03 封装和解构

最新推荐文章于 2022-09-07 00:45:09 发布

荏苒化蝶

最新推荐文章于 2022-09-07 00:45:09 发布

阅读量315

点赞数

分类专栏： python学习文章标签： python

本文链接：https://blog.csdn.net/weixin_44800915/article/details/109757338

版权

python学习专栏收录该内容

8 篇文章 0 订阅

订阅专栏

1,封装和解构

1.1 基本概念

t1 = 1, 2
print(type(t1)) # 什么类型

t2 = (1, 2) 
print(type(t2))

Python等式右侧出现逗号分隔的多值的时候，就会将这几个值封装到元组中。这种操作称为封装 packing。

x, y = (1, 2) 
print(x) # 1 
print(y) # 2

Python中等式右侧是一个容器类型，左侧是逗号分隔的多个标识符，将右侧容器中数据的一个个和左侧标识符一一对应。这种操作称为解构unpacking。

从Python3开始，对解构做了很大的改进，现在用起来已经非常的方便快捷。

封装和解构是非常方便的提取数据的方法，在Python、JavaScript等语言中应用极广.

# 交换数据 
x = 4
y = 5
t = x
x = y
y = t

# 封装和解构，交换 
x = 10
y = 11
x, y = y, x

1.2 简单结构

# 左右个数相同
a,b = 1,2
a,b = (1,2)
a,b = [1,2]
a,b = [10,20]
a,b = {10,20} # 非线性结构
a,b = {'a':10,'b':20} # 非线性结构也可以解构

[a,b] = (1,2) 
[a,b] = 10,20 
(a,b) = {30,40}

那么，左右个数不一致可以吗？ a, b = (10, 20, 30)

1.3 剩余变量解构

在Python3.0中增加了剩余变量解构（rest）。

a, *rest, b = [1, 2, 3, 4, 5]
print(a, b)
print(type(rest), rest) #  <class 'list'> [2, 3, 4]

标识符rest将尽可能收集剩余的数据组成一个列表.

a, *rest = [1, 2, 3, 4, 5]
print(a, rest)

*rest, b = [1, 2, 3, 4, 5]
print(rest, b)

*rest = [1, 2, 3, 4, 5]
print(rest) # 内容是什么？

a, *r1, *r2, b = [1, 2, 3, 4, 5] # ？

a, *_, b = [1, 2, 3, 4, 5]
print(_) # 在IPython中实验，_是最后一个输出值，这里将把它覆盖

_, *b, _ = [1, 2, 3] 
print(_) # 第一个_是什么 
print(b) # 是什么
print(_) # 第二个_是什么

_是合法的标识符，这里它没有什么可读性，它在这里的作用就是表示不关心这个变量的值，我不想要。有人把它称作丢弃(Throwaway)变量。

练习：

从nums = [1, (2, 3, 4), 5]中，提取其中4出来
从list(range(10))中，提取第二个、第四个、倒数第二个元素

2, 集合Set

集合，简称集。由任意个元素构成的集体。高级语言都实现了这个非常重要的数据结构类型。

Python中，它是可变的、无序的、不重复的元素的集合

2.1 初始化

set() -> new empty set object
set(iterable) -> new set object

s1 = set()
s2 = set(range(5))
s3 = set([1, 2, 3]) 
s4 = set('abcdabcd')

s5 = {} # 这是什么？
s6 = {1, 2, 3}
s7 = {1, (1,)}
s8 = {1, (1,), [1]} # ？

2.2 元素性质

去重：在集合中，所有元素必须相异
无序：因为无序，所以不可索引
可哈希：Python集合中的元素必须可以hash，即元素都可以使用内建函数hash
- 目前学过不可hash的类型有：list、set、bytearray
可迭代：set中虽然元素不一样，但元素都可以迭代出来

2.3 增加

add(elem)
- 增加一个元素到set中
- 如果元素存在，什么都不做
update(*others)
- 合并其他元素到set集合中来
- 参数others必须是可迭代对象
- 就地修改

s = set()
s.add(1)
s.update((1,2,3), [2,3,4])

2.4 删除

remove(elem)
- 从set中移除一个元素
- 元素不存在，抛出KeyError异常。为什么是KeyError？
discard(elem)
- 从set中移除一个元素
- 元素不存在，什么都不做
pop() -> item
- 移除并返回任意的元素。为什么是任意元素？
- 空集返回KeyError异常
clear()
- 移除所有元素

s = set(range(10)) 
s.remove(0)
#s.remove(11) # KeyError为什么 s.discard(11)
s.pop()
s.clear()

2.5 修改

集合类型没有修改。因为元素唯一。如果元素能够加入到集合中，说明它和别的元素不一样。

所谓修改，其实就是把当前元素改成一个完全不同的元素，就是删除加入新元素。

2.6 索引

非线性结构，不可索引。

2.7 遍历

只要是容器，都可以遍历元素。但是效率都是O(n)

2.8 成员运算符in

print(10 in [1, 2, 3]) 
print(10 in {1, 2, 3})

上面2句代码，分别在列表和集合中搜索元素。如果列表和集合的元素都有100万个，谁的效率高？

2.8.1 IPython魔术方法

IPython内置的特殊方法，使用%百分号开头的

% 开头是line magic
%% 开头是 cell magic，notebook的cell

%timeit statement
-n 一个循环loop执行语句多少次
-r 循环执行多少次loop，取最好的结果

%%timeit setup_code 
  * code.....
  
  # 下面写一行，列表每次都要创建，这样写不好
  %timeit (-1 in list(range(100)))
  
  # 下面写在一个cell中，写在setup中，列表创建一次 
  %%timeit l=list(range(1000000))
-1 in l

2.8.2 set和线性结构比较

结果说明，集合性能很好。为什么？

线性数据结构，搜索元素的时间复杂度是O(n)，即随着数据规模增加耗时增大
set、dict使用hash表实现，内部使用hash值作为key，时间复杂度为O(1)，查询时间和数据规模无关，不会随着数据规模增大而搜索性能下降。

2.9 可哈希

数值型int、float、complex
布尔型True、False
字符串string、bytes
tuple
None
以上都是不可变类型，称为可哈希类型，hashable

set元素必须是可hash的。

2.10 集合概念

全集
- 所有元素的集合。例如实数集，所有实数组成的集合就是全集
子集subset和超集superset
- 一个集合A所有元素都在另一个集合B内，A是B的子集，B是A的超集
真子集和真超集
- A是B的子集，且A不等于B，A就是B的真子集，B是A的真超集
并集：多个集合合并的结果
交集：多个集合的公共部分
差集：集合中除去和其他集合公共部分

2.11 并集

将两个集合A和B的所有的元素合并到一起，组成的集合称作集合A与集合B的并集

union(*others) 返回和多个集合合并后的新的集合
| 运算符重载，等同union
update(*others) 和多个集合合并，就地修改
|= 等同update

2.12 交集

集合A和B，由所有属于A且属于B的元素组成的集合

intersection(*others) 返回和多个集合的交集
& 等同intersection
intersection_update(*others) 获取和多个集合的交集，并就地修改 - &= 等同intersection_update

2.13 差集

集合A和B，由所有属于A且不属于B的元素组成的集合

difference(*others) 返回和多个集合的差集
等同difference
difference_update(*others) 获取和多个集合的差集并就地修改
-= 等同difference_update

2.14 对称差集

集合A和B，由所有不属于A和B的交集元素组成的集合，记作（A-B）∪（B-A）

symmetric_differece(other) 返回和另一个集合的对称差集
^ 等同symmetric_differece
symmetric_differece_update(other) 获取和另一个集合的对称差集并就地修改
^= 等同symmetric_differece_update

2.15 其他集合运算

issubset(other)、<= 判断当前集合是否是另一个集合的子集
set1 < set2 判断set1是否是set2的真子集
issuperset(other)、>= 判断当前集合是否是other的超集
set1 > set2 判断set1是否是set2的真超集
isdisjoint(other) 当前集合和另一个集合没有交集，没有交集，返回True

练习：

一个总任务列表，存储所有任务。一个已完成的任务列表。找出为未完成的任务

业务中，任务ID一般不可以重复
所有任务ID放到一个set中，假设为ALL 
所有已完成的任务ID放到一个set中，假设为COMPLETED，它是ALL的子集 ALL - COMPLETED => UNCOMPLETED

集合运算，用好了妙用无穷.

3,字典Dict

Dict即Dictionary，也称为mapping。 Python中，字典由任意个元素构成的集合，每一个元素称为Item，也称为Entry。这个Item是由(key, value)组成的二元组。

字典是可变的、无序的、key不重复的key-value键值对集合。

3.1 初始化

dict(**kwargs) 使用name=value对初始化一个字典
dict(iterable, kwarg) 使用可迭代对象和name=value对构造字典，不过可迭代对象的元素必须是一个二元结构
dict(mapping, **kwarg) 使用一个字典构建另一个字典

字典的初始化方法都非常常用，都需要会用

d1 = {}
d2 = dict()
d3 = dict(a=100, b=200)
d4 = dict(d3) # 构造另外一个字典
d5 = dict(d4, a=300, c=400)
d6 = dict([('a', 100), ['b', 200], (1, 'abc')], b=300, c=400)

# 类方法dict.fromkeys(iterable, value) 
d = dict.fromkeys(range(5))
d = dict.fromkeys(range(5), 0)

3.2 元素访问

d[key]
- 返回key对应的值value
- key不存在抛出KeyError异常
get(key[, default])
- 返回key对应的值value
- key不存在返回缺省值，如果没有设置缺省值就返回None
setdefault(key[, default])
- 返回key对应的值value
- key不存在，添加kv对，value设置为default，并返回default，如果default没有设置，缺省为None

3.3 新增和修改

d[key] = value
- 将key对应的值修改为value
- key不存在添加新的kv对
update([other]) -> None
- 使用另一个字典的kv对更新本字典
- key不存在，就添加
- key存在，覆盖已经存在的key对应的值
- 就地修改

d = {}
d['a'] = 1 
d.update(red=1) 
d.update(['red', 2]
d.update({'red':3})

3.4 删除

pop(key[, default])
- key存在，移除它，并返回它的value
- key不存在，返回给定的default
- default未设置，key不存在则抛出KeyError异常
popitem()
- 移除并返回一个任意的键值对
- 字典为empty，抛出KeyError异常
clear()
- 清空字典

3.5 遍历

1、遍历Key

for k in d: 
    print(k)

for k in d.keys(): 
    print(k)

2、遍历Value

for v in d.values(): 
    print(v)
 
 for k in d.keys(): 
    print(d[k]) 
    print(d.get(k))

3、遍历Item

for item in d.items(): 
    print(item) 
    print(item[0], item[1])
    

for k,v in d.items(): 
    print(k, v)

for k,_ in d.items(): 
    print(k)

for _,v in d.items(): 
    print(v)

Python3中，keys、values、items方法返回一个类似一个生成器的可迭代对象

Dictionary view对象，可以使用len()、iter()、in操作
字典的entry的动态的视图，字典变化，视图将反映出这些变化
keys返回一个类set对象，也就是可以看做一个set集合。如果values都可以hash，那么items也可以看做是类set对象

Python2中，上面的方法会返回一个新的列表，立即占据新的内存空间。所以Python2建议使用 iterkeys、itervalues、iteritems版本，返回一个迭代器，而不是返回一个copy

3.6 遍历与删除

# 错误的做法
d = dict(a=1, b=2, c=3) 
for k,v in d.items(): 
    print(d.pop(k))

在使用keys、values、items方法遍历的时候，不可以改变字典的size

while len(d): 
    print(d.popitem())
    
 
 while d: 
    print(d.popitem())

上面的while循环虽然可以移除字典元素，但是很少使用，不如直接clear。

# for 循环正确删除
d = dict(a=1, b=2, c=3) 
keys = []
for k,v in d.items(): 
    keys.append(k)
    
for k in keys: 
    d.pop(k)

3.7 key

字典的key和set的元素要求一致

set的元素可以就是看做key，set可以看做dict的简化版
hashable 可哈希才可以作为key，可以使用hash()测试
使用key访问，就如同列表使用index访问一样，时间复杂度都是O(1)，这也是最好的访问元素的方式

d = {
    1 : 0,
    2.0 : 3,
    "abc" : None,
    ('hello', 'world', 'python') : "string", 
    b'abc' : '135'
}

3.8 有序性

字典元素是按照key的hash值无序存储的。

但是，有时候我们却需要一个有序的元素顺序，Python 3.6之前，使用OrderedDict类可以做到，3.6开始dict自身支持。到底Python对一个无序数据结构记录了什么顺序？

# 3.5如下
C:\Python\Python353>python
Python 3.5.3 (v3.5.3:1880cb95a742, Jan 16 2017, 16:02:32) [MSC v.1900 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> d = {'a':300, 'b':200, 'c':100, 'd':50}
>>> d
{'c': 100, 'a': 300, 'b': 200, 'd': 50}
>>> d
{'c': 100, 'a': 300, 'b': 200, 'd': 50}
>>> list(d.keys())
['c', 'a', 'b', 'd']
>>> exit()

C:\Python\Python353>python
Python 3.5.3 (v3.5.3:1880cb95a742, Jan 16 2017, 16:02:32) [MSC v.1900 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> d = {'a':300, 'b':200, 'c':100, 'd':50}
>>> d
{'b': 200, 'c': 100, 'd': 50, 'a': 300}

Python 3.6之前，在不同的机器上，甚至同一个程序分别运行2次，都不能确定不同的key的先后顺序

# 3.6+表现如下
C:\Python\python366>python
Python 3.6.6 (v3.6.6:4cf1f54eb7, Jun 27 2018, 03:37:03) [MSC v.1900 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> d = {'c': 100, 'a': 300, 'b': 200, 'd': 50}
>>> d
{'c': 100, 'a': 300, 'b': 200, 'd': 50}
>>> exit()

C:\Python\python366>python
Python 3.6.6 (v3.6.6:4cf1f54eb7, Jun 27 2018, 03:37:03) [MSC v.1900 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.

>>> d = {'c': 100, 'a': 300, 'b': 200, 'd': 50} >>> d
{'c': 100, 'a': 300, 'b': 200, 'd': 50}
>>> d.keys()
dict_keys(['c', 'a', 'b', 'd'])

Python 3.6+，记录了字典key的录入顺序，遍历的时候，就是按照这个顺序。

如果使用d = {'a':300, 'b':200, 'c':100, 'd':50} ，就会造成以为字典按照key排序的错觉。目前，建议不要3.6提供的这种字典特性，还是以为字典返回的是无序的，可以在Python不同版本中考虑使用OrderedDict类来保证这种录入序

4,解析式和生成器表达式

4.1 列表解析式

列表解析式List Comprehension，也叫列表推导式。

# 生成一个列表，元素0~9，将每一个元素加1后的平方值组成新的列表 x = []
for i in range(10):
    x.append((i+1)**2)
print(x)

# 列表解析式
print([(i+1)**2 for i in range(10)])

语法：

[返回值 for 元素 in 可迭代对象 if 条件]
使用中括号[]，内部是for循环，if条件语句可选
返回一个新的列表

列表解析式是一种语法糖

编译器会优化，不会因为简写而影响效率，反而因优化提高了效率
减少程序员工作量，减少出错
简化了代码，增强了可读性

[expr for item in iterable if cond1 if cond2] 等价于
ret = []
for item in iterable:
    if cond1:
        if cond2: 
            ret.append(expr)
#
[expr for i in iterable1 for j in iterable2 ] 等价于
ret = []
for i in iterable1:
    for j in iterable2: 
        ret.append(expr)

# 请问下面3种输出各是什么？为什么
[(i,j)  for i in range(7) if i>4 for j in range(20,25) if j>23] [(i,j)  for i in range(7) for j in range(20,25) if i>4 if j>23] [(i,j)  for i in range(7) for j in range(20,25) if i>4 and j>23]

4.2 生成器表达式

语法

(返回值 for 元素 in 可迭代对象 if 条件)
列表解析式的中括号换成小括号就行了
返回一个生成器对象

和列表解析式的区别

生成器表达式是按需计算（或称惰性求值、延迟计算），需要的时候才计算值
列表解析式是立即返回值

生成器对象

可迭代对象
迭代器

生成器表达式	列表解析式
延迟计算/返回可迭代对象/只能迭代一次	立即计算/返回可迭代对象列表，不是迭代器/可反复迭代

4.3 生成器表达式和列表解析式对比

计算方式
- 生成器表达式延迟计算，列表解析式立即计算
内存占用
- 单从返回值本身来说，生成器表达式省内存，列表解析式返回新的列表
- 生成器没有数据，内存占用极少，但是使用的时候，虽然一个个返回数据，但是合起来占用的内存也差不多
- 列表解析式构造新的列表需要立即占用掉内存
计算速度
- 单看计算时间看，生成器表达式耗时非常短，列表解析式耗时长
- 但生成器本身并没有返回任何值，只返回了一个生成器对象
- 列表解析式构造并返回了一个新的列表

4.4 集合解析式

语法

{返回值 for 元素 in 可迭代对象 if 条件}
列表解析式的中括号换成大括号{}就变成了集合解析式
立即返回一个集合

{(x, x+1) for x in range(10)}
{[x] for x in range(10)} # 可以吗？

4.5 字典解析式

语法

{key:value for 元素 in 可迭代对象 if 条件}
列表解析式的中括号换成大括号{}，元素的构造使用key:value形式
立即返回一个字典

{x:(x,x+1) for x in range(10)}
{x:[x,x+1] for x in range(10)}
{(x,):[x,x+1] for x in range(10)}

{[x]:[x,x+1] for x in range(10)} #

{str(x):y for x in range(3) for y in range(4)} # 输出多少个元素？

4.6总结

Python2 引入列表解析式
Python2.4 引入生成器表达式
Python3 引入集合、字典解析式，并迁移到了2.7 一般来说，应该多应用解析式，简短、高效。如果一个解析式非常复杂，难以读懂，要考虑拆解成for 循环。

生成器和迭代器是不同的对象，但都是可迭代对象。

如果不需要立即获得所有可迭代对象的元素，在Python 3中，推荐使用惰性求值的迭代器。

内建函数	函数签名	说明
sorted	sorted(iterable[, key][, reverse])sorted(iterable[, key][, reverse])	默认升序，对可迭代对象排序

立即返回列表

# 排序一定是容器内全体参与
print(sorted([1,2,3,4,5]))
print(sorted(range(10, 20), reverse=True))
print(sorted({'a':100, 'b':'abc'}))
print(sorted({'a':100, 'b':'abc'}.items()))
print(sorted({'a':'ABC', 'b':'abc'}.values(), key=str, reverse=True))