python学习笔记二（python的random模块、collection模块）

Python random：

Python中的random模块用于生成随机数。下面介绍一下random模块中最常用的几个函数。

1.     random.random()用于生成一个0到1的随机符点数: 0<= n < 1.0

2.     random.uniform的函数原型为：random.uniform(a,b)，用于生成一个指定范围内的随机符点数，两个参数其中一个是上限，一个是下限。如果a > b，则生成的随机数n: a <= n <= b。如果 a <b，则 b <= n <= a。

3.     random.randint()的函数原型为：random.randint(a,b)，用于生成一个指定范围内的整数。其中参数a是下限，参数b是上限，生成的随机数n: a <= n <= b

4.     random.randrange的函数原型为：random.randrange([start],stop[, step])，从指定范围内，按指定基数递增的集合中获取一个随机数。如：random.randrange(10, 100, 2)，结果相当于从[10, 12, 14,16, ... 96, 98]序列中获取一个随机数。random.randrange(10, 100, 2)在结果上与 random.choice(range(10,100, 2) 等效。

5.     random.choice从序列中获取一个随机元素。其函数原型为：random.choice(sequence)。参数sequence表示一个有序类型。这里要说明一下：sequence在python不是一种特定的类型，而是泛指一系列的类型。list, tuple, 字符串都属于sequence。有关sequence可以查看python手册数据模型这一章。

6.     random.shuffle的函数原型为：random.shuffle(x[,random])，用于将一个列表中的元素打乱。

7.     random.sample的函数原型为：random.sample(sequence,k)，从指定序列中随机获取指定长度的片断。sample函数不会修改原有序列。

Python collections：

collections是Python内建的一个集合模块，提供了许多有用的集合类。

1.namedtuple：namedtuple是一个函数，它用来创建一个自定义的tuple对象，并且规定了tuple元素的个数，并可以用属性而不是索引来引用tuple的某个元素。

这样一来，我们用namedtuple可以很方便地定义一种数据类型，它具备tuple的不变性，又可以根据属性来引用，使用十分方便。可以验证创建的Point对象是tuple的一种子类：

例：

from collections import namedtuple

>>> Point = namedtuple('Point',['x', 'y'])

>>> p = Point(1, 2)

>>> p.x

1

>>> p.y

2

2．deque：deque是为了高效实现插入和删除操作的双向列表，适合用于队列和栈：

deque除了实现list的append()和pop()外，还支持appendleft()和popleft()，这样就可以非常高效地往头部添加或删除元素。

例：

>>> from collections import deque

>>> q = deque(['a', 'b', 'c'])

>>> q.append('x')

>>> q.appendleft('y')

>>> q

deque(['y', 'a', 'b', 'c', 'x'])

3.defaultdict：

使用dict时，如果引用的Key不存在，就会抛出KeyError。如果希望key不存在时，返回一个默认值，就可以用defaultdict：除了在Key不存在时返回默认值，defaultdict的其他行为跟dict是完全一样的。

例：

>>> from collections importdefaultdict

>>> dd = defaultdict(lambda:'N/A')

>>> dd['key1'] = 'abc'

>>> dd['key1'] # key1存在

'abc'

>>> dd['key2'] # key2不存在，返回默认值

'N/A'

4.OrderDict

使用dict时，Key是无序的。在对dict做迭代时，我们无法确定Key的顺序。如果要保持Key的顺序，可以用OrderedDict，注意，OrderedDict的Key会按照插入的顺序排列，不是Key本身排序，OrderedDict可以实现一个FIFO（先进先出）的dict，当容量超出限制时，先删除最早添加的Key：

例：

>>> from collections importOrderedDict

>>> d = dict([('a', 1), ('b', 2),('c', 3)])

>>> d # dict的Key是无序的

{'a': 1, 'c': 3, 'b': 2}

>>> od = OrderedDict([('a', 1),('b', 2), ('c', 3)])

>>> od # OrderedDict的Key是有序的

OrderedDict([('a', 1), ('b', 2), ('c', 3)])

 

>>> od = OrderedDict()

>>> od['z'] = 1

>>> od['y'] = 2

>>> od['x'] = 3

>>> od.keys() # 按照插入的Key的顺序返回

['z', 'y', 'x']

1.     Counter

Counter是一个简单的计数器，例如，统计字符出现的个数：

>>> from collections importCounter

>>> c = Counter()

>>> for ch in 'programming':

...    c[ch] = c[ch] + 1

...

>>> c

Counter({'g': 2, 'm': 2, 'r': 2, 'a': 1,'i': 1, 'o': 1, 'n': 1, 'p': 1})

Counter实际上也是dict的一个子类，上面的结果可以看出，字符'g'、'm'、'r'各出现了两次，其他字符各出现了一次。