python基础教程
引言
如何把以下这个不规则的列表 a 里的所有元素一个个写好,专业术语叫打平 (fatten)?
a = [1, 2, [3, 4], [[5, 6], [7, 8]]]
"""
这一行代码,用到了迭代、匿名函数、递推函数、解析式这些技巧。
初学者一看只会说“好酷啊,但看不懂”,
看完本帖和下帖后,我保证你会说“我也会这样用了,真酷!”
"""
fn = lambda x: [y for l in x for y in fn(l)] if type(x) is list else [x]
fn(a)
[1, 2, 3, 4, 5, 6, 7, 8]
1 基本数据类型
Python 里面有自己的内置数据类型 (build-in data type),本节介绍基本的三种,分别是
- 整型 (int),
- 浮点型 (float),
- 布尔型 (bool)。
整型
a = 13214
print(a, type(a))
13214 <class ‘int’>
通过 print 的可看出 a 的值,以及类 (class) 是 int。Python 里面万物皆对象(object),「整数」也不例外,只要是对象,就有相应的属性 (attributes) 和方法 (methods)。
通过 dir( X ) 和help( X ) 可看出 X 对应的对象里可用的属性和方法。
* X 是 int,那么就是 int 的属性和方法
* X 是 float,那么就是 float 的属性和方法等等
dir(int)
[‘abs’,
‘add’,
‘and’,
‘bool’,
‘ceil’,
‘class’,
‘delattr’,
‘dir’,
‘divmod’,
‘doc’,
‘eq’,
‘float’,
‘floor’,
‘floordiv’,
‘format’,
‘ge’,
‘getattribute’,
‘getnewargs’,
‘gt’,
‘hash’,
‘index’,
‘init’,
‘init_subclass’,
‘int’,
‘invert’,
‘le’,
‘lshift’,
‘lt’,
‘mod’,
‘mul’,
‘ne’,
‘neg’,
‘new’,
‘or’,
‘pos’,
‘pow’,
‘radd’,
‘rand’,
‘rdivmod’,
‘reduce’,
‘reduce_ex’,
‘repr’,
‘rfloordiv’,
‘rlshift’,
‘rmod’,
‘rmul’,
‘ror’,
‘round’,
‘rpow’,
‘rrshift’,
‘rshift’,
‘rsub’,
‘rtruediv’,
‘rxor’,
‘setattr’,
‘sizeof’,
‘str’,
‘sub’,
‘subclasshook’,
‘truediv’,
‘trunc’,
‘xor’,
‘bit_length’,
‘conjugate’,
‘denominator’,
‘from_bytes’,
‘imag’,
‘numerator’,
‘real’,
‘to_bytes’]
‘xxx’: 可用方法
‘xxx’: 可用属性
a.bit_length()
14
该函数是找到一个整数的二进制表示,再返回其长度.
浮点型
简单来说,浮点型 (float) 数就是实数, 例子如下:
print( 1, type(1) )
print( 1., type(1.) )
加一个小数点 . 就可以创建 float,不能再简单。
有时候我们想保留浮点型的小数点后 n 位。
可以用 decimal 包里的 Decimal 对象和 getcontext() 方法来实现。
import decimal
from decimal import Decimal
"""
Python 里面有很多用途广泛的包 (package),用什么你就引进 (import) 什么。
包也是对象,也可以用上面提到的dir(decimal) 来看其属性和方法。
比如 getcontext() 显示了 Decimal 对象的默认精度值是 28 位 (prec=28),展示如下:
"""
‘\nPython 里面有很多用途广泛的包 (package),用什么你就引进 (import) 什么。\n包也是对象,也可以用上面提到的dir(decimal) 来看其属性和方法。\n比如 getcontext() 显示了 Decimal 对象的默认精度值是 28 位 (prec=28),展示如下:\n’
decimal.getcontext()
Context(prec=28, rounding=ROUND_HALF_EVEN, Emin=-999999, Emax=999999, capitals=1, clamp=0, flags=[Inexact, Rounded], traps=[InvalidOperation, DivisionByZero, Overflow])
# 1/3 保留28位
d = Decimal(1) / Decimal(3)
d
Decimal(‘0.3333333333333333333333333333’)
那保留 4 位呢?用 getcontext().prec 来调整精度哦。
decimal.getcontext().prec = 4
e = Decimal(1) / Decimal(3)
e
Decimal(‘0.3333’)
高精度的 float 加上低精度的 float,保持了高精度。
0.3333333333333333333333333333 + 0.3333
0.6666333333333333
布尔型
布尔 (boolean) 型变量只能取两个值,True 和 False。当把布尔变量用在数字运算中,用 1 和 0 代表 True 和 False。
T = True
F = False
print(T + 2)
print(F - 8)
3
-8
# 基本类型
print( type(0), bool(0), bool(1) )
print( type(10.31), bool(0.00), bool(10.31) )
print( type(True), bool(False), bool(True) )
<class ‘int’> False True
<class ‘float’> False True
<class ‘bool’> False True
bool 作用在基本类型变量的总结:X 只要不是整型 0、浮点型 0.0,bool(X) 就是 True,其余就是 False。
# 容器类型
print( type(''), bool( '' ), bool( 'python' ) )
print( type(()), bool( () ), bool( (10,) ) )
print( type([]), bool( [] ), bool( [1,2] ) )
print( type({}), bool( {} ), bool( {'a':1, 'b':2} ) )
print( type(set()), bool( set() ), bool( {1,2} ) )
<class ‘str’> False True
<class ‘tuple’> False True
<class ‘list’> False True
<class ‘dict’> False True
<class ‘set’> False True
bool 作用在容器类型变量的总结:X 只要不是空的变量,bool(X) 就是 True,其余就是 False。
确定bool(X) 的值是 True 还是 False,就看 X 是不是空,空的话就是 False,不空的话就是 True。
* 对于数值变量,0, 0.0 都可认为是空的。
* 对于容器变量,里面没元素就是空的。
此外两个布尔变量 P 和 Q 的逻辑运算的结果总结如下表:
容器数据类型
上节介绍的整型、浮点型和布尔型都可以看成是单独数据,而这些数据都可以放在一个容器里得到一个「容器类型」的数据,比如:
* 字符 (str) 是一容器的字节 char,注意 Python 里面没有 char 类型的数据,可以把单字符的 str 当做 char。
* 元组 (tuple)、列表 (list)、字典 (dict) 和集合 (set) 是一容器的任何类型变量。
字符:
字符用于处理文本 (text) 数据,用「单引号 ’」和「双引号 “」来定义都可以。
# 创建字符
t1 = 'i love coding'
print(t1, type(t1))
t2 = "I love coding"
print(t2, type(t2))
i love coding <class ‘str’>
I love coding <class ‘str’>
字符中常见的内置方法 (可以用 dir(str) 来查) 有
* capitalize():大写句首的字母
* split():把句子分成单词
* find(x):找到给定词 x 在句中的索引,找不到返回 -1
* replace(x, y):把句中 x 替代成 y
* strip(x):删除句首或句末含 x 的部分
t1.capitalize()
‘I love coding’
t2.split()
[‘I’, ‘love’, ‘coding’]
print(t1.find('love'))
print(t2.find('like'))
2
-1
t2.replace('love', 'hate')
‘I hate coding’
print( 'http://www.python.org'.strip('htp:/') )
print( 'http://www.python.org'.strip('.org') )
www.python.org
http://www.python
索引和切片
s = 'Python'
print( s )
print( s[2:4] )
print( s[-5:-2] )
print( s[2] )
print( s[-1] )
Python
th
yth
t
n
知识点
Python 里面索引有三个特点 (经常让人困惑):
1. 从 0 开始 (和 C 一样),不像 Matlab 从 1 开始。
2. 切片通常写成 start:end 这种形式,包括「start 索引」对应的元素,不包括「end索引」对应的元素。因此 s[2:4] 只获取字符串第 3 个到第 4 个元素。
3. 索引值可正可负,正索引从 0 开始,从左往右;负索引从 -1 开始,从右往左。使用负数索引时,会从最后一个元素开始计数。最后一个元素的位置编号是 -1。
这些特点引起读者对切片得到什么样的元素感到困惑。有个小窍门可以帮助大家快速锁定切片的元素,如下图。
与其把注意力放在元素对应的索引,不如想象将元素分开的隔栏,显然 6 个元素需要 7 个隔栏,隔栏索引也是从 0 开始,这样再看到 start:end 就认为是隔栏索引,那么获取的元素就是「隔栏 start」和「隔栏 end」之间包含的元素。如上图:
* string[2:4] 就是「隔栏 2」和「隔栏 4」之间包含的元素,即 th
* string[-5:-2] 就是「隔栏 -5」和「隔栏 -2」之间包含的元素,即 yth
正则表达式
正则表达式 (regular expression) 主要用于识别字符串中符合某种模式的部分,什么叫模式呢?用下面一个具体例子来讲解。
input = """
'06/18/2019 13:00:00', 100, '1st';
'06/18/2019 13:30:00', 110, '2nd';
'06/18/2019 14:00:00', 120, '3rd'
"""
input
“\n’06/18/2019 13:00:00’, 100, ‘1st’;\n’06/18/2019 13:30:00’, 110, ‘2nd’;\n’06/18/2019 14:00:00’, 120, ‘3rd’\n”
假如你想把上面字符串中的「时间」的模式来抽象的表示出来,对照着具体表达式 ‘06/18/201913:00:00’ 来看,我们发现该字符串有以下规则:
1. 开头和结束都有个单引号 ’
2. 里面有多个 0-9 数字
3. 里面有多个正斜线 / 和分号 :
4. 还有一个空格
因此我们用下面这样的模式
import re
pattern = re.compile("'[0-9/:\s]+'")
再看这个抽象模式表达式 ‘[0-9/:\s]+’,里面符号的意思如下:
* 最外面的两个单引号 ’ 代表该模式以它们开始和结束
* 中括号 [] 用来概括该模式涵盖的所有类型的字节
* 0-9 代表数字类的字节
* / 代表正斜线
* : 代表分号
* \s 代表空格
* [] 外面的加号 + 代表 [] 里面的字节出现至少 1 次
有了模式 pattern,我们来看看是否能把字符串中所有符合 pattern 的日期表达式都找出来。
pattern.findall(input)
["‘06/18/2019 13:00:00’", “‘06/18/2019 13:30:00’”, “‘06/18/2019 14:00:00’”]
结果是对的,之后你想怎么盘它就是你自己的事了,比如把 / 换成 -,比如用 datetime 里面的 striptime() 把日期里年、月、日、小时、分钟和秒都获取出来。
元组
创建元组
「元组」定义语法为
(元素1, 元素2, …, 元素n)
关键点是「小括号 ()」和「逗号 ,」
* 小括号把所有元素绑在一起
* 逗号将每个元素一一分开
创建元组的例子如下:
t1 = (1, 10.31, 'python')
t2 = 1, 10.31, 'python'
print( t1, type(t1) )
print( t2, type(t2) )
(1, 10.31, ‘python’) <class ‘tuple’>
(1, 10.31, ‘python’) <class ‘tuple’>
知识点
创建元组可以用小括号 (),也可以什么都不用,为了可读性,建议还是用 ()。此外对于含单个元素的元组,务必记住要多加一个逗号,举例如下:
print( type( ('OK') ) ) # 没有逗号 ,
print( type( ('OK',) ) ) # 有逗号 ,
<class ‘str’>
<class ‘tuple’>
看,没加逗号来创建含单元素的元组,Python 认为它是字符。
当然也可以创建二维元组:
nested = (1, 10.31, 'python'), ('data', 11)
nested
((1, 10.31, ‘python’), (‘data’, 11))
索引和切片
元组中可以用整数来对它进行索引 (indexing) 和切片 (slicing),不严谨的讲,前者是获取单个元素,后者是获取一组元素。接着上面二维元组的例子,先看看索引的代码:
nested[0]
print( nested[0][0], nested[0][1], nested[0][2] )
1 10.31 python
再看看切片的代码:
nested[0][0:2]
(1, 10.31)
不可更改
元组有不可更改 (immutable) 的性质,因此不能直接给元组的元素赋值,例子如下 (注意「元组不支持元素赋值」的报错提示)。
t = ('OK', [1, 2], True)
t[2] = False
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
in
1 t = (‘OK’, [1, 2], True)
----> 2 t[2] = False
TypeError: ‘tuple’ object does not support item assignment
但是只要元组中的元素可更改 (mutable),那么我们可以直接更改其元素,注意这跟赋值其元素不同。如下例 t[1] 是列表,其内容可以更改,因此用 append 在列表后加一个值没问题。
t[1].append(3)
t
(‘OK’, [1, 2, 3, 3, 3], True)
内置方法
元组大小和内容都不可更改,因此只有 count 和 index 两种方法。
t = (1, 10.31, 'python')
print( t.count('python') )
print( t.index(10.31) )
1
1
这两个方法返回值都是 1,但意思完全不同
* count(‘python’) 是记录在元组 t 中该元素出现几次,显然是 1 次
* index(10.31) 是找到该元素在元组 t 的索引,显然是 1
元组拼接
元组拼接 (concatenate) 有两种方式,用「加号 +」和「乘号 *」,前者首尾拼接,后者复制拼接。
(1, 10.31, 'python') + ('data', 11) + ('OK',)
# (1, 10.31, 'python') * 2
(1, 10.31, ‘python’, ‘data’, 11, ‘OK’)
解压元组
解压 (unpack) 一维元组 (有几个元素左边括号定义几个变量)
t = (1, 10.31, 'python')
(a, b, c) = t
print( a, b, c )
1 10.31 python
解压二维元组 (按照元组里的元组结构来定义变量)
t = (1, 10.31, ('OK','python'))
(a, b, (c,d)) = t
print( a, b, c, d )
1 10.31 OK python
如果你只想要元组其中几个元素,用通配符「*」,英文叫 wildcard,在计算机语言中代表一个或多个元素。下例就是把多个元素丢给了 rest 变量。
t = 1, 2, 3, 4, 5
a, b, *rest, c = t
print( a, b, c )
print( rest )
1 2 5
[3, 4]
如果你根本不在乎 rest 变量,那么就用通配符「*」加上下划线「_」,例子如下:
a, b, *_ = t
print( a, b )
1 2
优点缺点
-
优点:占内存小,安全,创建遍历速度比列表快,可一赋多值。
-
缺点:不能添加和更改元素。
等等等,这里有点矛盾,元组的不可更改性即使优点 (安全) 有时缺点?确实是这样的,安全就没那么灵活,灵活就没那么安全。看看大佬廖雪峰怎么评价「不可更改性」吧
import timeit
%timeit [1, 2, 3, 4, 5]
%timeit (1, 2, 3, 4, 5)
44.5 ns ± 0.0824 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)
6.5 ns ± 0.00444 ns per loop (mean ± std. dev. of 7 runs, 100000000 loops each)
遍历
lst = [i for i in range(63335)]
tup = tuple(i for i in range(63335))
%timeit for each in lst: pass
%timeit for each in tup:pass
405 µs ± 2.01 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
444 µs ± 1.57 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
占空间
from sys import getsizeof
print(getsizeof(lst))
print(getsizeof(tup))
514568
506728
- 列表比元组稍微废点内存空间。
列表
创建列表
「列表」定义语法为
[元素1, 元素2, …, 元素n]
关键点是「中括号 []」和「逗号 ,」
* 中括号把所有元素绑在一起
* 逗号将每个元素一一分开
创建列表的例子如下:
l = [1, 10.31,'python']
print(l, type(l))
[1, 10.31, ‘python’] <class ‘list’>
内置方法
不像元组,列表内容可更改 (mutable),因此附加 (append, extend)、插入 (insert)、删除 (remove, pop) 这些操作都可以用在它身上。
- 附加
l.append([4, 3])
print(l)
l.extend([1.5, 2.0, 'ok'])
print(l)
[1, 10.31, ‘python’, [4, 3], [4, 3], 1.5, 2.0, ‘ok’, [4, 3]]
[1, 10.31, ‘python’, [4, 3], [4, 3], 1.5, 2.0, ‘ok’, [4, 3], 1.5, 2.0, ‘ok’]
严格来说 append 是追加,把一个东西整体添加在列表后,而 extend 是扩展,把一个东西里的所有元素添加在列表后。对着上面结果感受一下区别。
- 插入
insert(i, x) 在编号 i 位置前插入 x。对着下面结果感受一下。
l.insert(1, 'abc') # insert object before the index position
l
[1,
‘abc’,
‘abc’,
‘abc’,
‘abc’,
10.31,
‘python’,
[4, 3],
[4, 3],
1.5,
2.0,
‘ok’,
[4, 3],
1.5,
2.0,
‘ok’]
- 删除
remove 和 pop 都可以删除元素
* 前者是指定具体要删除的元素,比如 ‘python’
* 后者是指定一个编号位置,比如 3,删除 l[3] 并返回出来
对着下面结果感受一下,具体用哪个看你需求。
l.remove('ok') # remove first occurrence of object
l
[1,
‘abc’,
‘abc’,
‘abc’,
‘abc’,
10.31,
[4, 3],
[4, 3],
1.5,
2.0,
[4, 3],
1.5,
2.0]
p = l.pop(3) # removes and returns object at index. Only only pop 1 index position at any time.
print( p )
print( l )
abc
[1, ‘abc’, ‘abc’, ‘abc’, 10.31, [4, 3], [4, 3], 1.5, 2.0, [4, 3], 1.5, 2.0]
切片索引
索引 (indexing) 和切片 (slicing) 语法在元组那节都讲了,而且怎么判断切片出来的元素在字符那节也讲了,规则如下图:
对照上图看下面两个例子 (顺着数和倒着数编号):
l = [7, 2, 9, 10, 1, 3, 7, 2, 0, 1]
l[1:5]
[2, 9, 10, 1]
l[-4:]
[7, 2, 0, 1]
# 列表可更改,因此可以用切片来赋值。
l[2:4] = [999, 1000]
l
[7, 2, 999, 1000, 1, 3, 7, 2, 0, 1]
切片的通用写法是
start : stop : step
这三个在特定情况下都可以省去,我们来看看四种情况:
情况 1 - start : 以 step 为 1 (默认) 从编号 start 往列表尾部切片。
print( l )
print( l[3:] )
print( l[-4:] )
print(l[:-1])
[7, 2, 999, 1000, 1, 3, 7, 2, 0, 1]
[1000, 1, 3, 7, 2, 0, 1]
[7, 2, 0, 1]
[7, 2, 999, 1000, 1, 3, 7, 2, 0]
情况 2 - : stop :以 step 为 1 (默认) 从列表头部往编号 stop 切片。
print( l )
print( l[:6] )
print( l[:-4] )
[7, 2, 999, 1000, 1, 3, 7, 2, 0, 1]
[7, 2, 999, 1000, 1, 3]
[7, 2, 999, 1000, 1, 3]
情况 3 - start : stop 以 step 为 1 (默认) 从编号 start 往编号 stop 切片。
print( l )
print( l[2:4] )
print( l[-5:-1] )
[7, 2, 999, 1000, 1, 3, 7, 2, 0, 1]
[999, 1000]
[3, 7, 2, 0]
情况 4 - start : stop : step
以具体的 step 从编号 start 往编号 stop 切片。注意最后把 step 设为 -1,相当于将列表反向排列。
print( l )
print( l[1:5:2] )
print( l[:5:2] )
print( l[1::2] )
print( l[::2] )
print( l[::-1] )
[7, 2, 999, 1000, 1, 3, 7, 2, 0, 1]
[2, 1000]
[7, 999, 1]
[2, 1000, 3, 2, 1]
[7, 999, 1, 7, 0]
[1, 0, 2, 7, 3, 1, 1000, 999, 2, 7]
列表拼接
和元组拼接一样, 列表拼接也有两种方式,用「加号 +」和「乘号 *」,前者首尾拼接,后者复制拼接。
[1, 10.31, 'python'] + ['data', 11] + ['OK']
[1, 10.31, 'python'] * 2
[1, 10.31, ‘python’, 1, 10.31, ‘python’]
优点缺点
-
优点:灵活好用,可索引、可切片、可更改、可附加、可插入、可删除。
-
缺点:相比 tuple 创建和遍历速度慢,占内存。此外查找和插入时间较慢。
字典
创建字典
「字典」定义语法为
{元素1, 元素2, …, 元素n}
其中每一个元素是一个「键值对」- 键:值 (key:value)
关键点是「大括号 {}」,「逗号 ,」和「冒号 :」
* 大括号把所有元素绑在一起
* 逗号将每个键值对一一分开
* 冒号将键和值分开
创建字典的例子如下:
d = {'Name' : 'Tencent',
'Country' : 'China',
'Industry' : 'Technology',
'Code': '00700.HK',
'Price' : '361 HKD'}
print(d, type(d))
{‘Name’: ‘Tencent’, ‘Country’: ‘China’, ‘Industry’: ‘Technology’, ‘Code’: ‘00700.HK’, ‘Price’: ‘361 HKD’} <class ‘dict’>
内置方法
字典里最常用的三个内置方法就是 keys(), values() 和 items(),分别是获取字典的键、值、对。
print(list(d.keys()))
print(list(d.values()))
print(d.items())
[‘Name’, ‘Country’, ‘Industry’, ‘Code’, ‘Price’]
[‘Tencent’, ‘China’, ‘Technology’, ‘00700.HK’, ‘361 HKD’]
dict_items([(‘Name’, ‘Tencent’), (‘Country’, ‘China’), (‘Industry’, ‘Technology’), (‘Code’, ‘00700.HK’), (‘Price’, ‘361 HKD’)])
此外在字典上也有添加、获取、更新、删除等操作。
- 添加
比如加一个「总部:深圳」
d['headquarter'] = 'shenzhen'
d
{‘Name’: ‘Tencent’,
‘Country’: ‘China’,
‘Industry’: ‘Technology’,
‘Code’: ‘00700.HK’,
‘Price’: ‘361 HKD’,
‘headquarter’: ‘shenzhen’}
- 获取
比如想看看腾讯的股价是多少 (两种方法都可以)
print(d['Price'])
print(d.get('Price'))
361 HKD
361 HKD
- 更新
比如更新腾讯的股价到 359 港币
d['Price'] = '359 HKD'
d
{‘Name’: ‘Tencent’,
‘Country’: ‘China’,
‘Industry’: ‘Technology’,
‘Code’: ‘00700.HK’,
‘Price’: ‘359 HKD’,
‘headquarter’: ‘shenzhen’}
- 删除
比如去掉股票代码 (code)
del d['Code']
d
{‘Name’: ‘Tencent’,
‘Country’: ‘China’,
‘Industry’: ‘Technology’,
‘Price’: ‘359 HKD’,
‘headquarter’: ‘shenzhen’}
或像列表里的 pop() 函数,删除行业 (industry) 并返回出来。
print(d.pop('Industry'))
d
Technology
{‘Name’: ‘Tencent’,
‘Country’: ‘China’,
‘Price’: ‘359 HKD’,
‘headquarter’: ‘shenzhen’}
不可更改键
字典里的键是不可更改的,因此只有那些不可更改的数据类型才能当键,比如整数 (虽然怪怪的)、浮点数 (虽然怪怪的)、布尔 (虽然怪怪的)、字符、元组 (虽然怪怪的),而列表却不行,因为它可更改。看个例子
d = {2 : 'integer key',
10.31 : 'float key',
True : 'boolean key',
('OK',3) : 'tuple key'}
d
{2: ‘integer key’,
10.31: ‘float key’,
True: ‘boolean key’,
(‘OK’, 3): ‘tuple key’}
虽然怪怪的,但这些 2, 10.31, True, (‘OK’, 3) 确实能当键。有个地方要注意下,True 其实和整数 1 是一样的,由于键不能重复,当你把 2 该成 1时,你会发现字典只会取其中一个键
那么如何快速判断一个数据类型 X 是不是可更改的呢?两种方法:
1. 麻烦方法:用 id(X) 函数,对 X 进行某种操作,比较操作前后的 id,如果不一样,则 X 不可更改,如果一样,则 X 可更改。
2. 便捷方法:用 hash(X),只要不报错,证明 X 可被哈希,即不可更改,反过来不可被哈希,即可更改。
先看用 id() 函数的在整数 i 和列表 l 上的运行结果:
i = 1
print( id(i) )
i = i + 2
print( id(i) )
140732850594448
140732850594512
l = [1, 2]
print( id(l) )
l.append('Python')
print( id(l) )
3026082498824
3026082498824
用 hash() 函数的在字符 s,元组 t 和列表 l 上的运行结果:
hash('Name')
-5122428430537815772
hash( (1,2,'Python') )
8941961007093465794
hash( [1,2,'Python'] )
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
in
----> 1 hash( [1,2,‘Python’] )
TypeError: unhashable type: ‘list’
字符 s 和元组 t 都能被哈希,因此它们是不可更改的。列表 l 不能被哈希,因此它是可更改的。
优点缺点
优点:查找和插入速度快
缺点:占内存大
集合
创建集合
「集合」有两种定义语法,
第一种是
{元素1, 元素2, …, 元素n}
关键点是「大括号 {}」和「逗号 ,」
* 大括号把所有元素绑在一起
* 逗号将每个元素一一分开
第二种是
用 set() 函数,把列表或元组转换成集合。
set( 列表 或 元组 )
创建集合的例子如下 (用两者方法创建 A 和 B):
从 A 的结果发现集合的两个特点:无序 (unordered) 和唯一 (unique)。由于 set 存储的是无序集合,所以我们没法通过索引来访问,但是可以判断一个元素是否在集合中。
A = set(['u', 'd', 'ud', 'du', 'd', 'du'])
B = {'d', 'dd', 'uu', 'u'}
print( A )
print( B )
{‘d’, ‘du’, ‘ud’, ‘u’}
{‘d’, ‘uu’, ‘dd’, ‘u’}
B[1]
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
in
----> 1 B[1]
TypeError: ‘set’ object is not subscriptable
'u' in B
True
内置方法
用 set 的内置方法就把它当成是数学上的集,那么并集、交集、差集都可以玩通了。
并集OR
print( A.union(B) ) # All unique elements in A or B
print( A | B ) # A OR B
{‘dd’, ‘du’, ‘d’, ‘u’, ‘uu’, ‘ud’}
{‘dd’, ‘du’, ‘d’, ‘u’, ‘uu’, ‘ud’}
交集AND
print(A.intersection(B)) # All elements in both A and B
print(A & B) # A and B
{‘d’, ‘u’}
{‘d’, ‘u’}
差集A-B
print(A.difference(B)) # Elements in A but not in B
print(B - A) # B minus A
{‘du’, ‘ud’}
{‘uu’, ‘dd’}
对称差集 XOR
print(A.symmetric_difference(B)) # All elements in either A or B ,but not both
print(A ^ B)
{‘du’, ‘dd’, ‘uu’, ‘ud’}
{‘du’, ‘dd’, ‘uu’, ‘ud’}
* 优点缺点
- 优点:不用判断重复的元素
- 缺点:不能存储可变对象
你看集合的「唯一」特性还不是双刃剑,既可以是优点,又可以是缺点,所有东西都有 trade-off 的,要不然它就没有存在的必要了。
3. 条件语句 & 迭代循环
在编写程序时,我们要
* 在不同条件下完成不同动作,条件语句 (conditional statement) 赋予程序这种能力。
* 重复的完成某些动作,迭代循环 (iterative loop) 赋予程序这种能力。
条件语句
条件语句太简单了,大体有四种格式
1. if 语句
2. if-else 语句
3. if-elif-else 语句
4. nested 语句
看了下面四幅图 (包含代码) 应该秒懂条件语句,其实任何会说话的人都应该懂它。
- if
if x > 0:
print( ‘x is positive’ ) - if-else
if x % 2 == 0:
print( ‘x is even’ )
else :
print( ‘x is odd’ ) - if-elif-else
if x < y:
print( ‘x is less than y’ )
elif x > y:
print( ‘x is greater than y’ )
else:
print( ‘x and y are equal’ )
给定多元条件,满足条件 1 做事 A1,满足条件 2 做事 A2,…, 满足条件 n 做事 An。直到把所有条件遍历完。 - Nested if
if x == y:
print( ‘x and y are equal’ )
else:
if x < y:
print( ‘x is less than y’ )
else:
print( ‘x is greater than y’ )
给定多元条件,满足条件 1 做事 A1,不满足就
给定多元条件,满足条件 2 做事 A2,不满足就
…
直到把所有条件遍历完。
迭代循环
对于迭代循环,Python 里面有「while 循环」和「for 循环」,没有「do-while 循环」。
- while 循环
While 循环非常简单,做事直到 while 后面的语句为 False。上例就是打印从 n (初始值为 5) 一直到 1,循环执行了 5 次。
一般来说,在 「while 循环」中,迭代的次数事先是不知道的,因为通常你不知道 while 后面的语句从 True 变成 False了。
n =5
while n > 0:
print(n)
n = n-1
print('learned')
5
4
3
2
1
learned
- for 循环
更多时候我们希望事先直到循环的次数,比如在列表、元组、字典等容器类数据上遍历一遍,在每个元素层面上做点事情。这时候就需要「for 循环」了。
languages = ['Python', 'R', 'Matlab', 'C++', 'java']
for language in languages:
print('learning ', language)
print('learned')
learning Python
learning R
learning Matlab
learning C++
learning java
learned
最后介绍一个稍微有点特殊的函数 enumerate(),和 for loop 一起用的语法如下
for i, a in enumerate(A)
do something with a
发现区别了没?用 enumerate(A) 不仅返回了 A 中的元素,还顺便给该元素一个索引值 (默认从 0 开始)。此外,用 enumerate(A, j) 还可以确定索引起始值为 j。看下面例子。
languages = ['Python', 'R', 'Matlab', 'C++', 'java']
for i, language in enumerate(languages, 1):
print(i, 'learning', language)
print('learned')
1 learning Python
2 learning R
3 learning Matlab
4 learning C++
5 learning java
learned
总结
学习任何一种都要从最基本开始,基本的东西无外乎数据类型、条件语句和递推循环。
数据类型分两种:
* 单独类型:整型、浮点型、布尔型
* 容器类型:字符、元组、列表、字典、集合
按照 Python 里「万物皆对象」的思路,学习每一个对象里面的属性 (attributes) 和方法 (methods),你不需要记住所有,有个大概印象有哪些,通过 dir() 来锁定具体表达式,再去官网上查询所有细节。这么学真的很系统而简单。此外学的时候一定要带着“它的优缺点是什么”这样的问题,所有东西都有 trade-off,一个满身都是缺点的东西就没有存在的必要,既然存在肯定有可取之处。
条件语句 (if, if-else, if-elif-else, nested if) 是为了在不同条件下执行不同操作,而迭代循环 (while, for) 是重复的完成相同操作。
抓住上面大框架,最好还要以目标导向 (我学 python 就是为了搞自动化躺着赚钱),别管这目标难度如何,起码可以保证我累得时候还鸡血满满不会轻言放弃。这样我就足够主动的去学一样东西并学精学深,目标越难完成,我主动性就越强。
之后所有的细节都可以慢慢来,虽然我觉得本篇已经挖了不少细节了,像 hashability,但肯定还有更多等着去挖,半篇帖子就想覆盖 Python 所有内容不是开玩笑吗?但抓住大框架,有目标导向,对有效学习任何内容都适用。