Python基础 1 - 数据结构

---

---

---

  大家好，我是技术界的小萌新，今天要和大家分享一些干货。在阅读之前请先点赞👍，给我一点鼓励吧！这对我来说很重要 (*^▽^*)

一、Python 基本介绍

1、编程语言

  Python 是面向对象的编译型语言。

  程序设计语言：机器语言 → 汇编语言 → 高级语言
  编译与解释：

2、字面量 (Literal)

  字面量：在代码中，被写下来的固定的值。它与变量不同，字面量是变量值的最直接表示。
  字面量是创建对象的一种快速方式，它们在 Python 中广泛使用，因为 Python 是一种非常注重可读性和简洁性的语言。使用字面量可以方便地在代码中表示数据结构。

  在 Python 中，字面量（Literal）指的是直接表示值的符号。它们是编程语言中用于创建特定数据类型实例的表达式，不需要通过函数或构造器调用。Python 中的字面量包括：

1. 整数字面量：直接表示整数的数字，例如：42。
2. 浮点数字面量：包含小数点或使用科学计数法的数字，例如：3.14 或 1e-10。
3. 布尔字面量：表示逻辑值 True 或 False。
4. 字符串字面量：用单引号 ('...') 或双引号 ("...") 括起来的文本序列，例如：'hello' 或 "world"。
5. 列表字面量：用方括号括起来的有序集合，可以包含不同类型的元素，例如：[1, 2, 3]。
6. 元组字面量：用圆括号括起来的有序集合，一旦创建就不能修改，例如：(1, 2, 3)。
7. 字典字面量：用花括号括起来的无序集合，包含键值对，例如：{'key': 'value'}。
8. 集合字面量：用花括号定义的无序且不包含重复元素的集合，例如：{1, 2, 3}。

  print(字面量)：

  print 可以打印 Python 中的字面量，String 类型数据(值)必须用 ’ '、" " 、 “”" “”" 单、双、三引号括起来。

• 单引号内无需双引号转义，双引号内无需单引号转义，三引号内无需单双引号转义。

  Python 常用数据类型如下：

3、数据类型查看及转换：

  type(对象) ：返回对象数据类型，print(type())显示。

  int(对象)、str(对象)、float(对象) ： 转换对象数据类型。float —> int ，截断小数部分。

instance=3.1415926
print(type(str(instance)),instance)

打印：
<class 'str'> 3.1415926

4、标识符

  在 Python 程序中，可以在编程时对 变量、类、方法 等起名，统一称作 标识符 ，用来做内容的标识。

  标识符命名规则

1. 内容限定：标识符只允许出现 英文、数字(不可以用于开头)、下划线、中文(不推荐)。
2. 大小写敏感：Python 区分大小写。
3. 不可使用关键字：如 False、True、containue、break、class 等。

  命名规范

1. 变量命名规范：a. 见名知意、b. 下划线命名法：多个单词组合变量名进行下划线分隔、 c. 英文字母全小写。

5、运算符

1) 算术运算符

  //：为向下取整。

2) 赋值运算符

​ 多重赋值介绍： 可以不引入临时变量，交换两个变量的值。

x = 2
y = 4
x, y = y, x
print(x, y)

打印：
4 2

​ 这里发生的事:

• 求值：在赋值之前，Python 需要知道要赋给变量的值是什么，所以如果有表达式，会先进行表达式的计算、函数返回值的接收。
• 赋值：这里的 y, x 的值被 Python 确定下来，即 旧值、计算后的值按变量 “，” 逗号分隔的顺序进行等号两端的一一对应赋值。
• 交换：就结果而言，x，y 没有引入第三个变量就完成了变量交换，通过多重赋值的原理。

3) 比较运算符

二、字符串扩展

1、字符串拼接

  除字符串之外的数据类型无法拼接。

  用法：字符串变量 + 字符串变量，字符串变量 + 字符串字面量 进行字符串拼接： print(str1 + str2,"str3" + str4)

2、字符串格式化

  通过占位符占位的形式，完成字符串拼接。

  格式 1：占位符：%s 内容转换为字符串，%d 整数类型占位，%f 浮点数类型占位。

  数字精度控制：

  %m,nd %m,nf ：m 为限制数字的宽度，多余的宽度前面用空格填充(小数点也算是宽度)， 宽度小于数字自身，不生效，即m<=(数字+.+小数宽度)；n为控制小数点精度，要求为数字， 会进行小数的四舍五入。

name="张三"; gender="男"; age=20;weight=130.567
sum="%s %s age:%d weight=%f" % (name,gender,age,weight)
print(sum)
print("%s %s age:%5d dweight=%.2f" % (name,gender,age,weight))
print("%s %s age:%.5d dweight=%14.10f" % (name,gender,age,weight))
print("%s %s age:%5d dweight=%15.10f" % (name,gender,age,weight))

打印：
张三 男 age:20 weight=130.567000
张三 男 age:   20 dweight=130.57
张三 男 age:00020 dweight=130.5670000000
张三 男 age:   20 dweight= 130.5670000000

3、字符串快速格式化

  格式 2：f"{变量}" 特点： (无占位符)不标识数据类型，不能做精度控制。 （f=format /ˈfɔːrmæt/ 格式化 ）

  用途：不需要做数字类型精度控制时使用。

name="张三"; gender="男"; age=20;weight=130.567
format=f"{name} {gender} age:{age} weight={weight}"
print(format)

打印：
张三 男 age:20 weight=130.567

4、表达式的格式化

  表达式的返回结果也作为一个字符串对象，进行格式化，表达式为 算术表达式、函数 等

print("1 * 1 = %d" % (1 * 1))
print(f"1 * 2 = {1 * 2}")
print("该函数返回值类型为 %s" % type("string"))

打印：
1 * 1 = 1
1 * 2 = 2
该函数返回值类型为 <class 'str'>

三、bool 布尔数据类型

1、bool 类型的定义

  bool 类型的字面量： [ 不仅可以被定义，也可以通过比较运算符进行内容比较得到 ]

• True 表示真，1
• False 表示假，0

  定义：方式 1：变量名 = bool 字面量 ；方式 2：比较运算符： (num1 > num2), f"{num1 < num2}"

bool_1=True
bool_2=False
print(bool_1,bool_2)
num1=10
num2=20
print(f"num1 < num2 = {num1 < num2}")
print((num1>=num2))

打印：
True False
num1 < num2 = True
False

四、其他概念

迭代（Iteration）

  迭代是指如 for、while 循环结构一直重复同一系列的操作，如遍历一个数据序列（如列表、元组、字典等）的过程。

  迭代器（Iterator）

  迭代器是一个可以记住遍历位置的对象。它是一个遵循特定协议的对象，这意味着它必须有一个名为 __iter__() 的方法，该方法返回迭代器对象本身，以及一个名为 __next__() 的方法，该方法返回序列中的下一个元素。

  生成器（Generator）

  生成器是一种特殊的迭代器，它使用yield语句返回序列的值。每次迭代到yield表达式时，它会生成一个值，并且可以在下一次迭代时从它离开的地方继续执行。

# 斐波那契数列 演示生成器：
 
def fab(max): 
    n, a, b = 0, 0, 1 
    while n < max: 
        yield b      # 使用 yield
        # print b 
        a, b = b, a + b 
        n = n + 1
 
for n in fab(5): 
    print n
    
打印：
1 
1 
2 
3 
5

  过程分析：

  yield 的作用就是把一个函数变成一个 generator，带有 yield 的函数不再是一个普通函数，Python 解释器会将其视为一个 generator，调用 fab(5) 不会执行 fab 函数，而是返回一个 iterable 对象！在 for 循环执行时，每次循环都会执行 fab 函数内部的代码，执行到 yield b 时，fab 函数就返回一个迭代值，下次迭代时，代码从 yield b 的下一条语句继续执行，而函数的本地变量看起来和上次中断执行前是完全一样的，于是函数继续执行，直到再次遇到 yield。

  总结：

  一个带有 yield 的函数就是一个 generator，它和普通函数不同，生成一个 generator 看起来像函数调用，但不会执行任何函数代码，直到对其调用 next()（在 for 循环中会自动调用 next()）才开始执行。虽然执行流程仍按函数的流程执行，但每执行到一个 yield 语句就会中断，并返回一个迭代值，下次执行时从 yield 的下一个语句继续执行。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次，每次中断都会通过 yield 返回当前的迭代值。

  也可以手动调用 fab(5) 的 next() 方法（因为 fab(5) 是一个 generator 对象，该对象具有 next() 方法），这样我们就可以更清楚地看到 fab 的执行流程：

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

  当函数执行结束时，generator 自动抛出 StopIteration 异常，表示迭代完成。在 for 循环里，无需处理 StopIteration 异常，循环会正常结束。

  yield 的好处是显而易见的，把一个函数改写为一个 generator 就获得了迭代能力，比起用类的实例保存状态来计算下一个 next() 的值，不仅代码简洁，而且执行流程异常清晰。

参考： Python yield 使用浅析 | 菜鸟教程 (runoob.com)

为什么使用迭代器？

1. 内存效率：迭代器不需要一次性将所有元素加载到内存中，特别是对于大型数据集合，这可以显著减少内存使用。
2. 惰性计算：迭代器可以延迟计算，只在需要时生成下一个元素，这有助于提高性能。
3. 协议遵循：遵循迭代器协议使得对象可以被 Python 的for循环和其他迭代器使用。

  文章到这里就结束了，希望我的分享能为你的技术之旅增添一抹亮色。如果你喜欢这篇文章，请点赞收藏支持我，给予我前行的动力！🚀

---

---