当前位置： 首页 > news >正文

张家界网站建设,双人网页游戏网站,开源站群cms,g3云网站2.1 内置类型序列概览 容器序列#xff08;能存放不同类型的数据#xff09;#xff1a;(作者分的类) list、tuple 和 collections.deque扁平序列#xff08;只能容纳一种类型#xff09;#xff1a; str、byes、bytearray、memoryview 和 array.array可变#xff1a…2.1 内置类型序列概览 容器序列能存放不同类型的数据(作者分的类) list、tuple 和 collections.deque扁平序列只能容纳一种类型 str、byes、bytearray、memoryview 和 array.array可变 list、bytearray、array.array、collections.deque 和 memoryview不可变 tuple、str 和 bytes2.2 列表推导和生成器表达式 很多 Python 程序员都把列表推导(list comprehension)简称为 listcomps生成器表达式(generator expression)则称为 genexps。 Python 会忽略代码里 []、{} 和 () 中的换行 2.2.1 列表推导和可读性 l2 [fc(itm) for itm in l1]2.2.2 列表推导同 filter 和 map 的比较 beyond_ascii [ord(s) for s in symbols if ord(s) 127] beyond_ascii list(filter(lambda c: c 127, map(ord, symbols)))2.2.3 笛卡儿积 tshirts [(color, size) for color in colors for size in sizes]2.2.4 生成器表达式 生成器表达式的语法跟列表推导差不多只不过把方括号换成圆括号而已。 tuple(ord(symbol) for symbol in symbols)生成器表达式之后 内存里不会留下一个组合的列表因为生成器表达式会在每次 for 循环运行时才生成一个组合。 2.3 元组不仅仅是不可变的列表 2.3.1 元组和记录 2.3.2 元组拆包 lax_coordinates (33.9425, -118.408056) latitude, longitude lax_coordinates # 元组拆包 b, a a, b用 * 来处理剩下的元素 a, b, *rest range(5)a, b, rest (0, 1, [2, 3, 4])a, b, *rest range(3)a, b, rest (0, 1, [2])a, b, *rest range(2)a, b, rest (0, 1, []) a, *body, c, d range(5)a, body, c, d (0, [1, 2], 3, 4)*head, b, c, d range(5)head, b, c, d ([0, 1], 2, 3, 4)2.3.3 嵌套元组拆包 name, cc, pop, (latitude, longitude) (Tokyo,JP,36.933,(35.689722,139.691667))2.3.4 具名元组 collections.namedtuple 是一个工厂函数。用 namedtuple 构建的类的实例所消耗的内存跟元组是一样的因为字段名都 被存在对应的类里面。这个实例跟普通的对象实例比起来也要小一些因为 Python 不会用 dict 来存放这些实例的属性。 创建一个具名元组需要两个参数一个是类名另一个是类的各个字段的名字。后者可 以是由数个字符串组成的可迭代对象或者是由空格分隔开的字段名组成的字符串 from collections import namedtupleCity namedtuple(City, name country population coordinates) tokyo City(Tokyo, JP, 36.933, (35.689722, 139.691667))元组有一些自己专有的属性。展示了几个最有用的:_fields 类属性、类方法 _make(iterable) 和实例方法 _asdict()。 City._fields (name, country, population, coordinates)LatLong namedtuple(LatLong, lat long)delhi_data (Delhi NCR, IN, 21.935, LatLong(28.613889, 77.208889)) delhi City._make(delhi_data)delhi._asdict() OrderedDict([(name, Delhi NCR), (country, IN), (population, 21.935), (coordinates, LatLong(lat28.613889, long77.208889))])2.3.5 作为不可变列表的元组 除了跟增减元素相关的方法之外元组支持列表的其他所有方法。还有一个例 外元组没有 reversed 方法但是这个方法只是个优化而已reversed(my_tuple) 这 个用法在没有 reversed 的情况下也是合法的。 2.4 切片 2.4.1 为什么切片和区间会忽略最后一个元素 在切片和区间操作里不包含区间范围的最后一个元素是 Python 的风格这个习惯符合 Python、C 和其他语言里以 0 作为起始下标的传统。 2.4.2 对对象进行切片 s bicycles[::3] byes[::-1] elcycibs[::-2] eccb可以给切片起名字增强可读性 SKU slice(0, 6) print(item[SKU]2.4.3 多维切片和省略 省略ellipsis。ellipsis 是类名全小写而它的内置实例写作 Ellipsis。这其实跟 bool 是小写但是它的两个实例写作 True 和 False 异曲同工。 2.4.4 给切片赋值 对原序列就地修改如果赋值的对象是一个切片那么赋值语句的右侧必须是个可迭代对象。即便只有单独 一个值也要把它转换成可迭代的序列。 2.5 对序列使用 和 * l [1, 2, 3]l * 5 [1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3]5 * abcd abcdabcdabcdabcdabcd和 * 都遵循这个规律不修改原有的操作对象而是构建一个全新的序列。 如果在a * n这个语句中序列a里的元素是对其他可变对象的引用的话 你就需要格外注意了因为这个式子的结果可能会出乎意料。比如你想用 mylist [[]] * 3来初始化一个由列表组成的列表但是你得到的列表里 包含的 3 个元素其实是 3 个引用而且这 3 个引用指向的都是同一个列表。 这可能不是你想要的效果。 正确方式 board [[] * 3 for i in range(3)]2.6 序列的增量赋值 背后的特殊方法是 iadd(用于“就地加法”)。但是如果一个类没有实现这个方法的 话Python 会退一步调用 add。 如果 a 实现了 iadd 方法就会调用这个方法。同时对可变序列(例如 list、 bytearray 和 array.array)来说a 会就地改动就像调用了 a.extend(b) 一样。但是如 果 a 没有实现 iadd 的话a b 这个表达式的效果就变得跟 a a b 一样了:首先 计算 a b得到一个新的对象然后赋值给 a。也就是说在这个表达式中变量名会不 会被关联到新的对象完全取决于这个类型有没有实现 iadd 这个方法。而不可变序列根 本就不支持这个操作对这个方法的实现也就无从谈起。 l [1, 2, 3]id(l) 4311953800l * 2l [1, 2, 3, 1, 2, 3]id(l) 4311953800t (1, 2, 3)id(t) 4312681568t * 2id(t) 4301348296一个关于的谜题 t (1, 2, [30, 40])t[2] [50, 60]到底会发生下面 4 种情况中的哪一种? a. t 变成 (1, 2, [30, 40, 50, 60])。b. 因为 tuple 不支持对它的元素赋值所以会抛出 TypeError 异常。c. 以上两个都不是。d. a 和 b 都是对的。 答案是 d t (1, 2, [30, 40])t[2] [50, 60] Traceback (most recent call last): File stdin, line 1, in module TypeError: tuple object does not support item assignmentt (1, 2, [30, 40, 50, 60])- 将 s[a] 的值存入 TOS(Top Of Stack栈的顶端)。

• 计算 TOS b。这一步能够完成是因为 TOS 指向的是一个可变对象。

• s[a] TOS 赋值。这一步失败是因为 s 是不可变的元组。2.7 list.sort方法和内置函数sorted list.sort 方法会就地排序列表返回 None。sorted它会新建一个列表作为返回值。 两个可选的关键字参数。 reverse 如果被设定为 True被排序的序列里的元素会以降序输出(也就是说把最大值当作最 小值来排序)。这个参数的默认值是 False。 key 一个只有一个参数的函数这个函数会被用在序列里的每一个元素上所产生的结果 将是排序算法依赖的对比关键字。 可选参数 key 还可以在内置函数 min() 和 max() 中起作用。另外还有些标准库里的函数也接受这个参数像 itertools.groupby() 和 heapq.nlargest() 等。 2.8 用bisect来管理已排序的序列 import bisect 2.8.1 用bisect来搜索 bisect 函数其实是 bisect_right 函数的别名后者还有个姊妹函数叫 bisect_left。 它们的区别在于bisect_left 返回的插入位置是原序列中跟被插入元素相等的元素的位置 也就是新元素会被放置于它相等的元素的前面而 bisect_right 返回的则是跟它相等的元素之后的位置。 两个可选参数 lo 和 hi 来缩小搜寻的范围。lo 的默认值是 0hi 的默认值是序列的长度即 len() 作用于该序列的返回值。 2.8.2 用bisect.insort插入新元素 bisect.insort(my_list, new_item) insort 跟 bisect 一样有 lo 和 hi 两个可选参数用来控制查找的范围。也有个变体叫 insort_left。 2.9 当列表不是首选时 2.9.1 数组 速度非常快 from array import arrayfloats array(d, (random() for i in range(107))) fp open(floats.bin, wb) floats.tofile(fp) fp.close()floats2 array(d) fp open(floats.bin, rb) floats2.fromfile(fp, 107) fp.close()从 Python 3.4 开始数组(array)类型不再支持诸如 list.sort() 这种就地排序方法。要给数组排序的话得用 sorted 函数新建一个数组: a array.array(a.typecode, sorted(a)) 想要在不打乱次序的情况下为数组添加新的元素bisect.insort 还是能派上用场。 2.9.2 内存视图 低级视角 numbers array.array(h, [-2, -1, 0, 1, 2]) memv memoryview(numbers) len(memv)

  5memv[0]

  -2

  memv_oct memv.cast(B) memv_oct.tolist()

  [254, 255, 255, 255, 0, 0, 1, 0, 2, 0] memv_oct[5] 4

  numbers

  array(h, [-2, -1, 1024, 1, 2])2.9.3 NumPy 和 SciPy

  2.9.4 双向队列和其他形式的队列 collections.deque 类(双向队列)是一个线程安全、可以快速从两端添加或者删除元素的数据类型。 dq deque(range(10), maxlen10)maxlen 无法修改。 extendleft(iter) 方法会把迭代器里的元素逐个添加到双向队列的左边因此迭代器里的元素会逆序出现在队列里。 from collections import dequedq deque(range(10), maxlen10)dq deque([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], maxlen10)dq.rotate(3)dq deque([7, 8, 9, 0, 1, 2, 3, 4, 5, 6], maxlen10)dq.rotate(-4)dq deque([1, 2, 3, 4, 5, 6, 7, 8, 9, 0], maxlen10)dq.appendleft(-1)dq deque([-1, 1, 2, 3, 4, 5, 6, 7, 8, 9], maxlen10) dq.extend([11, 22, 33])dq deque([3, 4, 5, 6, 7, 8, 9, 11, 22, 33], maxlen10) dq.extendleft([10, 20, 30, 40])dq deque([40, 30, 20, 10, 3, 4, 5, 6, 7, 8], maxlen10)append 和 popleft 都是原子操作也就说是 deque 可以在多线程程序中安全地当作先进先 出的队列使用而使用者不需要担心资源锁的问题。 queue 提供了同步(线程安全)类 Queue、LifoQueue 和 PriorityQueue不同的线程可以利用 这些数据类型来交换信息。这三个类的构造方法都有一个可选参数 maxsize它接收正 整数作为输入值用来限定队列的大小。但是在满员的时候这些类不会扔掉旧的元素 来腾出位置。相反如果队列满了它就会被锁住直到另外的线程移除了某个元素而 腾出了位置。这一特性让这些类很适合用来控制活跃线程的数量。 multiprocessing 这个包实现了自己的 Queue它跟 queue.Queue 类似是设计给进程间通信用的。同时还有一个专门的 multiprocessing.JoinableQueue 类型可以让任务管理变得更方便。 asyncio Python 3.4 新 提 供 的 包 里 面 有 Queue、LifoQueue、PriorityQueue 和 JoinableQueue 这些类受到 queue 和 multiprocessing 模块的影响但是为异步编程里的任务管理提供 了专门的便利。 heapq 跟上面三个模块不同的是heapq 没有队列类而是提供了 heappush 和 heappop 方法让用户可以把可变序列当作堆队列或者优先队列来使用。