python中的基础语法-Python 3 学习笔记之——基础语法

1. a, b = a, a + b

先计算右边表达式，然后再同时赋值给左边。

2. 条件控制和循环语句

条件控制

if condition_1:

statement_block_1

elif condition_2:

statement_block_2

else:

statement_block_3

while 循环

while condition:

statement_block

else: # 可有可无

statement_block

for 循环

for in :

else:

range() 函数

>>> a = list(range(3))

>>> a

[0, 1, 2]

>>> a = list(range(1, 5, 2))

>>> a

[1, 3]

break 语句可以跳出 for 和 while 的循环体。如果你从 for 或 while 循环中终止，任何对应的循环 else 块将不执行。

pass是空语句，是为了保持程序结构的完整性。pass 不做任何事情，一般用做占位语句。

3. 迭代器和生成器

字符串，列表或元组对象都可用于创建迭代器。

>>> a = [1, 2, 3, 4]

>>> it = iter(a)

>>> next(it)

1

>>> next(it)

2

>>> next(it)

3

>>> next(it)

4

>>> next(it)

Traceback (most recent call last):

File "", line 1, in

StopIteration

>>> it = iter(a)

>>> for i in it:

... print(i)

...

1

2

3

4

>>>

创建自己的迭代器，需要在类中实现实现两个方法 __iter__() 与 __next__() 。__iter__() 方法返回一个特殊的迭代器对象， 这个迭代器对象实现了 __next__() 方法并通过 StopIteration 异常标识迭代的完成。

class MyNumbers:

def __iter__(self):

self.a = 1

return self

def __next__(self):

if self.a <= 5:

x = self.a

self.a += 1

return x

else:

raise StopIteration

myclass = MyNumbers()

myiter = iter(myclass)

for i in range(5):

print(next(myiter))

for x in myiter:

print(x)

>>>

1

2

3

4

5

在 Python 中，使用了 yield 的函数被称为生成器（generator）。跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。在调用生成器运行的过程中，每次遇到 yield 时函数会暂停并保存当前所有的运行信息，返回 yield 的值, 并在下一次执行 next() 方法时从当前位置继续运行。

import sys

def fibonacci(n): # 生成器函数 - 斐波那契

a, b, counter = 0, 1, 0

while True:

if counter > n:

return

yield a

a, b = b, a + b

counter += 1

f = fibonacci(10) # f 是一个迭代器，由生成器返回生成

while True:

try:

print(next(f), end=" ")

except StopIteration:

sys.exit()

>>> 0 1 1 2 3 5 8 13 21 34 55

4. 函数

Python 定义函数使用 def 关键字，一般格式如下：

def function_name(args1, args2):

statement

return

return [表达式] 结束函数，选择性地返回一个值给调用方。不带表达式的 return 相当于返回 None。

可更改(mutable)与不可更改(immutable)对象

在 Python 中，strings, tuples, 和 numbers 是不可更改的对象，而 list, dict 等则是可以修改的对象。

不可变类型：变量赋值 a = 5 后再赋值 a = 10，这里实际是新生成一个 int 值对象 10，再让 a 指向它，而 5 被丢弃，不是改变 a 的值，相当于新生成了 a 。

可变类型：变量赋值 la = [1,2,3,4] 后再赋值 la[2] = 5 则是将 list la 的第三个元素值更改，本身 la 没有动，只是其内部的一部分值被修改了。

Python 函数的参数传递：

不可变类型：类似 c++ 的值传递，如整数、字符串、元组。如 fun(a)，传递的只是 a 的值，没有影响 a 对象本身。比如在 fun(a) 内部修改 a 的值，只是修改另一个复制的对象，不会影响 a 本身。

可变类型：类似 c++ 的引用传递，如列表，字典。如 fun(la)，则是将 la 真正的传过去，修改后 fun 外部的 la 也会受影响。

Python 中一切都是对象，严格意义我们不能说值传递还是引用传递，我们应该说传不可变对象和传可变对象。

参数

必需参数。必需参数须以正确的顺序传入函数，调用时的数量必须和声明时的一样。

关键字参数 。关键字参数和函数调用关系紧密，函数调用使用关键字参数来确定传入的参数值。使用关键字参数允许函数调用时参数的顺序与声明时不一致，因为 Python 解释器能够用参数名匹配参数值。

默认参数。调用函数时，如果没有传递参数，则会使用默认参数。

不定长参数。你可能需要一个函数能处理比当初声明时更多的参数，这些参数叫做不定长参数，它们在声明时不会命名。

def functionname([formal_args,] *var_args_tuple ):

"函数_文档字符串"

function_suite

return [expression]

加了星号 * 的参数会以元组(tuple)的形式导入，存放所有未命名的变量参数。如果在函数调用时没有指定参数，它就是一个空元组。我们也可以不向函数传递未命名的变量。

def functionname([formal_args,] **var_args_dict ):

"函数_文档字符串"

function_suite

return [expression]

加了两个星号 ** 的参数会以字典的形式导入。

匿名函数

所谓匿名，意即不再使用 def 语句这样标准的形式定义一个函数。

lambda 只是一个表达式，函数体比 def 简单很多。

lambda 的主体是一个表达式，而不是一个代码块。仅仅能在 lambda 表达式中封装有限的逻辑进去。

lambda 函数拥有自己的命名空间，且不能访问自己参数列表之外或全局命名空间里的参数。

虽然 lambda 函数看起来只能写一行，却不等同于 C 或 C++ 的内联函数，后者的目的是调用小函数时不占用栈内存从而增加运行效率。

sum = lambda arg1, arg2: arg1 + arg2

print ("相加后的值为 : ", sum( 10, 20 ))

print ("相加后的值为 : ", sum( 20, 20 ))

>>>

相加后的值为 : 30

相加后的值为 : 40

5. 列表推导式

vec = [2, 4, 6]

[3 * x for x in vec if x > 3]

>>>

[12, 18]

matrix = [ [1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12] ]

[[row[i] for row in matrix] for i in range(4)]

>>>

[[1, 5, 9], [2, 6, 10], [3, 7, 11], [4, 8, 12]]

6. 遍历技巧

在序列中遍历时，索引位置和对应值可以使用 enumerate() 函数同时得到。

同时遍历两个或更多的序列，可以使用 zip() 组合。

要反向遍历一个序列，首先指定这个序列，然后调用 reversed() 函数。

要按顺序遍历一个序列，使用 sorted() 函数返回一个已排序的序列，并不修改原值。

a = [2, 4, 6]

for i, v in enumerate(a):

print(i, v)

>>>

0 2

1 4

2 6

>>> b = ['sen', 'ius', 'en']

>>> for i, j in zip(a, b):

... print(i, j)

...

2 sen

4 ius

6 en

>>> for i in reversed(a):

... print(i)

...

6

4

2

>>> for i in sorted(b):

... print(i)

...

en

ius

sen

>>>

参考资料 菜鸟教程

获取更多精彩，请关注「seniusen」!