Task01 关于运算符优先级和位运算的学习研究 复习笔记 ——阿里云天池

学习目标：

复习Task01内容，并对关键内容进行总结

---

学习内容：

主要复习了运算符优先级、位运算两块内容，对运算符的优先级进行了背诵和记忆，对位运算相关知识进行了总结

首先说明的是，本文所有内容是本人对python客观性能的主观分析，只对python语言的宏观表现加以理解，目的在于更好更方便的推理出相关语句的行为结果，可能与实际的python解释器的底层行为大有不同。

---

学习时间：

2020/12/2 21:00–23:00
2020/12/3 12:00-15:00

---

学习产出：

运算符优先级研究

优先级

我根据自己的记忆习惯，把这些运算符分成了三个优先级梯队：
1.最优先梯队：()、x[i]、x.attr
小括号自然不必多说，在不清楚优先级顺序的情况下可以用来保证正确的运算顺序
其次是索引运算符和属性运算符，这两个运算符都是放置于操作变量的右边的，对于一个操作数来说同一方向的运算符，哪个距离它近，先执行哪个，所以这两个运算符的优先级比较没有太大意义
2.第二梯队：**、~、±(正负号)
除了乘方运算符，取反和正负号都是一元运算符，独特的乘方运算符恰好是第二梯队的最优先运算符
而由于第三梯队的运算符都是二元运算符，所以“一元运算符通常优先于二元运算符”
由于取反和正负号都在操作数左边，所以他们的优先级比较也没有太大意义，虽然规定~优先于正负号,但是还是哪个运算符距离操作数近，先执行哪一个，示例代码如下

3.第三梯队：大多数二元运算符
从高到低：算、位、比、逻、逗
算术运算符、位运算符、比较运算符、逻辑运算符、逗号运算符

通过将多种运算符分成梯队记忆，可以快速掌握知识点
相信有很多C++、java基础的同学可能在想，自增运算符(++)和自减运算符(–)呢？
值得庆幸的是，python舍弃了++和–，所以我们不需要研究这两个运算符的复杂运算顺序了

结合性

知晓这些运算符的优先级，我们便可以理解的绝大多数表达式的运算顺序，但并不是全部
还需要补充一点的知识是运算符的结合性

什么是运算符的结合性呢？

所谓结合性，就是当一个表达式中出现多个优先级相同的运算符时，先执行哪个运算符：先执行左边的叫左结合性，先执行右边的叫右结合性。

例如对于表达式对于100 / 25 * 16，/和*的优先级相同，应该先执行哪一个呢？这个时候就不能只依赖运算符优先级决定了，还要参考运算符的结合性。/和*都具有左结合性，因此先执行左边的除法，再执行右边的乘法，最终结果是 64。

Python 中大部分运算符都具有左结合性，也就是从左到右执行；只有 ** 乘方运算符、单目运算符（例如 not 逻辑非运算符）、赋值运算符和三目运算符例外，它们具有右结合性，也就是从右向左执行

上述情况也许并不能很有效地帮助我们理解运算符结合的必要性，再举一个例子：2**1**2
结果是多少呢？根据结合性分析，**具有右结合性，所以先运算1**2=1，再运算2**1=2，所以结果应为2
验证代码如下：

位运算研究

众所周知，数据在计算机内部以二进制形式存储，每一个位(bit)均有两种状态（0和 1），而位运算就是以位为单位进行的操作，处理的数据只有0和1.

1.按位与&

为了方便理解，并且与义务教育的数学知识相结合，我们可以假设0为假，1为真。按位与可以理解为“且”。对于两个命题A和B，A且B为真等价于什么？（高中数学）很显然是A为真并且B为真，同样的对于按位与运算，A&B等于1（为真）等价于A是1且B是1；换言之只要两个操作数有一个为0，那么结果为0.
代码验证如下：

2.按位或|

类似于按位与的分析理解方式，两个命题A和B，他们的组合命题A或B为真的等价于什么？显然是A为真或者B为真，对于按位或运算，只要两个操作数有一个为1，那么结果为1；换言之，两个操作数都为0时，结果才为0.
代码验证如下：

3.按位取反~

取反这个概念顾名思义，就是把状态变成反状态，一个位只有0和1两种状态，所以对0取反得1，对1取反得0.
在python中，二进制数据以补码形式存储，最高位代表符号位，0代表正，1代表负。
对任意一个数的位运算（包括与或非等等），都是对这个数的补码的所有位进行运算。上面两个运算符操作中，0和1两个数除最后一位之外，其他的位包括符号位均在运算中不会改变，因此可以演示对一位进行位运算的结果。而取反必然将使得符号位发生改变，所以很难演示只对一个位取反的结果。
因此我们在上述理论基础下，直接研究对一个多位二进制数的取反。
设a=0b110(原码,python是根据0b前面的正负号来设定符号位的，所以符号位是0而不是1，原码写全可以看成0110)，a在十进制的值是6，由于位运算是对补码的运算，所以我们要研究a的补码是多少。对于正数，补码、反码、原码相同，所以对0110取反，得到1001。值得注意的是，前面提到位运算是对补码进行运算，还有一点需要加以说明，位运算的结果仍然是补码，也就是说1001是运算结果的补码。符号位为1说明这是一个负数的补码，对于负数来讲，反码是原码除符号位之外的位取反，补码是反码加一。这里我们由补码推原码，自然要先减去1，得1000，再对符号位之外的位取反，得1111（原码），即-7.
代码验证：

bin()函数是返回的带正负号的原码，所以bin（~a）应该为-0b111，代码验证：

下面我们再推理一个负数取反的例子，设a=-0b110（原码1110），反码为1001，补码为1010，对补码进行按位取反操作，得结果得补码为0101(正数)，推得结果得原码为0101，即5，代码验证如下：

至此，我们对6对反得到-7，对-6取反得到5。
每一次推导取反运算都太过于繁琐，为了能快速得到取反得结果值，下面我们对取反前后的十进制数值关系做研究。

为了不失一般性，我们设参与取反运算的二进制数a包括符号位一共是n位，a的原码为a(原)，a的反码为a(反)，a的补码为a(补)，a的十进制数值为a(10)。
取反之后结果的补码为b(补),反码为b(反)，原码为b(原)，十进制数值为b(10)
下面运算，我们将把第n位的符号位看作数值为参与运算，这样子可以把运算统一为二进制数的加法运算，但是最后要对结果做一个从无符号到有符号的转换
由条件定义得b(10)=~a(10)
由取反位运算是对补码操作得a(补)+b(补)=111…111(n位) （取反操作是0边1，1边0，包括符号位）
即a(补)+b(补)=2^n-1
由于取反会使符号位发生改变，所以我们不妨设a的符号位为0。
所以，a(原)=a(反)=a(补)
取反之后，b的符号位是1
所以对于b来说，b(补)=b(反)+1 b(反)+b(原)=(2^n)-1+2^(n-1)
所以，a(补)+b(补)=a(原)+b(反)+1=a(原)+(2^n)-1+2^(n-1)-b(原)+1=a(原)-b(原)+2^n+2^(n-1)=2^n-1
即b(原)=a(原)+2^(n-1)+1
值得注意的是，我们假设的a第n位的符号位是0，而2^(n-1)（无符号二进制）位1000…000（第n位是1），最后我们要做一个从无符号推理到有符号的转换，而a(原)+1000…0000，即把a(原)的符号位从0变成1，从正到负。最后还有个加一操作，这里的加一是无符号运算，比如1010+1等于1011，所以对于一个负数+00001，等价于在考虑符号情况下的数值上-1。
所以最后推理的结果应该为
b(10)=-a(10)-1

这里推理结果，符合之前两个例子，我们不妨再举一例验证：

位运算使用场景

学习位运算，不禁思考一个问题，我们什么时候使用位运算呢？
由于位运算比较复杂，二进制的运算不利于人去快速思考和推理，所以我们在一般的数值运算时都不会使用位运算符。但是，在某些特殊的情况下，位运算可以为我们带来一些性能提速和空间资源的节省。下面，我对在网上搜集到的一些使用场景做分析

1.快速2倍运算
利用<< >>可实现快速2倍运算，通过代码检验，位运算确实比*=更快速

2.交换数值

通过实际检验，我发现a,b=b,a比使用位运算更好
3.判断奇数和偶数
与1进行&，如果为1，那么该数为奇数；如果为0，那么该数是偶数
实际检验，发现%运算和位运算性能差不多，%更好一点

4.寻找列表中独一无二的数
假设一个列表中有n+1个数，其中n个数出现了2次，只有一个数出现了一次，要求找出这一个特别的数。
算法一：遍历列表，并为每个数统计出现次数，最后寻找只出现一次的数
算法二：将列表所有的数做异或运算，最后得出的结果就是特殊数
a1^a2^a3^…^a(2n+1),由于异或运算具有交换律和结合律
所以上述式子相当于(b1^b1)^(b2^b2)^…^(bn^bn)^C
由于相同数的异或为0，0和任意数的异或为该数，所以结果为C，即独一无二的数

#随机生成长列表
import random
from time import time
n=1000000
l=random.sample(range(0,n+1),n+1)
l+=l
index=random.sample(range(0,len(l)),1)
special=l[index[0]]
l.remove(special)
print("special num = ",special)
#special num =  56158

#算法一
start=time()
dic={}
result=None
for i in l:
    if dic.get(i) is not None:
        dic[i]+=1
    else:
        dic.update({i:1})
for key,value in dic.items():
    if value==1:
        result=key
print("Special num=",special,"result=",result,"time=",time()-start)
#Special num= 56158 result= 56158 time= 0.9763875007629395

#算法二
start=time()
result=0
for i in l:
    result^=i
print("Special num=",special,"result=",result,"time=",time()-start)
#Special num= 56158 result= 56158 time= 0.37100648880004883

理论上分析，两种算法的时间复杂度都是O(n)，但是算法二明显快了一倍；算法一的空间复杂度为O(n)(因为创建了一个长度和n成正比的字典),而算法二却只是用了数个变量，空间复杂度为O(1)

在一些算法问题上，使用位运算可以达到很好的效果

参考

http://c.biancheng.net/view/2190.html

https://blog.csdn.net/weixin_44786530/article/details/89737903