适合纯文科生的 python 100个知识点 基础三

Python基础语法

11 时间日期处理

11.1 时间日期处理的定义

时间日期处理是Python编程中的重要部分，下面是一些时间日期处理的代码和案例：

11.2获取当前时间

import datetime

now = datetime.datetime.now()
print("当前时间：", now)

输出：

当前时间： 2023-03-30 15:30:00.000000

11.3获取日期中的年、月、日等信息

import datetime

now = datetime.datetime.now()
print("当前年份：", now.year)
print("当前月份：", now.month)
print("当前日期：", now.day)
print("当前小时：", now.hour)
print("当前分钟：", now.minute)
print("当前秒数：", now.second)
print("当前微秒数：", now.microsecond)

输出：

当前年份： 2023
当前月份： 3
当前日期： 30
当前小时： 15
当前分钟： 30
当前秒数： 0
当前微秒数： 0

11.4时间格式化

import datetime

now = datetime.datetime.now()

# 格式化成年月日时分秒
print(now.strftime("%Y-%m-%d %H:%M:%S"))

# 格式化成年月日
print(now.strftime("%Y-%m-%d"))

# 格式化成月日时分秒
print(now.strftime("%m-%d %H:%M:%S"))

# 格式化成时分秒
print(now.strftime("%H:%M:%S"))

输出：

2023-03-30 15:30:00
2023-03-30
03-30 15:30:00
15:30:00

11.5时间加减

import datetime

now = datetime.datetime.now()

# 加上一天
new_date = now + datetime.timedelta(days=1)
print("明天：", new_date.strftime("%Y-%m-%d %H:%M:%S"))

# 减去一天
new_date = now - datetime.timedelta(days=1)
print("昨天：", new_date.strftime("%Y-%m-%d %H:%M:%S"))

# 加上一个小时
new_time = now + datetime.timedelta(hours=1)
print("一个小时后：", new_time.strftime("%Y-%m-%d %H:%M:%S"))

# 减去一个小时
new_time = now - datetime.timedelta(hours=1)
print("一个小时前：", new_time.strftime("%Y-%m-%d %H:%M:%S"))

输出：

明天： 2023-03-31 15:30:00
昨天： 2023-03-29 15:30:00
一个小时后： 2023-03-30 16:30:00
一个小时前： 2023-03-30 14:30:00

以上是一些基本的时间日期处理的代码和案例。在实际编程中，可能需要更加复杂的时间日期处理，这需要根据具体的需求来进行编程。

12 包的管理

12.1 包管理的定义

Python的包管理工具有很多，比较常用的有pip、conda等。下面是pip包管理的一些常用命令和示例代码：

12.2 安装包

pip install package_name

例如，安装numpy包：

pip install numpy

12.3 卸载包

pip uninstall package_name

例如，卸载numpy包：

pip uninstall numpy

12.4 查看已安装的包

pip list

12.5 查看包的详细信息

pip show package_name

例如，查看numpy包的详细信息：

pip show numpy

12.6 导出已安装的包列表

pip freeze > requirements.txt

这将把当前环境下所有已安装的包及其版本号导出到requirements.txt文件中。

12.7 从requirements.txt文件中安装包

pip install -r requirements.txt

这将安装requirements.txt文件中列出的所有包及其对应的版本号。

例如，如果requirements.txt文件中包含以下内容：

numpy==1.19.5
pandas==1.1.5
matplotlib==3.3.4

运行以下命令将安装这些包及其对应的版本：

pip install -r requirements.txt

上述是pip包管理的一些常用命令和示例代码，可以帮助我们方便地管理Python包。

13 装饰器

13.1 装饰器定义

装饰器是一种Python语言特性，用于在不修改已有函数代码的情况下，增加功能或修改函数行为。装饰器本质上是一个函数，可以接受函数作为参数并返回函数，以实现对函数的装饰。

13.2 装饰器的代码示例

# 定义一个装饰器函数，接受一个函数作为参数，并返回一个新函数
def my_decorator(func):
    def wrapper():
        print("函数调用前。")
        func()
        print("函数调用后。")
    return wrapper

# 定义一个函数，它将被装饰器装饰
def say_hello():
    print("你好，世界！")

# 使用装饰器装饰函数
say_hello = my_decorator(say_hello)

# 调用被装饰的函数
say_hello()

13.3 输出结果

函数调用前。
你好，世界！
函数调用后。

以上代码中，我们定义了一个装饰器函数my_decorator，它接受一个函数作为参数，并返回一个新函数wrapper。在wrapper函数中，我们首先输出一行信息表示函数即将被调用，然后调用原始函数func，最后再输出一行信息表示函数已经被调用完毕。在使用装饰器时，我们通过把装饰器函数my_decorator作为一个参数传递给函数say_hello，并重新将say_hello指向装饰器返回的新函数wrapper，从而实现对函数say_hello的装饰。

下面是一个更具体的示例，我们定义一个装饰器函数check_age，它接受一个函数作为参数，并返回一个新函数wrapper，在wrapper函数中，我们检查函数的第一个参数age是否大于等于18，如果是，就调用原始函数，否则输出一条错误信息。

def check_age(func):
    def wrapper(age, *args, **kwargs):
        if age >= 18:
            return func(age, *args, **kwargs)
        else:
            print("错误：年龄必须大于等于18岁")
    return wrapper

@check_age
def enter_bar(age):
    print("欢迎来到酒吧！")

enter_bar(20)   # 输出 "欢迎来到酒吧！"
enter_bar(16)   # 输出 "错误：年龄必须大于等于18岁"

以上代码中，我们使用装饰器@check_age来装饰函数enter_bar。当我们调用enter_bar函数时，实际上是调用了check_age返回的新函数wrapper。在wrapper函数中，我们首先检查参数age的值是否大于等于18，如果是，则调用原始函数func，否则输出一条错误信息。

14 生成器

14.1 装饰器定义

生成器是一种特殊类型的函数，它可以通过 yield 语句来暂停执行，并在下一次调用时继续执行。生成器可以用来迭代序列，节省内存空间，以及在处理大数据集合时提高效率。

14.2生成器的代码示例

def simple_generator():
    yield 1
    yield 2
    yield 3

这个生成器会生成一个简单的序列，包括数字 1，2 和 3。当你在程序中调用这个生成器时，它会在每次调用 yield 语句时暂停，然后返回相应的值。你可以通过 next() 函数来获取下一个值：

gen = simple_generator()
print(next(gen))  # 输出 1
print(next(gen))  # 输出 2
print(next(gen))  # 输出 3

注意，如果你再调用一次 next() 函数，会抛出 StopIteration 异常，因为已经没有值可以生成了。

你也可以使用 for 循环来迭代生成器：

for value in simple_generator():
    print(value)

这个循环将会输出：

1
2
3

14.3无限序列（斐波那契数列）

def fibonacci():
    a, b = 0, 1
    while True:
        yield a
        a, b = b, a + b

这个生成器会不断生成斐波那契数列的下一个值，无限循环下去。你可以通过 next() 函数或者 for 循环来获取数列的下一个值：

gen = fibonacci()
print(next(gen))  # 输出 0
print(next(gen))  # 输出 1
print(next(gen))  # 输出 1
print(next(gen))  # 输出 2
print(next(gen))  # 输出 3

for value in fibonacci():
    if value > 100:
        break
    print(value)

这个程序将会输出斐波那契数列中小于 100 的所有值。

14.4生成器处理大型数据集合

def read_large_file(file_path):
    with open(file_path) as file:
        while True:
            data = file.read(1024)
            if not data:
                break
            yield data

这个生成器会读取一个文件，每次只读取 1024 个字节，然后暂停执行并返回读取的数据。在下一次调用时，它会从上一次离开的地方继续执行，读取下一个数据块。你可以使用 for 循环来遍历整个文件：

for data in read_large_file('large_file.txt'):
    process_data(data)

在处理大型文件时，这种方法可以节省内存空间，并且避免一次性将整个文件读取到内存中导致程序崩溃。

另一个例子展示了如何使用生成器来实现一个简单的协程，让程序可以在多个任务之间切换执行：

def simple_coroutine():
    print('coroutine started')
    x = yield
    print('received:', x)

coro = simple_coroutine()
next(coro)  # 启动协程
coro.send(42)  # 发送数据到协程

这个协程会在启动时打印一条信息，然后等待接收数据。当程序调用 send() 函数时，数据会被发送到协程，并在接收到数据后打印出来。通过不断地调用 send() 函数，程序可以在多个协程之间切换执行，从而实现异步编程的效果。

总之，生成器是 Python 中非常强大和灵活的功能，可以用于各种任务。如果你还没有学会如何使用生成器，建议多尝试一些例子，熟练掌握这个特殊类型的函数，以便在实际开发中可以灵活运用。

15 迭代器

15.1 装饰器定义

迭代器（Iterator）是Python中的一个重要概念，它可以用来遍历一个序列或集合的元素。迭代器提供了一种更加简便、高效的遍历方式，不需要使用循环来逐个访问元素，而是使用 next() 方法来逐个返回元素，直到遍历完整个序列或集合为止。

15.2 迭代器的代码示例，

实现了一个可以遍历数字 0 到 9 的迭代器对象：

class MyIterator:
    def __init__(self, max_num):
        self.max_num = max_num
        self.current_num = 0

    def __iter__(self):
        return self

    def __next__(self):
        if self.current_num < self.max_num:
            value = self.current_num
            self.current_num += 1
            return value
        else:
            raise StopIteration

# 创建迭代器对象
my_iterator = MyIterator(10)

# 遍历迭代器对象
for item in my_iterator:
    print(item)

在上面的示例中，我们定义了一个名为 MyIterator 的迭代器类，该类包含了两个特殊方法：__init__() 和 __next__()。__init__() 方法用于初始化迭代器对象，而 __next__() 方法则用于返回下一个元素的值。

在 __next__() 方法中，我们先判断当前数字是否小于最大数字，如果是，就返回当前数字并将当前数字加 1，否则就抛出 StopIteration 异常来表示迭代结束。

在主程序中，我们创建了一个 MyIterator 类的实例对象，并使用 for 循环来遍历迭代器对象。在每次迭代中，我们都会调用迭代器对象的 __next__() 方法来获取下一个元素，并将其输出到控制台上。

15.3 输出结果

运行上述代码，输出结果如下：

0
1
2
3
4
5
6
7
8
9

以上就是一个简单的迭代器示例，它演示了如何定义一个迭代器类，并使用 for 循环来遍历迭代器对象。在实际开发中，迭代器广泛应用于数据处理、算法实现、GUI编程等场景，可以大大提高程序的效率和可读性。

本文是结合ChatGPT的答案总结的知识点，有不足之处请大佬们给出反馈。