python 学习

最新推荐文章于 2022-07-08 10:03:15 发布

Terie

最新推荐文章于 2022-07-08 10:03:15 发布

阅读量259

点赞数

分类专栏： python

本文链接：https://blog.csdn.net/Terie/article/details/102998052

版权

python 专栏收录该内容

7 篇文章 0 订阅

订阅专栏

文章目录

这篇博客会经常性地持续更新，记录使用python过程中的一些琐碎技能

类成员变量和对象成员变量

class A():
	name = "caixukun"
	
	def __init__(self):
		self.name = "changtiaorap"

if __name__ == "__main__":
	a = A()
	print(A.name)
	print(a.name)

输出

caixukun
changtiaorap

这说明：

在方法外定义的变量属于类成员变量，不从属于任何一个对象实例
在构造方法内通过self.构造的变量属于对象成员变量
如果对象成员变量和类成员变量同名，则通过对象实例访问的变量是对象成员变量，否则是类成员变量。

在python中，基础类型没有枚举。模仿枚举的方式往往采用类成员变量模拟：

class CityPopulation():
	shenzhen = 818.11
	shanghai = 972.69
	beijing = 794.3
	chengdu = 437
	wenzhou = 297
	xiamen = 221.02

python的伪多线程

python的多线程一直是一个令人诟病的问题，原因就是因为python的多线程是一个伪多线程，意思是说，尽管是多线程在运行，实际上仍然是单核CPU上的时间片轮询。无论你使用了多少多线程，python始终只能利用一个CPU核。造成这种现象的原因在于CPython解释器中大名鼎鼎的全局锁（GIL）（当然，其他python解释器也可能会有）。

在上世纪，CPython解释器诞生的年代，并没有期待往后的计算机性能会有如此大的进步。GIL的出现主要是为了解决线程安全问题。然而。在如今，多线程的编写已经司空见惯，但是python的GIL阻止了python使用者去编写一个性能良好的程序。

其实在上世纪末，1999年，有人创建了一个python分支去专门试图移除GIL。下面是python创始人 Guido Van Rossum的一段话：

This has been tried before, with disappointing results, which is why I’m reluctant to put much effort into it myself. In 1999 Greg Stein (with Mark Hammond?) produced a fork of Python (1.5 I believe) that removed the GIL, replacing it with fine-grained locks on all mutable data structures. He also submitted patches that removed many of the reliances on global mutable data structures, which I accepted. However, after benchmarking, it was shown that even on the platform with the fastest locking primitive (Windows at the time) it slowed down single-threaded execution nearly two-fold, meaning that on two CPUs, you could get just a little more work done without the GIL than on a single CPU with the GIL. This wasn’t enough, and Greg’s patch disappeared into oblivion. (See Greg’s writeup on the performance.)

这次的尝试以惨败告终，移除GIL后的性能比单线程应用慢了近两倍。于是，他干脆直接说不必花太大的精力在GIL上。而面对不断被询问的多线程问题，python的专家们也精心准备了一个答案：

不要使用多线程，用多进程代替

然而，进程的创建和进程间通信使得在很多场合性能不如多线程。这意味着python从一开始就与高性能三字无缘。

在python 4.0的预计推出的新特性列表中，有这么一条：

The GIL has been removed

是不是非常地开心呢？

然而，这一条的下面一条，是这样的：

Just kidding! Instead we’ve been focusing all our effort on making it easier to juggle multiple interpreter data-structures within a single thread. No, no, you can thank us later!

这种无奈的玩笑，大概只有python的维护者们真正懂。python 4.0 预计推出的新特性链接点这里

在未来，Rust会因为安全而火起来，而golang会因为高性能变得更火。

python之读取Excel

读取Excel需要使用模块xlrd，这个模块的安装，直接pip install xlrd就好了。
读取一个Excel数据需要两个数据，一个是Excel表的路径，一个是sheet名称。下面书写一个接口，接受这两个数据，将对应的Excel中对应的Sheet表的所有数据读取到一张二维list中。

def read_excel(xls_path, sheet_name):
	wb = xlrd.open_workbook(xls_path) # 打开Excel表格
    sheet = wb.sheet_by_name(sheet_name) # 打开其中一张Sheet
    cols = sheet.ncols # 列
    rows = sheet.nrows # 行

    sheet_list = []
    
    for i in range(rows): # 逐行读取
        row_list = []
        for j in range(cols):
            row_list.append(sheet.cell(i, j).value)
        sheet_list.append(row_list)
    
    return sheet_list

python之写入Excel

写入Excel需要导入xlsxwriter包，直接使用pip install xlsxwriter进行安装。

关于这个包的使用，强烈建议阅读官方文档。这里我将简略展示我用到的关于xlsxwriter的部分功能，其中包括：

打开和关闭表格
写入数据
插入图表

简单的插入数据

import xlsxwriter

wb = xlsxwriter.Workbook('NewExcel.xlsx') # 打开表格
sheet = wb.add_worksheet('Sheet1') # 打开工作表

# 写入一行或一列数据
data = [1,2,3]
data2 = (4,5,6)
sheet.write_column('A11', data) # data 需要是可迭代对象
sheet.write_row('B11', data2)

sheet.set_column('A:J', 20) # 设置A到J所在列宽度为20

# 为单元格设置格式
wb_format = wb.add_format({
 	'bold': True, # 加粗
 	'border': 2, # 边框
    'align': 'center', # 水平对齐
    'valign': 'vcenter', # 垂直对齐
    'fg_color': '#6D92f6' # 颜色
})

# 带格式的写入
sheet.write('A3', '服务器版本', wb_format)
# 合并单元格
sheet.merge_range('A1:J2', '总体情况', wb_format)

wb.close() # 必须有这一步，而且是直到这一步，上面的所有操作才会执行

插入图表

import xlsxwriter

# 打开表格
wb = xlsxwriter.Workbook('2807年 地球人口统计.xlsx') # 打开表格
sheet = wb.add_worksheet('第一次普查') # 打开工作表

# 定义数据
category = ['男人', '女人','中性人','外星人']
value = [23.45, 23.03, 12.71, 45.34] # 单位 亿

# 写入数据
sheet.write_column('A1', category)
sheet.write_column('B1', value)

# 定义图表
chart = wb.add_chart({'type': 'pie'}) # 这里pie表示绘制饼状图，还有更多的类型
chart.add_series({
	'categories': '=第一次普查!$A$1:$A$4',
    'values': '=第一次普查!$B$1:$B$4',
	'data_labels': {'category': True, 'percentage': True, 'leader_lines': True} # 分别显示：类别名， 百分比， 引导线
})
chart.set_title({'name': '第一次普查结果'})
chart.set_size({'x_scale': 2, 'y_scale': 2}) # 这里表示以默认大小的两倍显示
chart.set_style(10)

# 插入图表
sheet.insert_chart('C1', chart)

wb.close() # 必须有这一步，而且是直到这一步，上面的所有操作才会执行

在这里插入图片描述

Mysql的安装和导入csv文件

当我再次操起Mysql的时候，Mysql已经被Oracle收购了。所以现在想要下载Mysql，首先得上Oracle官网。然而，自从不知道什么时候开始，下载Java sdk也需要登录Oracle之后，我对Oracle的官网总是有种莫名的恐惧。尽管全球为开源社区贡献榜单中Oracle公司名列前茅，但是大家似乎都在担心Mysql因此变得不开源。

另外这个问题放在这儿，是考虑以后可能会使用python操作数据库的需求。与其再建一个“数据库学习”博客，不如就写在这儿。

社区版的下载链接在这

在这里插入图片描述

下载好msi之后，一路安装，不是点next，就是点Excute，或者finish。总而言之，对于新手来说，没有什么值得配置的地方。

那么这次的问题在于，MySql导入带有中文的CSV会有各种问题。

中文编码问题
权限问题
头部去除问题

这些问题对于老手而言很简单，然而对于我这样的新手，可是花了不小功夫去查资料解决。

首先假设我们已经有了一个名为DB的数据库和名为my_data的表。然后按照网上的教程，在Mysql workbench左侧右键表，点击table data import wizard，打开数据导入向导页面。然后选择文件路径，开始导入。然后出错了。噢，编码问题。再按照网上套路，打开记事本，另存csv文件，选择编码utf-8。再按流程来一遍，还是出错。显然utf-8格式压根儿不对，因为中文编码基本上就是gb2312。可惜Mysql不提供这种编码方式的导入。然后网上又推荐使用navicat for mysql导入csv。于是我就为了导入一个中文编码的文件，还要费尽周章下载一个额外的软件，还是付费的！

解决方法使用load data infile语句。用sql语句导入，同时指定导入时的编码。

load data infile 'D:/files/data.csv'
into table my_data character set gb2312 
fields terminated by ',' optionally enclosed by '"' escaped by '"' lines terminated by '\r\n';

这里要注意文件名的路径分隔符建议用/，如果你在windows底下用\，一定要记得用\\。

到这里呢，还报错，说数据库运行在secure-file-priv模式下，这个命令不允许执行。原因在于，MySql的配置里有一个secure-file-priv。它的值如果不为空（默认是一个路径），则只能从这个路径下读取文件。

解决方法是把它改为空值。配置文件是C:\ProgramData\MySQL\MySQL Server 8.0\my.ini。找到这一项，然后=""就好了。

现在重启电脑（或者如果你会重启Mysql服务的话），运行脚本。还报错，不过显然文件可以读取了。错误显示读取的数据跟表定义的数据格式不符。原因在于，csv文件通常有开头一行不属于“数据”范畴，它是这些数据的“headers”，用来定义每一列数据的具体含义。或者有时候有更多行。但是Mysql读取的时候，是从第一行读取，不会帮你识别和忽略。解决办法是在sql语句后面加一句ignore 1 lines，用来忽略第一行。

load data infile 'D:/files/data.csv'
into table my_data character set gb2312 
fields terminated by ',' optionally enclosed by '"' escaped by '"' lines terminated by '\r\n' ignore 1 lines;

python 之 json 模块

import json

d = {"name":"qtc", "age":3, "tall":1.66, "girl_friend":{"name":"fanbingbing", "age":40, "tall":1.8}}
ret = json.dumps(d) # 将字典转化成字符串

将json字符串格式化打印：

j = json.dumps(json.loads(msg), indent=4)

python 之文件解压缩

import zipfile

# 解压文件
zfile = zipfile.ZipFile("origin_file.zip", "r")
zfile.extractall("./")
zfile.close()

# 压缩文件
files = os.listdir("./logs")
with zipfile.ZipFile("myzip.zip", mode="w", compression=zipfile.ZIP_LZMA, allowZip64=True) as f:
	for file in files:
		f.write(f"./logs/{file}", arcname=file)