笔记整理

最新推荐文章于 2024-08-19 21:12:27 发布

weixin_30546189

最新推荐文章于 2024-08-19 21:12:27 发布

阅读量63

点赞数

文章标签：操作系统 python 数据库

原文链接：http://www.cnblogs.com/ccpdhs/p/9058082.html

版权

1、Python基本语法

1、@staticmethod 和 @classmethod

Python中有三种方法，实例方法、类方法(@classmethod)、静态方法(@staticmethod)。

类方法的第一个参数是cls，表示该类的一个实例，静态方法基本上和一个全局函数相同

class A(object): def foo(self, x): print("executing foo(%s,%s)" % (self, x)) print('self:', self) @classmethod def class_foo(cls, x): print("executing class_foo(%s,%s)" % (cls, x)) print('cls:', cls) @staticmethod def static_foo(x): print("executing static_foo(%s)" % x) a = A() print(a.foo(1)) print(a.class_foo(1)) print(a.static_foo(1))

2、迭代器和生成器

迭代器：是访问集合元素的一种方式，从集合的第一个元素开始访问，直到所有元素被访问结束。其优点是不需要事先准备好整个迭代过程中的所有元素，仅在迭代到某个元素时才开始计算该元素。适合遍历比较巨大的集合。__iter__()：方法返回迭代器本身， __next__()：方法用于返回容器中下一个元素或数据。

生成器：带有yield的函数不再是一个普通函数，而是一个生成器。当函数被调用时，返回一个生成器对象。不像一般函数在生成值后退出，生成器函数在生成值后会自动挂起并暂停他们的执行状态。

'''迭代器'''
print('for x in iter([1, 2, 3, 4, 5]):') for x in iter([1, 2, 3, 4, 5]): print(x) '''生成器''' def myyield(n): while n>0: print("开始生成...:") yield n print("完成一次...:") n -= 1 for i in myyield(4): print("遍历得到的值:",i)

3、闭包

闭包可以实现先将一个参数传递给一个函数，而并不立即执行，以达到延迟求值的目的。满足以下三个条件：必须有一个内嵌函数；内嵌函数必须引用外部函数中变量；外部函数返回值必须是内嵌函数。

def delay_fun(x, y): def caculator(): return x+y return caculator print('返回一个求和的函数，并不求和') msum = delay_fun(3,4) print('调用并求和:') print(msum())

4、*args 和 **kwargs

这两个是Python中的可变参数，用于接受参数的传递。*args表示任何多个无名参数，它是一个元组，**kwargs表示关键字参数，它是一个字典。同时使用*args和**kwargs时，必须*args在**kwargs之前。

5、鸭子类型：

在鸭子类型中，关注的不是对象的类型本身，而是他是如何使用的。例如，在不使用鸭子类型的语言中，我们可以编写一个函数，它接受一个类型为鸭的对象，并调用它的走和叫方法。在使用鸭子类型的语言中，这样的一个函数可以接受一个任意类型的对象，并调用它的走和叫方法。

class duck():
    def walk(self): print('I am duck,I can walk...') def swim(self): print('I am duck,I can swim...') def call(self): print('I am duck,I can call...') duck1=duck() duck1.walk() # I am duck,I can walk... duck1.call() # I am duck,I can call...

6、@property 和 @setter

@property负责把一个方法变成属性调用。在对实例操作时，不暴露接口，而是通过getter和setter方法实现。

class Student(object): @property def score(self): return self._score @score.setter def score(self, value): if not isinstance(value, int): raise ValueError('score must be an intager') if value<0 or value>100: raise ValueError('score must between 0~100!') self._score = value s = Student() s.score = 60 print(s.score) s.score = 999 print(s.score)

7、多进程和多线程

进程：是资源分配的最小单位，创建和销毁开销较大；

线程：是CPU调度的最小单位，开销小，切换速度快；

操作系统将CPU时间片分配给多个线程，每个线程在指定放到时间片内完成。操作系统不断从一个线程切换到另一个线程执行，宏观上看就好像是多个线程一起执行。

Python中由于全局锁 (GIL) 的存在导致，同一时间只有一个获得GIL的线程在跑，其他线程则处于等待状态，这导致了多线程只是在做分时切换，并不能利用多核。

多线程与多进程的区别：（1）多进程中同一个变量各自有一份拷贝在每个进程中，互不影响；（2）多线程中，所有变量都由所有线程共享，任何一个变量都可被任何一个线程修改。线程之间共享数据的最大危险在于多个线程同时更改一个变量，把内容改乱。

from  multiprocessing  import  Pool            #多进程 from multiprocessing.dummpy import Pool #多线程

8、类变量和实例变量

普通的变量（非类的变量），在被赋值后即变量存在。类的变量在class里def外，通过变量名能被赋值，在def里通过类对象可被赋值

class Apple(object): name = 'apple' p1 = Apple() p2 = Apple() p1.name = 'orange' print(p1.name) print(p2.name)

9、装饰器

装饰器是一个工厂函数，接受一个函数作为参数，然后返回一个新函数，其闭包中包含被装饰的函数。有了装饰器，可以提取大量函数中与本身功能无关的类似代码 ( 这块在Flask中用于定义路由的@app.route，就是一个很好的例子)，达到代码重用的目的。可应用于插入日志、性能测试、事务处理等方面。

def deco(func): def warpper(*args, **kwargs): print('start') func(*args, **kwargs) print('end') return warpper @deco def myfunc(parameter): print("run with %s" % parameter) myfunc("something")

2、数据库

1、MySQL基本语法

增：创建数据表

USE database               
CREATE  TABLE  example(id INT, name VARCHAR(20), sex BOOLEAN);

删：

ALTER  TABLE  表名 DROP  属性名; # 删除字段 DROP TABLE 表名; # 删除表

改：

ALTER  TABLE  旧表名 RENAME  新表名; # 修改表名 ALTER TABLE 表名 MODIFY 属性名 数据类型; # 修改字段数据类型

查：

SELECT  * FROM 表名 WHERE id=1; # 条件查询 SELECT * FROM 表名 WHERE 字段名 BETWEEN 条件一 AND 条件二 # 范围查询 SELECT COUNT(*) FROM 表名; # 查询表共有多少条记录

触发器：是由INSERT、UPDATE和DELETE等事件来触发某种特定操作，满足触发条件时，数据库系统会执行触发器中定义的语句，这样可以保证某些操作之间的一致性。

CREATE  TRIGGER  触发器名称  BEFORE|AFTER 触发事件 ON 表名称 FOR EACH ROW BEGIN 执行语句 END

3、算法

1、快排

算法：先从数列中取出一个数作为基准；然后将比该数大的数放到右边，比该数小的数放到左边；再对左右区间重复上一步骤。

def qsort(seq): if seq==[]: return [] else: pivot=seq[0] lesser=qsort([x for x in seq[1:] if x<pivot]) greater=qsort([x for x in seq[1:] if x>=pivot]) return lesser+[pivot]+greater if __name__=='__main__': seq=[5,6,78,9,0,-1,2,3,-65,12] print(qsort(seq))

2、冒泡

算法：每次比较两个相邻的元素，然后进行排列。但是效率非常低。

def bubbleSort(nums): for i in range(len(nums)-1): # 这个循环负责设置冒泡排序进行的次数 for j in range(len(nums)-i-1): # ｊ为列表下标 if nums[j] > nums[j+1]: nums[j], nums[j+1] = nums[j+1], nums[j] return nums nums = [5,2,45,6,8,3,1] print(bubbleSort(nums))