python知识梳理二 —— 序列 & collections

1.自定义序列类

1.+ += extend区别

a = [1, 2]
c = a + [3, 4] # +两边类型应该一致

a += (3, 4) # +=两边可变
# 注意区分extend和append
# list.extend(sequence) 把一个序列seq的内容添加到列表中
# list.append(object) 向列表中添加一个对象object
a.extend(range(3))
a.append((1, 2))
print(a) # [1, 2, 3, 4, 0, 1, 2, (1, 2)]

2.切片使用

1、slice常用示例

#模式[start:end:step]
"""
    其中，第一个数字start表示切片开始位置，默认为0；
    第二个数字end表示切片截止（但不包含）位置（默认为列表长度）；
    第三个数字step表示切片的步长（默认为1）。
    当start为0时可以省略，当end为列表长度时可以省略，
    当step为1时可以省略，并且省略步长时可以同时省略最后一个冒号。
    另外，当step为负整数时，表示反向切片，这时start应该比end的值要大才行。
"""
aList = [3, 4, 5, 6, 7, 9, 11, 13, 15, 17]
# 返回包含原列表中所有元素的新列表
print (aList[::])  # [3, 4, 5, 6, 7, 9, 11, 13, 15, 17]
# 返回包含原列表中所有元素的逆序列表
print (aList[::-1])  # [17, 15, 13, 11, 9, 7, 6, 5, 4, 3]
# 隔一个取一个，获取偶数位置的元素
print (aList[::2])  # [3, 5, 7, 11, 15]
# 隔一个取一个，获取奇数位置的元素
print (aList[1::2])  # [4, 6, 9, 13, 17]
# 指定切片的开始和结束位置
print (aList[3:6])  # [6, 7, 9]
# 切片结束位置大于列表长度时，从列表尾部截断
print (aList[0:100])  # [3, 4, 5, 6, 7, 9, 11, 13, 15, 17]
# 切片开始位置大于列表长度时，返回空列表
print (aList[100:])  # []

aList[len(aList):] = [9]  # 在列表尾部增加元素
aList[:0] = [1, 2]  # 在列表头部插入元素
aList[3:3] = [4]  # 在列表中间位置插入元素
aList[:3] = [1, 2]  # 替换列表元素，等号两边的列表长度相等
aList[3:] = [4, 5, 6]  # 等号两边的列表长度也可以不相等
aList[::2] = [0] * 3  # 隔一个修改一个
print (aList) # [0, 2, 0, 4, 0, 6]
aList[::2] = ['a', 'b', 'c']  # 隔一个修改一个
print (aList) # ['a', 2, 'b', 4, 'c', 6]
# aList[::2] = [1,2]  # 左侧切片不连续，等号两边列表长度必须相等
aList[:3] = []  # 删除列表中前3个元素

del aList[:3]  # 切片元素连续
del aList[::2]  # 切片元素不连续，隔一个删一个

2、手动实现slice

import numbers
class Group:
    #支持切片操作
    def __init__(self, group_name, company_name, staffs):
        self.group_name = group_name
        self.company_name = company_name
        self.staffs = staffs

    def __reversed__(self):
        self.staffs.reverse()

    # 重要
    def __getitem__(self, item):
        cls = type(self)
        if isinstance(item, slice):
            return cls(group_name=self.group_name, company_name=self.company_name, staffs=self.staffs[item])
        elif isinstance(item, numbers.Integral):
            return cls(group_name=self.group_name, company_name=self.company_name, staffs=[self.staffs[item]])

    def __len__(self):
        return len(self.staffs)

    def __iter__(self):
        return iter(self.staffs)

    def __contains__(self, item):
        if item in self.staffs:
            return True
        else:
            return False

staffs = ["bobby1", "imooc", "bobby2", "bobby3"]
group = Group(company_name="imooc", group_name="user", staffs=staffs)
reversed(group)
for user in group:
    print(user)

3. bisect

bisect：管理可排序序列

import bisect
from collections import deque

#用来处理已排序的序列，用来维持已排序的序列， 升序
#二分查找
inter_list = deque()
bisect.insort(inter_list, 3)
bisect.insort(inter_list, 2)
bisect.insort(inter_list, 5)
bisect.insort(inter_list, 1)
bisect.insort(inter_list, 6)

print(bisect.bisect_left(inter_list, 3))# 2
#学习成绩
print(inter_list) # deque([1, 2, 3, 5, 6])

#array和list的一个重要区别， array只能存放指定的数据类型

4.列表推导式、生成器表达式、字典推导式、集合推导式

# 1、列表生成式（列表推导式）
# 列表生成式 性能高与列表操作
# 提取出1~20之间的奇数
odd_list = []
for i in range(21):
    if i % 2 == 1:
        odd_list.append(i)

odd_list = [i for i in range(21) if i % 2 == 1]
print(odd_list) # [1, 3, 5, 7, 9, 11, 13, 15, 17, 19]

# 逻辑复杂的情况
def handle_item(item):
    return item ** 2
odd_list = [handle_item(i) for i in range(21) if i % 2 == 1]
print(type(odd_list)) # <class 'list'>
print(odd_list) # [1, 9, 25, 49, 81, 121, 169, 225, 289, 361]

# 2、生成器表达式
odd_gen = (i for i in range(21) if i % 2 == 1)
print(type(odd_gen)) # <class 'generator'>

odd_list = list(odd_gen)
print(type(odd_list)) # <class 'list'>

# 3、字典推导式
my_dict = {'bobby1': 22, "bobby2": 23, "imooc": 24}
# key value值交换
reversed_dict = {value: key for key, value in my_dict.items()}
print(reversed_dict) # {22: 'bobby1', 23: 'bobby2', 24: 'imooc'}

# 4、集合推导式
my_set = {key for key, value in my_dict.items()}
print(type(my_set)) # <class 'set'>
print(my_set) # {'imooc', 'bobby1', 'bobby2'}

2.collections模块

抽象基类

1.tuple

1.不可变元组，iterable可迭代对象
2.拆包
3.tuple的不可变不是绝对的
4.tuple比list好的地方
（1）immutable（不可变对象）重要性
性能优化：指出元素全部为immutable的tuple会作为常量在编译时确定，因此产生了显著的速度差异
线程安全
可以作为dict的key（*****）对象可哈希，可哈希对象是对象拥有__hash__(self)内置函数的对象。对于可哈希的对象执行这个函数将会返回一个整数
拆包特性
（2）在C语言中
tuple => struct
list => array

# 1.不可变元组，iterable可迭代对象

# 2.拆包
user_tuple = ("bobby", 29, 175, "beijing")
name, age, *other= user_tuple
print(name, age, other) # bobby 29 [175, 'beijing']

# 3.tuple的不可变不是绝对的
name_tuple = ("bobby", [29, 175])
name_tuple[1].append(22)
print(name_tuple) # ('bobby', [29, 175, 22])
# 因此不建议在tuple中放入可变量

# 4.tuple比list好的地方
# （1）immutable（不可变对象）重要性
# 性能优化：指出元素全部为immutable的tuple会作为常量在编译时确定，因此产生了显著的速度差异
# 线程安全
# 可以作为dict的key（*****）对象可哈希
#   可哈希对象是对象拥有__hash__(self)内置函数的对象。对于可哈希的对象执行这个函数将会返回一个整数
# 拆包特性
# eg.
user_info_dict = {}
# hashable
user_info_dict[user_tuple] = "bobby"
# unhashable
# user_info_dict[["bobby", 29, 175, "beijing"]] = "bobby" # TypeError: unhashable type: 'list'

3.namedtuple

from collections import namedtuple

# 生成一个类，不是对象
User = namedtuple("User", ["name", "age", "height"])
user = User(name="bobby", age=29, height=175)
print(user.name, user.age, user.height)

# 1.nametuple是tuple的子类，简单
# 2.省空间，少了class里面的内置变量，效率高（对数据处理用处大）

# 函数参数传递方式
def ask(*args, **kwargs):
    pass
# ask("bobby", 29) # args = (tuple)<class 'tuple'>: ('bobby', 29)
ask(name="bobby", age=19) # kwargs = {dict} {'name': 'bobby', 'age': 19}

User = namedtuple("User", ["name", "age", "height", "edu"])
# 自动传递参数
user_tuple = ("bobby", 29, 175)
user = User(*user_tuple, "master")

# user_dict = {
#     "name": "bobby",
#     "age": 29,
#     "height": 175
# }
# user = User(**user_dict, edu="master")

print(user.name, user.age, user.height, user.edu)

4.defaultdict

# 传递的是可调用的对象
default_dict = defaultdict(int)# dict list 函数 .....
users = ['bobby1', 'bobby2', 'bobby3', 'bobby1', 'bobby2', 'bobby1']
for user in users:
    default_dict[user] += 1

5.deque

双端队列
deque GIL线程安全，list不是线程安全