一、python简介
python语言的特性就是简单优雅,写容易明了的代码,而且尽量写少的代码。python为我们提供了完善的基础代码库,包括网络、文件、DB、文本等。除了内置库外,还有大量第三方库。所以,使用python开发,许多功能不需从零编写,直接使用现成的即可。
python是解释性语言,运行速度与C语言相比较慢。因为,代码是在执行时候翻译为CPU理解的机器码,这个翻译过程较为耗时。而C程序会在运行前先编译为机器码。
二、python基础
#是注释。通过空格进行缩进,当一行语句以:结尾时,缩进的语句视为一段代码块。按约定俗成的规范,使用4个空格进行缩进。最后代码就类似这样:
#output name
a = 100
if a > 10:print("a>10")else:print("a<=10")
1. 数据类型和变量
1.1. 数据类型
整数:例如:1, -10, 0等。十六进制表示整数方式为:以0x为前缀,后面为0-9, a-f,例如:0x11af
浮点数:例如:0.12, -0.1。对于很大的浮点数就用科学计数法表示,把10用e表示,例如:1.23 * 10的9次方表示为1.23e9或12.3e8
整数和浮点数在计算器存储方式不同,整数运算永远是精确的,但是浮点数可能会出现四舍五入的误差。
1.2. 字符串
字符串:以 单引号''或 双引号""括起来的文本,例如:'abc',"abc"。
\是转义符,例如:'I\'m ok'中\转义字符串内部中的',输出结果为I'm ok。此外\n表示换行符,\t表示制表符。
为了简化,还可以通过 r''表示''内部的字符串不转义。通过'''...'''来表示很多行,示例:
>>> print('\转义:', '\\\t\\')
\转义: \ \>>> print('不转义:', r'\\\t\\')
不转义: \\\t\\>>> print('多行:', '''line1
... line2
... line3''')
多行: line1
line2
line3
1.3. 布尔值
布尔值只有True和False两种,可以通过 and,or,not分别进行与、或、非运算。例如:
>>> True andTrue
True>>> True orFlase
True>>> not 5 > 1False
1.4. 空值
空值使用None表示,类似null的含义。
1.5. 变量
变量可以是任意数据类型,变量名必须是 大小写、数字、_组成,不能以数字开头。变量通过=赋值,例如:a = 123将变量a赋值为整数123。
python是动态语言,变量的类型是不固定的。而例如Java则是静态语言,变量在定义时必须指定类型,例如:int a = 123;,赋值时候如果类型不匹配,则编译时会报错。与静态语言相比,动态语言更灵活。
1.6. 常量
常量就是不能变的变量。一般习惯上将常量大写。
python中除法有/和//。/计算结果是浮点数,//计算结果则为整数。通过%来取两个整数相除的余数。例如:
>>> 10 / 3
3.3333333333333335
>>> 10 // 3
3
>>> 10 % 3
1
2. 字符串和编码
2.1. 字符串
python中的字符串类型为str,在内存中以Unicode表示,一个字符对应若干字节。如果在网络上传输或保存到磁盘,就需要把str转化为字节bytes。bytes类型数据用带b前缀的单引号或双引号表示:x = b'abc',注意abc是str类型,而b'abc'则是bytes类型。
str通过encode()可以将编码为指定的bytes,例如:
>>> '中文'.encode('utf-8')
b'\xe4\xb8\xad\xe6\x96\x87'
>>> 'abc'.encode('ascii')
b'abc'
>>> '中文'.encode('ascii')
Traceback (most recent call last):
File"", line 1, in UnicodeEncodeError:'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)
英文的str可以用ASCII编码为bytes,中文的str可以用UTF-8编码为bytes,而中文的str无法通过ASCII编码,因为中文超出ASCII的编码范围,故报错。
bytes可以通过decode()方法解码为str,例如:
>>> b'\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8')'中文'
>>> b'abc'.decode('ascii')'abc'
通过len()可以计算str的字符数或bytes的字节数。例如:
>>> len('中文')2
>>> len('中文'.encode('utf-8'))6
操作字符串时,我们经常会将str和bytes互相转换,为了避免乱码的问题,一般推荐使用utf-8编码方式。
2.2. 格式化
python中的字符串格式化方式和C语言类似,都是通过%运算符实现。例如:
>>> "Hi, %s, you have %d" % ('peter', 100)'Hi, peter, you have 100'
有几个占位符,后面就有几个变量,顺序要对应好。常见的占位符有:
%s: 字符串
%d: 整数
%f: 浮点数,%.2f 表示保留2位小数
另一种格式化字符串的方法是使用字符串的format()方法,它会用传入的参数依次替换字符串内的占位符{0}、{1}...,例如:
>>> "Hi, {0}, you have {1:.2f}".format('peter', 3.1415926)'Hi, peter, you have 3.14'
3. 基本数据结构
3.1 list
list是内置的数据结构:列表,表示有序的数据集合。例如:books = ['a', 'b', 'c'],books就是一个list。使用的一些方法如下:
>>> books = ['a', 'b', 'c']>>>books
['a', 'b', 'c']>>> len(books) #计算list元素的个数
3
>>> books[0] #通过索引访问list中的元素,索引下标从0开始
'a'
>>> books[4] #超出list的范围会报IndexError错误,最后一个下标是 len-1
Traceback (most recent call last):
File"", line 1, in IndexError: list index out of range>>> books[-1] #下标-1代表最后一个元素,-2是倒数第二个元素,以此类推
'c'
>>> books[-2]'b'
>>> books.append(True) #往list队尾添加元素
>>> books.insert(1, ['abc', 'def']) #往list指定下标位置(1)添加元素
>>> books #list内的元素可以是不同的类型
['a', ['abc', 'def'], 'b', 'c', True]>>> books.pop() #从队尾删除元素
True>>> books.pop(1) #从list指定下标位置(index=1)删除元素
['abc', 'def']>>>books;
['a', 'b', 'c']>>> books[1] = 'abc' #可以类似数组,直接替换指定下标位置的元素
>>> list = list(range(5)) #通过range()函数生成0-4的整数序列,再通过list()函数转换为list
>>>list
[0,1, 2, 3, 4]
3.2 tuple
tuple是另一种有序数组,但和list不同的是tuple一经初始化就不能再修改,不能使用append(),pop()等修改方法。可以和list类似使用books[0],books[-1]正常访问元素。不可变使得代码更安全。使用方法如下:
>>> books = (1,2,['a','b']) #通过(... , ...)定义tuple
>>>books
(1, 2, ['a', 'b'])>>> books[2][1]'b'
3.3 dict
dict全称为dictionary,是python的内置字典。使用 key-value 键值对存储,一个key只对应一个value。类似 java 中的 map,使用了哈希表的数据结构,有极快的查找速度。使用方法如下:
>>> dict = {'a':100, 'b':200, 'c':300}>>> dict['c'] #根据key获取value
300
>>> dict['Adam'] = 400 #通过key放入value数据
>>> 'Adam' in dict #判断key是否在字典中
True>>> 'adam' indict
False>>> dict.get('Adam') #key如果不存在,则会返回None
400
>>> dict.pop('a') #删除一个key-value对
100
注意:dict的key是不可变的
3.4 set
set和dict类似,也是一组key的集合,但不存储value。在set中,key不能重复。使用方法如下:
>>> set = set([1,2,3]) #新建set,以list作为输入集合
>>> set.add(1) #往set中添加元素,但set中元素不能重复
>>> set.remove(1) #从set中移除元素
>>> s1 = set([1,2,3])>>>s1
{1, 2, 3}>>> s2 = set([2,3])>>> s1 & s2 #求s1和s2两个set的交集
{2, 3}>>> s1 | s2 #求s1和s2两个set的并集
{1, 2, 3}
4. 条件和循环
4.1. 条件判断
条件判读通过if,elif,else完成,完成形式如下:
if :
elif :
elif :
else:
如果一个if判断为True,则会忽略下面的判断语句
4.2. 循环
循环方式有两种,一种是for...in循环,依次将list或tuple中的元素迭代出来,计算1-100的和:
sum =0for x in range(101):
sum+=xprint(sum)
另一种方式是while循环,只要条件满足while后语句,就一直循环。计算1-100的和:
sum =0
x= 1
while x <= 100:
sum+=x
x+= 1
print(sum)
可以通过break提前退出while循环,contince提前结束当前循环,进行下次循环。这两个语句通常需要配合if使用
三、 函数
1. 调用函数
如果想调用一个函数,需要知道这个函数的名称和参数。如abs()求绝对值的函数,只要一个参数,可以通过help(abs)查看该函数的帮助信息。
>>> abs(-1)1
>>> abs(1,2)
Traceback (most recent call last):
File"", line 1, in TypeError: abs() takes exactly one argument (2given)>>> abs('abc')
Traceback (most recent call last):
File"", line 1, in TypeError: bad operand typefor abs(): 'str'
如果传参的个数或类型不正确,会报TypeError错误,并提示错误信息。
函数名就是指向函数对象的引用,可以将函数名赋值给一个变量,相当于给函数起了个"别名":
>>> a = abs #将变量a指向函数abs()
>>> a(-1) #通过a调用abs()函数
1
2. 定义函数
定义函数使用def,函数的返回值使用return,例如:
defmy_abs(x):if not isinstance(x, (int, float)): #检查 x 的数据类型
raise TypeError("type error") #抛出TypeError异常
if x >=0:
x;else:return -x;print(my_abs(-1))
如果没有return值,则会返回None。
pass作为占位符,表示什么都不会做。如果没想好怎么写函数中的代码,可以先用pass让代码运行起来。而缺少了pass,代码会报错。
if x >=0:pass;
函数可以返回多个返回值,但其实是返回的单一值:tuple。但写起来方便,可以使用多个变量来接受一个tuple。
deftest(x):return 1,2x, y= test('a')print(test('a'))
输出:
(1, 2)
3. 函数的参数
函数除了必选参数外,还提供了默认参数,可变参数和关键字参数,使得定义的函数能处理复杂的参数,简化开发者的调用。
1)默认参数:先定义power函数,计算x的n次方:
def enroll(name, gender, age=6, city='Beijing'):#第3、4个参数设置默认值
print('name:', name)print('gender:', gender)print('age:', age)print('city:', city)return
print(enroll('a', 'F')) #等同于调用enroll('a','F',6,'Beijing')
print(enroll('a', 'F', city='BJ')) #当参数不按定义的顺序传递时,需要把参数名写上,此时age还使用默认值
设置默认参数有几点需要注意:
必选参数在前,默认参数在后。否则无法判断参数的值该是哪个
变化大的参数放前面,变化小的参数放后面。变化小的可以设置为默认参数,好处就是降低了调用函数的难度。
默认参数必须指向不可变对象
2)可变参数,传入函数的参数个数是可变的,可以是0, 1...个。可变参数是在参数前面加上了*,例如:
def cacl(*number): #number接收的是一个tuple
for x innumber:print(x)
cacl()
cacl(1,2,3) #函数可以传任意值
nums = [1,2,3]
cacl(*nums) #nums前加一个*,将list或tuple的值作为可变参数传递
3)关键字参数:允许传递0或任意个含参数名的参数,这些关键字参数在函数内部组装成一个dict。关键字参数可以扩展函数的功能。例如:
def person(name, age, **kw):print('name', name, 'age', age, 'others', kw)#可传入任意个关键字参数
person('peter', 10, gender='M', job='Engineer')#可先组装dict,然后通过**dict将所有key-value用关键字参数传入函数的**kw,kw获得dict的一份拷贝,对kw的改动不会影响外面的dict
dict = {'gender':'M', 'job':'Engineer'}
person('peter', 10, **dict)
4)命名关键字参数:函数调用者可以传入任意不受限制的关键字参数,在函数内部可以通过kw检查到底传递了哪些。例如:
def person(name, age, **kw):if 'city' in kw: #检查是否有city和job参数
print(kw['city'])if 'job' inkw:print(kw['job'])print(name, age, kw)
如果要限制关键字参数的名字,可以使用命名关键字参数,和关键字参数**kw不同,命名关键字参数需要一个特殊的分隔符*,*后面的参数被视为命名关键字参数。例如:
def person(name, age, *, city, job): #只接收city和job作为关键字参数
print(name, age, city, job)#命名关键字参数必须传入参数名,如果没有传入参数名,则调用会报错
person('name', 18, city='city', job='job')
4. 递归函数
函数内部可以调用其他函数,如果一个函数在内部调用本身,则这个函数是递归函数。例如:计算n的阶乘用递归方式写出来就是
deffunc(n):if n == 1:return 1
return n * func(n-1)
四、高级特性
利用python的一些高级特性,可以用1行代码实现很多功能,从而帮助我们提升了开发效率。
1. 切片
python提供了切片(Slice)操作符,用于取list或tuple的部分元素。
>>> L = ['a','b','c','d','e']>>> L[0:3] #取前3个元素,从索引0到索引3(但不包括索引3)的元素
['a', 'b', 'c']>>> L[:3] #如果第一个索引是0,可以省略
['a', 'b', 'c']>>> L[-2:-1] #倒数切片,倒数第2个元素,倒数第一个元素索引是-1
['d']>>> L[-2:] #倒数前2个元素
['d', 'e']>>> L[0:5:2] #取前5个元素,每2个取一次
['a', 'c', 'e']>>> L[::2] #取所有元素,每2个取一次
['a', 'c', 'e']
tuple是不可变的一种list,也支持切片操作,操作结果仍是tuple
>>> (1,2,3,4,5)[:3]
(1, 2, 3)
字符串"abcde"也可看做是一个list,每个元素就是一个字符,也可以使用切片操作,其结果仍旧是字符串
>>> 'abcde'[:5:2]'ace'
2. 迭代
如果给定一个list或tuple,可以使用for循环来遍历,这种遍历称为迭代(Iteration)。python中的迭代是通过for...in来完成,不仅可迭代list/tuple。还可迭代其他对象。
#迭代list
>>> l = list(range(10))>>> for item inl:
...print(item)#迭代dict,由于dict的存储不是像list那样顺序存储,所有迭代结果可能不是按顺序的
>>> d = {'a':1, 'b':2}>>> for key in d: #默认是迭代的key
... print(key)
...
b
a>>> for value in d.values(): #迭代value
... print(value)
...2
1
>>> for k,v in d.items(): #迭代key和value
... print(k, v)
...
b2a1
#迭代字符串
>>> for ch in 'abc':
...print(ch)
...
a
b
c
当使用for时,只要作用与一个迭代对象,就可以正常运行,我们不需要关注迭代对象是list还是其他数据类型。可以通过collections模块的Iterable类型判断一个对象是否是可迭代对象:
>>> from collections importIterable>>> isinstance('abc', Iterable) #str类型可迭代
True>>> isinstance(123, Iterable) #整数不可迭代
False>>> dict={'a':1}>>> isinstance(dict, Iterable) #dict类型可迭代
True
python内置的enumerate函数可以将list变成索引-元素对。这样可以在for中迭代索引和对象本身:
>>> l = ['a','b','c','d']>>> for i,value inenumerate(l):
...print(i, value)
...
0 a1b2c3 d
3. 列表生成式
python内置了简单而强大的生成list的方式,通过使用列表生成式可以写出非常简洁的代码。
#生成 2-10 的list
>>> L=list(range(2,11))>>>L
[2, 3, 4, 5, 6, 7, 8, 9, 10]
此外,还可以在for...in...后面加上if进行判断。例如:生成3-10中偶数的平方的list:
>>> L=[x * x for x in range(3,11) if x % 2 ==0]>>>L
[16, 36, 64, 100]
等价于
>>> L=[]>>> for x in range(3,11):
...if x % 2 ==0:
... L.append(x*x)
...>>>L
[16, 36, 64, 100]
列表生成式也可以使用两个变量来生成list:
>>> dict={'a':'1', 'b':'2'}>>> [k+'='+v for k,v indict.items()]
['b=2', 'a=1']
4. 生成器
通过列表生成器,可以直接创建一个列表。但是,假如创建一个包含100万个元素的列表,需要占用大量的内存空间,而我们只需要前几个元素,那么大多数元素占用的内存空间就浪费了。
对于这种情况,python提供了生成器(generator),能一边循环一边计算,从而不需要创建完整的list,节省了内存空间。
第一种创建generator生成器的方式:将[]改为()
>>> L = [x * x for x in range(1,10)] #创建list
>>> L #打印list的每一个元素
[1, 4, 9, 16, 25, 36, 49, 64, 81]>>> g = (x * x for x in range(1,10)) #创建generator
>>>g at 0x1024e0bf8>
>>> next(g) #用next()函数获取generator下一个返回值
1
>>>next(g)4
next()会计算g的下一个元素,当没有元素时,会抛出StopIteration异常。generator是可迭代对象,可以使用for循环来代替next()
>>> g = (x * x for x in range(1,5))>>> for n ing:
...print(n)
...1
4
9
16
第二种创建generator生成器的方式:函数定义中使用yield,将函数变成generator
下面是生成菲波那切数列的函数,除第一个和第二个数之外,后面每个数等于前两个数的和:
deffib(max):
n, a, b= 0, 0, 1
while n
a, b= b, a +b
n= n + 1
return 'done'fib(6) #输出菲波那切数列前6个数
这种逻辑非常类似generator,可以从第一个元素开始,推算后面任意的元素。将print(b)改为yield b,该函数就就变成了generator。generator和普通函数执行流程不一样:
普通函数是顺序执行,遇到return或最后一行函数语句就会返回;
而变为generator的函数,每次调用next()的时候执行,遇到yield中断并返回值,再次调用next()时从上次yield语句处继续执行。
>>> deffib(max):
... n, a, b= 0, 0, 1...while n
...yieldb
... a, b= b, a +b
... n= n + 1...return 'done'...>>> g = fib(6) #生成generator对象
>>>g
>>> next(g) #调用next()函数不断获取后一个返回值
1
>>>next(g)1
>>>next(g)2
>>>next(g)3
>>>next(g)5
>>>next(g)8
>>> next(g) #此时 n = max, 没有yield可以执行了,所有调用就报错了
Traceback (most recent call last):
File"", line 1, in StopIteration: done>>> for n in fib(6): #也可以使用for循环进行generator的迭代
... print(n)
5. 迭代器
直接作用于for循环的数据类型有以下几种:
集合数据类型:list,tuple,dict,set,str等
generator:包括生成器和带yield的生成器函数
这些可作用for循环的对象统称为可迭代对象:Iterable。可通过isinstance()判断一个对象是否是Iterable:
>>>isinstance([],Iterable)
True>>> isinstance((x for x in range(10)),Iterable)
True>>> isinstance(123,Iterable)
False
生成器不仅可作用于for循环,还可被next()不断调用返回下一个值,直至抛出StopIteration,这类对象成为迭代器:Iterator,也可使用isinstance进行判断:
>>> from collections importIterator>>>isinstance([],Iterator)
False>>> isinstance((x for x in range(10)), Iterator)
True
迭代器Iterator表示的是一个数据流,可将数据流看做是一个有序队列,但不能提前知道队列的长度,只能通过next()函数实时按需计算下一个元素的值。
五、函数式编程
1. 高阶函数
函数名是指向函数的变量,对于函数abs(),可将abs函数名看做变量,它指向可以计算绝对值的函数。另外,函数本身可以赋值给其他变量:
>>> abs(-10) #调用求绝对值的函数
10
>>> abs #abs是函数本身
>>> f=abs #将函数本身赋值给变量
>>>f
>>> f(-10) #通过变量来调用函数。直接调用abs()和调用变量f()相同
10
既然变量可以指向函数,函数的参数能接受变量,那么一个函数就可以接收另一个函数作为参数,这种函数就称为高阶函数。函数式编程就是指这种高度抽象的编程范式。例如:
defadd(x, y, f):print(f(x) +f(y))
add(-5, 6, abs) #f=abs 作为参数传入, 最后计算abs(-5) + abs(6)
输出:11
1.1 map/reduce
map()函数接收两个参数,第一个是函数,第二个是Iterable(可迭代对象)。map将函数作用与序列的每一个元素,并作为结果返回Iterator(迭代器)。举例如下:
#第一个参数str是str()函数,将list中的每个数字转化为str
>>> result = map(str, [1,2,3,4,5])>>>isinstance(result, Iterator)
True>>> list(result) #结果是Iterator惰性序列,通过list()函数将其转化为list
['1', '2', '3', '4', '5']
reduce()函数也接收两个参数,第一个是函数,第二个是Iterable。reduce将函数作用在序列上,将结果继续和序列的下一个元素做累积计算。效果就是:
reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)
举例如下:将[1,3,5,7,9]转化为13579
>>> from functools importreduce>>> deffn(x, y):
...return x * 10 +y
...>>> reduce(fn, [1,3,5,7,9])13579
map()可以与reduce()配合起来使用:实现将str转化为int,只需要几行代码
>>> DIGITS = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}#str也是一个Iterable
>>> reduce(lambda x, y:x*10 + y, map(lambda x:DIGITS[x], '13579'))13579
1.2 filter
filter()也接收一个函数和一个Iterable序列,将函数依次作用与序列中的每个元素,然后保留返回True的元素,丢弃返回False的元素,最终返回Iterator序列。通过help()了解filter的说明:
>>>help(filter)
Help onclass filter inmodule builtins:classfilter(object)| filter(function or None, iterable) -->filter object|
| Return an iterator yielding those items of iterable forwhich function(item)| is true. If function is None, return the items that are true.
filter()主要是实现筛选功能。例如:筛选list中的奇数
>>> defis_odd(n):
...return n % 2 == 1...#filter返回Iterator序列,需要用list()来获取所有结果
>>> list(filter(is_odd, [1,2,3,4,5]))
[1, 3, 5]
1.3 sorted
sorted()函数可以对Iterable序列进行排序。默认是从小到大的升序,也可指定reverse=True改为从大到小。它还可以接受一个函数key来自定义排序方法:该函数会作用与序列的每一个元素,然后根据key函数返回的结果进行排序。
#对list进行排序
>>> sorted([1, -5, 3])
[-5, 1, 3]#接收key函数实现自定义排序,按绝对值大小排序
>>> sorted([1, -5, 3], key=abs)
[1, 3, -5]#反向排序
>>> sorted([1, -5, 3], key=abs, reverse=True)
[-5, 3, 1]
2. 返回函数
高阶函数除了能将函数作为参数,还可将函数作为返回值。例如:
>>> def lazy_sum(*args):
...defsum():
... s=0
...for n inargs:
... s= s +n
...returns
...return sum #返回求和函数
...>>> f=lazy_sum(1,2,3,4,5) #调用lazy_sum时,返回求和函数而不是求和结果
>>>f.sum at 0x101c09ae8>
>>> f() #调用f()时,才会计算求和结果
15
闭包:在上面的例子中,lazy_sum函数中定义了函数sum,内部sum函数可以引用外部函数lazy_sum的参数和局部变量(args)。当lazy_sum返回sum时,相关参数和变量(args)都保存在返回的sum函数中,这种成为闭包。返回闭包时候需要注意一点:返回函数不要引用任何循环变量,或者后续会发生变化的变量。
3. 匿名函数
我们在传入函数时,有时候不需要显式的定义函数,直接传入匿名函数更方便。关键字lambda表示匿名函数,例如:lambda x: x * x表示计算x的平方的函数,冒号前面的x表示函数参数,lambda只需要一个表达式,不需要写return,返回值就是表达式的值。
#map第一个参数为传入的函数
>>> list(map(lambda x : x * x, [1,2,3]))
[1, 4, 9]
4. 装饰器
装饰器:在代码运行期间动态的增加函数功能的方式称为装饰器。例如:有一个now()函数,希望在函数调用的前后打印日志,而又不修改函数的定义,从而增加now()函数的功能。
#定义能打印日志的装饰器,接收一个函数作为参数,并返回一个函数
importfunctoolsdeflog(func):#将原始函数now的__name__等属性复制到wapper中,否则部分依赖函数签名的代码执行时会出错
@functools.wraps(func)def wapper(*args, **kw):print("call %s" % func.__name__)return func(*args, **kw)returnwapper#使用@语法,将装饰器置于函数的定义处
@logdefnow():print("2018-01-01")
now()#调用now函数,不仅运行now本身,也会在now之前打印一行日志
---call now2018-01-01
将@log放置在now函数定义处,相当于执行了now = log(now),log()是一个装饰器,返回一个函数,所以现在now指向了新的函数wapper()(即在log内定义的函数)。wapper函数的参数定义是*args, **kw,因此wapper可以接收任何参数。
5. 偏函数
int()能将字符串转化为整数,默认是按10进制进行转化转换,还提供了额外的base参数来指定做N进制的转换。
>>> int('123')123
>>> int('123', base=8) #按8进制进行转换
83
可以通过functional.partial帮我们创建一个偏函数,创建一个新的函数int2(),将int()函数的base参数设置默认值,从而使用int2()函数转化2进制会更方便一些。注意:新的int2函数中base=2是默认值,也可以设置为其他值:
>>> importfunctools>>> int2=functools.partial(int, base=2)>>> int2('100101')37
>>> int2('100101',base=10)100101
六、模块
一个.py文件称为一个模块(module),使用模块提升了代码的可维护性,编写完一个模块,可以在其他模块引用。使用模块还能避免函数和变量名冲突,相同名字的函数和变量可以在不同的模块中。如果为了避免模块名冲突,python又按目录来组织模块的方法,称为包(package)。
mycompany
├─__init__.py
├─ abc.py
└─ xyz.py
以上目录存放例子,mycompany是一个顶层包名,abc.py的模块名就是mycompany.abc。每个目下会有一个__init__.py文件,这个文件是必须的,否则python会将它看做是一个普通的目录,而不是一个包,init.py本身就是一个模块,模块名为mycompany。
自己创建模块时需要注意不要和系统自带的模块名冲突,例如,系统自带了sys模块,自己的模块就不能命名为sys.py。
使用python本身内置的模块,只需要import 模块名就可以了。例如:import sys,就导入了sys模块,变量sys就指向该模块,利用sys变量,就可以访问sys模块的所有功能。
七、面向对象编程
面向对象编程,简称OOP(Object Oriented Programming),是一种程序设计思想,将对象作为程序的基本单元,一个对象包含了数据和操作数据的函数。python中,所有数据类型都可以视为对象,也可以自定义对象,自定义的对象数据类型就是类(Class)的概念。面向对象的三大特点:封装、继承、多态。
1. 类和实例
类(Class)是抽象的模板,而实例(Instance)是根据类创建出来的一个个具体的"对象",每个对象拥有相同的方法,而各自的数据不同。
#class关键字定义类,后面object表示Student是从object继承的,
classStudent(object):#通过定义特殊的__init__方法,在创建类时,将必须绑定的属性强制填写进去
#__init__第一个参数是self,表示实例本身,在内部将name和score属性绑定到self上
def __init__(self, name, score):
self.name=name
self.score=scoredef print(self):print("%s %s" %(self.name, self.score))#创建Student实例,必须传入与__init__方法匹配的参数
std = Student("name", 90)#Student实例将name和score数据封装起来,通过调用实例的方法,操作对象的内部数据
std.print()
2. 访问限制
上例中,仍可以通过std.name来访问和修改实例的name属性。如果要将name和score内部属性设置为私有变量(private),可以在属性的名称前加两个下划线__,只有内部可以访问,外部不可以访问。如下:
classStudent(object):def __init__(self, name, score):
self.__name =name
self.__score =scoredefprint_score(self):print("%s, %s" % (self.__name, self.__score))
变量名类似__xxx__,前后都有两个下划线的是特殊变量,特殊变量可以直接访问,不是private的。
3. 继承与多态
定义一个新的class可以继承已有的class,从而获得父类的全部功能。例如:
classAnimal(object):defrun(self):print('animal run')#Cat类继承自Animal类
classCat(Animal):#将父类中的run方法覆写掉
defrun(self):print('cat run')
Cat类也可以覆写run方法,从而代码调用时,会调用子类的run方法。这样,我们会获得了多态。
#该函数接受Animal类型的变量
>>> defrun_twice(animal):
... animal.run()
... animal.run()
...>>> run_twice(Animal()) #当传入Animal对象时
animal run
animal run>>> run_twice(Cat()) #当传入Cat对象时
cat run
cat run
对于传入的不同的Animal子类,run_twice()函数不需要做任何修改,只需要接受Animal类型就可以了。因为Cat等子类也算是Animal类型,然后可以按照Animal的类型进行操作,可以放心的调用run()方法,而具体的run()方法是作用在Animal、Cat对象上,由运行时该对象的确切类型决定。这就是多态的好处:
对扩展开放:允许新增Animal的子类
对修改封闭:不需要修改依赖Animal类型的run_twice()函数
静态语言 vs 动态语言:
对于静态语言(例如Java):如果需要传入Animal类型,则传入的对象必须是Animal类型或它的子类,否则将无法调用run()
对于动态语言(例如python):则不一定需要传入Animal类型,只需要保证传入的对象有一个run()方法就行。
这就是动态语言的鸭子类型:不像静态语言那样要求严格的继承体系,一个对象"看起来像鸭子,走起路来像鸭子",那它就可以看做是鸭子。
4. 获取对象信息
可以使用type()来判断对象的类型:
#判断基本类型
>>> type(123)
>>> type('123')
#如果一个变量指向一个类或函数
>>>type(Cat())
>>>type(abs)
type返回Class类型,可以比较两个type是否相同:
>>> type(123)==type(456)
True>>> type('abc')==str
True>>> type('abc')==type(123)
False
对类的继承关系,type不太好判断,可以使用instance()函数,告诉我们一个对象是否是该类型,或该类型的子类。例如:Cat类继承了Animal:
>>> a =Animal()>>> c =Cat()>>>isinstance(a, Animal)
True>>>isinstance(c, Animal)
True>>>isinstance(a, Cat)
False#判断基本类型
>>> isinstance(123, int)
True>>> isinstance('123', int)
False
可以使用dir()获得一个对象的所有属性和方法,配合getattr(),setattr(),hasattr(),操作一个对象的状态:
>>> a =Animal()>>>dir(a)
['__class__', '__delattr__', '__dict__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__', '__init__', '__le__', '__lt__', '__module__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', '__weakref__', 'run']>>> hasattr(a, 'x') #是否有'x'属性
False>>> setattr(a, 'x', 10) #设置属性'x'
>>> getattr(a, 'x') #获取属性'x'
10
>>> fn = getattr(a, 'run') #获取a对象的run方法,赋值到变量fn
>>> fn() #fn()与a.run()是一样的
animal run
5. 实例属性和类属性
python是动态语言,根据类创建的实例可以任意绑定属性。给实例绑定属性时通过实例变量或self:
>>> a =Animal()>>> a.score = 123
如果直接在Animal类本身绑定一个属性,可在class中定义,这种属性时类属性:
>>> classAnimal(object):
... name= "name"...>>> a =Animal()>>> a.name #实例a没有name属性,会查找class的name属性
'name'
>>> Animal.name #打印类的name属性
'name'
>>> a.name='name_object' #给实例a绑定name属性
>>> a.name #实例属性优先级比类属性高,所有屏蔽了类的name属性
'name_object'
实例属性归各个实例所有,互不干扰。类属性属于类所有,所有实例共享一个类属性。不要对实例属性和类属性使用相同的名字,否则将发生难以发现的错误
八、面向对象高级编程
1. 使用slots
在程序运行时可以动态给class绑定属性,但如果想限制实例的属性,例如只允许给Student类添加name或age属性,可以在提供定义class时,设置一个特殊的__slots__变量:
>>> classStudent(object):
...__slots__=('name','age') #通过tuple设置允许绑定的属性明恒
...>>> a =Student()>>> a.name="name" #绑定属性name
>>> a.other=123 #绑定属性other,不在__slots__定义中,出现错误
Traceback (most recent call last):
File"", line 1, in AttributeError:'Student' object has no attribute 'other'
other不在__slots__定义中,所以不能绑定other属性,得到AttributeError错误。__slots__定义的属性仅对当前实例起作用,对继承的子类不起作用。
2. 使用@property
在java中,如果定义了一个属性,一般会实现这个属性的getter和setter方法。在python中,可以通过@property装饰器将方法变成属性调用,这样既能检查参数,又能用属性这样简单的方式来访问变量。
>>> classStudent(object):
... @property
...defscore(self):
...returnself._score
...
... @score.setter
...defscore(self, value):
...if notisinstance(value,int):
...raise ValueError('score must be integer')
...if value > 100 or value <0:
...raise ValueError('score must between 0-100')
... self._score=value>>> s =Student()>>> s.score=-1Traceback (most recent call last):
File"", line 1, in File"", line 10, inscore
ValueError: score must between 0-100
>>> s.score=10 #实际转化为s.set_score(10)
>>> s.score #实际转化为s.get_score()
10
@property将getter方法变成属性,此时@property本身又创建了@score.setter装饰器,负责将setter方法变为属性赋值,于是可以对score进行属性操作。如果只定义了getter方法,没有定义setter方法,那么就是只读属性。通过@property可以让调用者写出简洁的代码,同时保证了参数的校验。
3. 多重继承
设计类的继承关系时,通常主线都是单一继承下来的,如果需要加入额外的功能,通过多重继承就可以实现,这种设计称为MixIn,例如:让Dog除了继承Animal,同时继承Runnable,为了更好的看出继承关系,一般将Runnable改为RunnableMixIn:
classDog(Animal, RunnableMixIn):pass
设计类的时候,我们优先考虑多重继承来组合多个MixIn的功能,可快速构造所需的子类。
4. 定制类
python中有许多特殊用途的函数可以帮助我们定制类。__str__():打印对象时,自定义返回的字符串
>>> classStudent(object):
...def __init__(self,name):
... self.name=name
...def __str__(self):
...return 'student object (name:%s)' %self.name
...>>> print(Student('apple'))
student object (name:apple)
__iter__:如果一个类想用于for...in,类似list或tuple,就需要实现__iter__()方法,该对象返回一个迭代对象,然后for循环会不断调用迭代对象的__next__()方法拿到下一个值,直至遇到StopIteration时退出循环。例如,for循环迭代菲波那切数列:
>>> classFib(object):
...def __init__(self):
... self.a, self.b= 0, 1 #初始化计数器 a,b
...def __iter__(self):
...return self #返回迭代对象自己
...def __next__(self):
... self.a, self.b= self.b, self.a + self.b #计算下一个值
... if self.a > 100: #退出循环的条件
... raiseStopIteration()
...return self.a #返回下一个值
...>>> for n inFib():
...print(n)
__getitem__:上面Fib()可像list一样用于for循环,如果想像list那样按下标取元素,需要实现__getitem__()方法。与之对应的是__setitem__()方法,把对象视作list来对集合赋值,__delitem__(),用于删除某个元素。
__getattr_:当调用类的方法或属性时,如果不存在会报错。没有找到属性的情况下,会调用__getattr__,该方法可把一个类的所有属性和方法全都动态化处理。例如:
>>> classStudent(object):
...def __getattr__(self, attr):
...if attr=='age':
...return 18...if attr=='name':
...return lambda:'name'...>>>stu.name()'name'
>>>stu.age18
5. 使用枚举类
通过Enum类能实现枚举功能。
>>> from enum importEnum>>> Sex=Enum('Sex', ('Male', 'Female')) #获得Sex类型的枚举类
>>> for name, member in Sex.__members__.items(): #Sex所有成员
... print(name, '->', member, '->', member.value)
...#value属性从1开始自动赋值给枚举成员
Male -> Sex.Male -> 1Female-> Sex.Female -> 2
如果要更精确的控制枚举类型,可以从Enum中派生自定义类:
>>> from enum importEnum, unique>>>
>>> @unique #unique装饰器检查没有重复值
... classSex(Enum):
... Male=10 #自定义设置value
... Female=20
#使用枚举类型
>>> print(Sex.Male)
Sex.Male>>> print(Sex.Male.value)10
>>> print(Sex(10)) #根据value值获取枚举常量
Sex.Male
九、错误处理
一般语言的错误处理机制类似:try...except...finally...,大致实现如下:
try:
运行代码...exceptValueError as e:#try中代码如果出错,会跳转至except语句块处理对应的异常
finally:#执行完except后,最终会到finally语句块(不出现错误,也会执行finally)
错误也是一个class,所有错误类型基本继承自BaseException,在使用except时,也会将错误的子类一起捕获。如果错误没有被捕获,那么会按调用栈一层层往上抛,最终被python解释器捕获并打印错误日志,然后程序退出,所以我们捕获错误时,可以将错误堆栈打印出来,这样便于分析错误原因,同时也能让程序继续下去。
我们编写函数时,也可以通过raise主动抛出错误:
deffoo(s):
n=int(s)if n==0:raise ValueError('invalid value: %s' %s)return 10 / n
十、IO编程
IO即指Input/Output,IO中,Stream流是一个重要的概念,可理解为一个一个水管,数据就是水管里的水,只能单向流动
Input Stream 就是数据从外面(磁盘、网络)流进内存
Output Stream 就是数据从内存流到外面
1. 文件读写
读写文件就是请求OS打开一个文件对象(成为文件描述符),然后通过OS提供的接口从文件对象中读写数据。
读文件:
>>> try:#以读文件方式打开文件对象,如果文件不存在,会抛出IOError错误
... f = open('/Users/butterfly/test.txt', 'r')
...print(f.read()) #一次读取文件的全部内容到内存中
... finally:
...iff:#最终,要关闭文件,文件使用后必须关闭,因为文件对象会占用OS的资源,并且OS同一时间打开的文件数量是有限制的
... f.close()
使用try...finally比较繁琐,可使用with简化,会自动调用close方法:
>>> with open('/Users/zhangqi/test.txt', 'r') as f:
...print(f.read())
读文件时,可以通过read(size)指定每次最多读取size个字节内容。readline()每次读取一行内容。读取二进制文件时,可以指定rb模式打开文件。open()方法可以通过encoding参数指定读取文件的编码方式,errors指定读取出现错误时如何处理:
>>> f = open('/Users/michael/gbk.txt', 'r', encoding='gbk', errors='ignore')
写文件:
>>> with open('/Users/zhangqi/test.txt', 'w') as f:
... f.write('hello world')
写文件与读文件唯一区别在于,传入标识符w或者wb表示写文本文件或二进制文件。当写文件时,OS往往不会立即把数据写入磁盘,而是缓存在内存中,在空闲时候再慢慢写入,只有调用close()时,OS才保证将没写入的数据写入到磁盘。所以需要with来保证最后会close。
此外,可以给open()方法传入encoding参数将字符串转换为指定编码,w模式写文件会覆盖已有文件,如果想追加内容到文件末尾,可以传入a以追加(append)模式写入。
2. StirngIO和BytesIO
StringIO可实现在内存中读写str。写str到StringIO:
>>> from io importStringIO>>> f =StringIO()>>> f.write('hello\nworld\n') #像文件一样写入
12
>>> print(f.getvalue()) #获取写入后的str
hello
world
操作二进制数据,就需要使用BytesIO:
>>> from io importBytesIO>>> f =BytesIO()>>> f.write('中文'.encode('utf-8')) #写入经过utf-8编码的bytes到BytesIO
6
>>> print(f.getvalue())
b'\xe4\xb8\xad\xe6\x96\x87'
3.操作文件和目录
os模块封装了操作系统的目录和文件操作,在内部调用了操作系统提供的接口函数。下面是一些常用方法:
#环境变量
>>> importos>>> os.environ #查看操作系统中定义的环境变量
>>> os.environ.get('PATH') #获取某个环境变量中的值
#目录操作
>>> os.path.abspath('.') #查看当前目录的绝对路径
>>> os.mkdir('/Users/michael/testdir') #创建一个新目录
>>> os.rmdir('/Users/michael/testdir') #删除一个目录#将路径拆分为两部分,后一部分是最后级别的目录或文件名
>>> os.path.split('/Users/michael/testdir/file.txt')
('/Users/michael/testdir', 'file.txt')#通过splitext可直接获得文件的扩展名
>>> os.path.splitext('/path/to/file.txt')
('/path/to/file', '.txt')#文件操作
>>> os.rename('test.txt', 'test.py') #对文件重命名
>>> os.remove('test.py') #删除文件
#可方便的列举当前目录下的.py文件
>>> [x for x in os.listdir('.') if os.path.isfile(x) and os.path.splitext(x)[1]=='.py']
参考