‘tea for too’.replace(‘too’, ‘two’)
‘tea for two’
数学
math 模块提供对浮点数学的底层C库函数的访问:
import math
math.cos(math.pi / 4)
0.70710678118654757
math.log(1024, 2)
10.0
random 模块提供了进行随机选择的工具:
import random
random.choice([‘apple’, ‘pear’, ‘banana’])
‘apple’
random.sample(range(100), 10) # sampling without replacement
[30, 83, 16, 4, 8, 81, 41, 50, 18, 33]
random.random() # random float
0.17970987693706186
random.randrange(6) # random integer chosen from range(6)
4
statistics 模块计算数值数据的基本统计属性(均值,中位数,方差等):
import statistics
data = [2.75, 1.75, 1.25, 0.25, 0.5, 1.25, 3.5]
statistics.mean(data)
1.6071428571428572
statistics.median(data)
1.25
statistics.variance(data)
1.3720238095238095
SciPy项目 https://scipy.org 有许多其他模块用于数值计算。
互联网访问
有许多模块可用于访问互联网和处理互联网协议。其中两个最简单的 urllib.request 用于从URL检索数据,以及 smtplib 用于发送邮件:
from urllib.request import urlopen
with urlopen(‘http://tycho.usno.navy.mil/cgi-bin/timer.pl’) as response:
… for line in response:
… line = line.decode(‘utf-8’) # Decoding the binary data to text.
… if ‘EST’ in line or ‘EDT’ in line: # look for Eastern Time
… print(line)
**
Nov. 25, 09:43:32 PM EST**
import smtplib
server = smtplib.SMTP(‘localhost’)
server.sendmail(‘soothsayer@example.org’, ‘jcaesar@example.org’,
… “”"To: jcaesar@example.org
… From: soothsayer@example.org
…
… Beware the Ides of March.
… “”")
server.quit()
(请注意,第二个示例需要在localhost上运行的邮件服务器。)
日期和时间
datetime 模块提供了以简单和复杂的方式操作日期和时间的类。虽然支持日期和时间算法,但实现的重点是有效的成员提取以进行输出格式化和操作。该模块还支持可感知时区的对象。
dates are easily constructed and formatted
from datetime import date
now = date.today()
now
datetime.date(2003, 12, 2)
now.strftime(“%m-%d-%y. %d %b %Y is a %A on the %d day of %B.”)
‘12-02-03. 02 Dec 2003 is a Tuesday on the 02 day of December.’
dates support calendar arithmetic
birthday = date(1964, 7, 31)
age = now - birthday
age.days
14368
数据压缩
常见的数据存档和压缩格式由模块直接支持,包括:zlib, gzip, bz2, lzma, zipfile 和 tarfile。:
import zlib
s = b’witch which has which witches wrist watch’
len(s)
41
t = zlib.compress(s)
len(t)
37
zlib.decompress(t)
b’witch which has which witches wrist watch’
zlib.crc32(s)
226805979
性能测量
一些Python用户对了解同一问题的不同方法的相对性能产生了浓厚的兴趣。 Python提供了一种可以立即回答这些问题的测量工具。
例如,元组封包和拆包功能相比传统的交换参数可能更具吸引力。timeit 模块可以快速演示在运行效率方面一定的优势:
from timeit import Timer
Timer(‘t=a; a=b; b=t’, ‘a=1; b=2’).timeit()
0.57535828626024577
Timer(‘a,b = b,a’, ‘a=1; b=2’).timeit()
0.54962537085770791
与 timeit 的精细粒度级别相反, profile 和 pstats 模块提供了用于在较大的代码块中识别时间关键部分的工具。
质量控制
开发高质量软件的一种方法是在开发过程中为每个函数编写测试,并在开发过程中经常运行这些测试。
doctest 模块提供了一个工具,用于扫描模块并验证程序文档字符串中嵌入的测试。测试构造就像将典型调用及其结果剪切并粘贴到文档字符串一样简单。这通过向用户提供示例来改进文档,并且它允许doctest模块确保代码保持对文档的真实:
def average(values):
“”"Computes the arithmetic mean of a list of numbers.
print(average([20, 30, 70]))
40.0
“”"
return sum(values) / len(values)
import doctest
doctest.testmod() # automatically validate the embedded tests
unittest 模块不像 doctest 模块那样易于使用,但它允许在一个单独的文件中维护更全面的测试集:
import unittest
class TestStatisticalFunctions(unittest.TestCase):
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。
👉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。
👉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。
👉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。
👉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。
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!