的读写
with open(name, mode=‘rt’, newline=‘’) as f:
for row in csv.DictReader(f):
print(row[‘symbol’], row[‘change’])
with open(name, mode=‘wt’) as f:
header = [‘symbol’, ‘change’]
f_csv = csv.DictWriter(f, header)
f_csv.writeheader()
f_csv.writerow({
‘symbol’: xx, ‘change’: xx})
注意,当 CSV 文件过大时会报错:\_csv.Error: field larger than field limit (131072),通过修改上限解决
import sys
csv.field_size_limit(sys.maxsize)
csv 还可以读以 \t 分割的数据
f = csv.reader(f, delimiter=‘\t’)
### 3.2 迭代器工具
itertools 中定义了很多迭代器工具,例如子序列工具:
import itertools
itertools.islice(iterable, start=None, stop, step=None)
islice(‘ABCDEF’, 2, None) -> C, D, E, F
itertools.filterfalse(predicate, iterable) # 过滤掉predicate为False的元素
filterfalse(lambda x: x < 5, [1, 4, 6, 4, 1]) -> 6
itertools.takewhile(predicate, iterable) # 当predicate为False时停止迭代
takewhile(lambda x: x < 5, [1, 4, 6, 4, 1]) -> 1, 4
itertools.dropwhile(predicate, iterable) # 当predicate为False时开始迭代
dropwhile(lambda x: x < 5, [1, 4, 6, 4, 1]) -> 6, 4, 1
itertools.compress(iterable, selectors) # 根据selectors每个元素是True或False进行选择
compress(‘ABCDEF’, [1, 0, 1, 0, 1, 1]) -> A, C, E, F
序列排序:
sorted(iterable, key=None, reverse=False)
itertools.groupby(iterable, key=None) # 按值分组,iterable需要先被排序
groupby(sorted([1, 4, 6, 4, 1])) -> (1, iter1), (4, iter4), (6, iter6)
itertools.permutations(iterable, r=None) # 排列,返回值是Tuple
permutations(‘ABCD’, 2) -> AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC
itertools.combinations(iterable, r=None) # 组合,返回值是Tuple
itertools.combinations_with_replacement(…)
combinations(‘ABCD’, 2) -> AB, AC, AD, BC, BD, CD
多个序列合并:
itertools.chain(*iterables) # 多个序列直接拼接
chain(‘ABC’, ‘DEF’) -> A, B, C, D, E, F
import heapq
heapq.merge(*iterables, key=None, reverse=False) # 多个序列按顺序拼接
merge(‘ABF’, ‘CDE’) -> A, B, C, D, E, F
zip(*iterables) # 当最短的序列耗尽时停止,结果只能被消耗一次
itertools.zip_longest(*iterables, fillvalue=None) # 当最长的序列耗尽时停止,结果只能被消耗一次
### 3.3 计数器
计数器可以统计一个可迭代对象中每个元素出现的次数。
import collections
创建
collections.Counter(iterable)
频次
collections.Counter[key] # key出现频次
返回n个出现频次最高的元素和其对应出现频次,如果n为None,返回所有元素
collections.Counter.most_common(n=None)
插入/更新
collections.Counter.update(iterable)
counter1 + counter2; counter1 - counter2 # counter加减
检查两个字符串的组成元素是否相同
collections.Counter(list1) == collections.Counter(list2)
### 3.4 带默认值的 Dict
当访问不存在的 Key 时,defaultdict 会将其设置为某个默认值。
import collections
collections.defaultdict(type) # 当第一次访问dict[key]时,会无参数调用type,给dict[key]提供一个初始值
### 3.5 有序 Dict
import collections
collections.OrderedDict(items=None) # 迭代时保留原始插入顺序
### 4. 高性能编程和调试
### 4.1 输出错误和警告信息
向标准错误输出信息
import sys
sys.stderr.write(‘’)
输出警告信息
import warnings
warnings.warn(message, category=UserWarning)
category的取值有DeprecationWarning, SyntaxWarning, RuntimeWarning, ResourceWarning, FutureWarning
控制警告消息的输出
$ python -W all # 输出所有警告,等同于设置warnings.simplefilter(‘always’)
$ python -W ignore # 忽略所有警告,等同于设置warnings.simplefilter(‘ignore’)
$ python -W error # 将所有警告转换为异常,等同于设置warnings.simplefilter(‘error’)
### 4.2 代码中测试
有时为了调试,我们想在代码中加一些代码,通常是一些 print 语句,可以写为:
在代码中的debug部分
if debug:
pass
一旦调试结束,通过在命令行执行 -O 选项,会忽略这部分代码:
$ python -0 main.py
### 4.3 代码风格检查
使用 pylint 可以进行不少的代码风格和语法检查,能在运行之前发现一些错误
### 最后
Python崛起并且风靡,因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低,但它的晋级路线很多,通过它你能进入机器学习、数据挖掘、大数据,CS等更加高级的领域。Python可以做网络应用,可以做科学计算,数据分析,可以做网络爬虫,可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多,你需要学好基础,再选择明确的方向。这里给大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!
#### 👉Python所有方向的学习路线👈
Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
![](https://img-blog.csdnimg.cn/img_convert/604bae65027d4d67fb62410deb210454.png)
#### 👉Python必备开发工具👈
工欲善其事必先利其器。学习Python常用的开发软件都在这里了,给大家节省了很多时间。
![](https://img-blog.csdnimg.cn/img_convert/fa276175617e0048f79437bd30465479.png)
#### 👉Python全套学习视频👈
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了。
![](https://img-blog.csdnimg.cn/img_convert/16ac689cb023166b2ffa9c677ac40fc0.png)
#### 👉实战案例👈
学python就与学数学一样,是不能只看书不做题的,直接看步骤和答案会让人误以为自己全都掌握了,但是碰到生题的时候还是会一筹莫展。
因此在学习python的过程中一定要记得多动手写代码,教程只需要看一两遍即可。
![](https://img-blog.csdnimg.cn/img_convert/0d8c31c50236a205928a1d8ae8a0b883.png)
#### 👉大厂面试真题👈
我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。
![](https://img-blog.csdnimg.cn/img_convert/99461e47e58e503d2bc1dc6f4668534a.png)
**[需要这份系统化学习资料的朋友,可以戳这里无偿获取](https://bbs.csdn.net/topics/618317507)**
**一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!**