Python基本知识总结(一)

一、数据类型和变量

1. 整数，浮点数，字符串，布尔值（python中的与或非用and,or,not运算），空值（Python里一个特殊的值，用None表示）
2. 变量（大小写英文、数字和_的组合，且不能用数字开头）
3. 常量

在Python中，通常用全部大写的变量名表示常量，但事实上这仍然是一个变量，Python根本没有任何机制保证它不会被改变，所以，用全部大写的变量名表示常量只是一个习惯上的用法。

二、list和tuple

list

1. list是一种有序的集合，可以随时添加和删除其中的元素。
2. list常见搭配函数

• len():获取list长度
• append():list中追加元素到末尾
• insert():将元素插入到指定的位置 ，后面的元素会自动依次往后挪一个位置
• pop(i):删除指定位置的元素(不带参数时删除末尾元素）

     3.list里面还包含一个list则类似一个二维数组，依次类推等

tuple

1. tuple和list非常类似，但是tuple一旦初始化就不能修改，相当于只读列表。
2. 只有1个元素的tuple定义时必须加一个逗号，来消除歧义。

如下：a定义的不是tuple，是1这个数！这是因为括号()既可以表示tuple，又可以表示数学公式中的小括号，这就产生了歧义。于是a用索引取值会报错，而b可以用索引取值。

>>> a=(1)
>>> b=(1,)
>>> a[0]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: 'int' object is not subscriptable
>>> b[0]
1

三、条件判断

三个关键字：if，elif，else（用法和c差不多）

四、循环

1. for ... in 循环
2. while循环:循环体中可以使用break和continue关键字。

五、dict和set

dict

1.dict使用键-值（key-value）存储（很像js中的对象）

2.要删除一个key，用pop(key)方法

和list比较，dict有以下几个特点：

1. 查找和插入的速度极快，不会随着key的增加而变慢；
2. 需要占用大量的内存，内存浪费多。

而list相反：

1. 查找和插入的时间随着元素的增加而增加；
2. 占用空间小，浪费内存很少。

所以，dict是用空间来换取时间的一种方法。

3.dict的key必须是不可变对象

set

1.set和dict类似，也是一组key的集合，但不存储value。在set中，没有重复的key。

2.重复元素在set中自动被过滤

3.通过add(key)方法可以添加元素到set中，可以重复添加，但会被过滤掉，通过remove(key)方法可以删除元素

要创建一个set，需要提供一个list作为输入集合

>>> a=set([1,3,4])
>>> a
{1, 3, 4}

六、函数

1. 在函数体中使用pass来定义一个空函数
2. 函数的参数

• 位置参数：传入的值按照位置顺序依次赋值
• 默认参数：是必选参数在前，默认参数在后，否则Python的解释器会报错

定义默认参数要牢记一点：默认参数必须指向不变对象！如果改变了默认参数的内容，则下次调用时，默认参数的内容就变了，不再是函数定义时的值了。

• 可变参数：传入的参数个数是可变的，在参数面前加一个*号

#在函数内部，参数numbers接收到的是一个tuple
def add(*numbers):
    sum=0
    for x in numbers:
        sum+=x
    return sum
#传入任意个参数
print(add(1,2,3))

#将list的元素作为可变参数传入add函数
numbers=[1,2,3]
print(add(*numbers))

• 关键字参数：允许传入0个或任意个含参数名的参数，这些关键字参数在函数内部自动组装为一个dict。

用法：

def person(name,age,**other):
    print('name:',name,'age:',age,'other:',other)

#在调用该函数时，可以只传入必选参数
person('zw',12)

#传入任意个数的关键字参数
person('zw',12,gender='女')
person('zw',12,gender='女',job='学生')

#把dict转换为关键字参数传进去
me={'gender':'女','job':'学生'}
person('zw',12,**me)
#注意other获得的dict是me的一份拷贝，对other的改动不会影响到函数外的me。

name: zw age: 12 other: {}
name: zw age: 12 other: {'gender': '女'}
name: zw age: 12 other: {'gender': '女', 'job': '学生'}
name: zw age: 12 other: {'gender': '女', 'job': '学生'}

• 命名关键字参数：限制关键字参数的名字

命名关键字参数需要一个特殊分隔符*，*后面的参数被视为命名关键字参数

命名关键字参数必须传入参数名，这和位置参数不同。如果没有传入参数名，调用将报错。

def person(name,age,*,gender,job):
    print('name:',name,'age:','gender:',gender,'job:',job)

person('zw',20,gender='女',job='学生')

#如果函数定义中已经有了一个可变参数，后面跟着的命名关键字参数就不再需要一个特殊分隔符*了
def person1(name,age,*other,gender,job):
    print('name:',name,'age:','gender:',gender,'job:',job)

person1('zw',20,gender='女',job='学生')

name: zw age: gender: 女 job: 学生
name: zw age: gender: 女 job: 学生

 命名关键字参数可以有缺省值

def person(name,age,*,gender='女',job):
    print('name:',name,'age:','gender:',gender,'job:',job)
person('zw',20,job='学生')

• 参数组合

在Python中定义函数，可以用必选参数、默认参数、可变参数、关键字参数和命名关键字参数，这5种参数都可以组合使用。但是请注意，参数定义的顺序必须是：必选参数、默认参数、可变参数、命名关键字参数和关键字参数。

  3.递归函数（类c语言用法）

七、列表生成式

要生成的元素+for循环

>>> [x*x for x in range(1,11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

带筛选条件的列表生成式

>>> [x*x for x in range(1,11) if x%2==0]
[4, 16, 36, 64, 100]

两层循环求全排列

>>> [a+b for a in 'abc' for b in '123']
['a1', 'a2', 'a3', 'b1', 'b2', 'b3', 'c1', 'c2', 'c3']

使用两个变量生成list

>>> s={'a':1,'b':2,'c':3}
>>> [k+'='+str(v) for k,v in s.items()]
['a=1', 'b=2', 'c=3']

在一个列表生成式中，for前面的if ... else是表达式确定怎么样输出，而for后面的if是过滤条件确定要不要输出，不能带else。

八、生成器

通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。python中这种一边循环一边计算的机制，称为生成器：generator。

创建generator的两种方式

1. 把一个列表生成式的[]改成()，就创建了一个generator

>>> g=(x for x in range(10))
>>> g
<generator object <genexpr> at 0x00000248DADFF5C8>

打印出generator的每一个元素，可以通过next获取generator的下一个返回值

>>> next(g)
0
>>> next(g)
1

for循环（因为generator也是可迭代对象)

>>> g=(x for x in range(10))
>>> for n in g:
...     print(n)
...
0
1
2
3
4
5
6
7
8
9

2.如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator

这里，最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。

def odd():
    print('step 1')
    yield 1
    print('step 2')
    yield(3)
    print('step 3')
    yield(5)

 调用该generator时，首先要生成一个generator对象，然后用next()函数不断获得下一个返回值：

>>> o=odd()
>>> next(o)
step 1
1
>>> next(o)
step 2
3
>>> next(o)
step 3
5
>>> next(o)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

可以看到，odd不是普通函数，而是generator，在执行过程中，遇到yield就中断，下次又继续执行。执行3次yield后，已经没有yield可以执行了，所以，第4次调用next(o)就报错。

同样的，把函数改成generator后，我们基本上从来不会用next()来获取下一个返回值，而是直接使用for循环来迭代

另外：但是用for循环调用generator时，发现拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中。

斐波拉契例子

def f(n):
    a,b=0,1
    i=1
    while i<=n:
        yield b
        a,b=b,a+b
        i=i+1

for i in f(4):
    print(i)

杨辉三角例子

#除了左右两个数其他的数都等于其肩上两个数之和
def triangles():
    p=[1]
    while True:
        yield p
        p=[1]+[p[i]+p[i+1] for i in range(len(p)-1)]+[1]
n = 0
results = []
for t in triangles():
    results.append(t)
    n = n + 1
    if n == 10:
        break

九、迭代器

1.定义

可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。

2.具体

• 可以使用isinstance()判断一个对象是否是Iterator对象
• 生成器都是Iterator对象，但list、dict、str虽然是Iterable(可迭代的，可用for循环操作)，却不是Iterator。
• 把list、dict、str等Iterable变成Iterator可以使用iter()函数：

>>> isinstance(iter('abc'), Iterator)
True

Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。