会走路的三百块👾

python快速复习

ooowl
  • python🐍
  • python🐍
About 6 min

很零碎，很基础，不容易想起来的知识点。
配合廖学峰和python文档快速熟悉知识

python快速复习

一些资料

环境管理相关

环境常用

三个常用的就够了，venv和virtualenv，conda
venv的创建就是python -m venv /path/to/new/virtual/environment 此时进入创建的目录bin文件夹，activate就可以激活了。
venv创建的环境python版本和外部的大版本相同，只是把环境独立了出来，python解释器是指向那个的软连接,venv只隔离包
windows上激活就是运行脚本，linux激活就是source activate

virtualenv和conda都是解释器级别的隔离，但是这俩是不兼容的有一个会不起效，会直接创建新的解释器，可以指定python的版本
virtualenv需要安装pip install virtualenv,

pip包常用

数字和字符串

  • Python允许在数字中间以_分隔，因此，写成10_000_000_000和10000000000是完全一样的。十六进制数也可以写成0xa1b2_c3d4。浮点数运算可能会有四舍五入的误差
  • str通过encode()方法可以编码为指定的bytes 'ABC'.encode('ascii')
    • 反过来，如果我们从网络或磁盘上读取了字节流，那么读到的数据就是bytes。要把bytes变为str，就需要用decode(),参数errors='ignore'忽略错误的字节
    • len()函数计算的是str的字符数，如果换成bytes，len()函数就计算字节数
  • 对于单个字符的编码，Python提供了ord()函数获取字符的整数表示，chr()函数把编码转换为对应的字符
  • 'Age: %s. Gender: %s' % (25, True)如果你不太确定应该用什么，%s永远起作用，它会把任何数据类型转换为字符串,双%%可以打印正常%
  • 'Hello, {name}, 成绩提升了 {score:.1f}%'.format(name='小明', score=17.125)
  • 通过dict提供的get()方法，如果key不存在，可以返回None，或者自己指定的value，d.get("key",value)
  • int的base参数可以指定进制

函数

def add_end(L=[]):
    L.append('END')
    return L

Python函数在定义的时候，默认参数L的值就被计算出来了，即[]，因为默认参数L也是一个变量，它指向对象[]，每次调用该函数，如果改变了L的内容，则下次调用时，默认参数的内容就变了，不再是函数定义时的[]了

Warning

定义默认参数要牢记一点：默认参数必须指向不变对象！

def person(name, age, *, city, job):
    print(name, age, city, job)

和关键字参数**kw不同，命名关键字参数需要一个特殊分隔符*，*后面的参数被视为命名关键字参数。
如果函数定义中已经有了一个可变参数，后面跟着的命名关键字参数就不再需要一个特殊分隔符*了
命名关键字参数必须传入参数名，这和位置参数不同。如果没有传入参数名，调用将报错：

尾递归优化

解决递归调用栈溢出的方法是通过尾递归优化，事实上尾递归和循环的效果是一样的，所以，把循环看成是一种特殊的尾递归函数也是可以的。
尾递归是指，在函数返回的时候，调用自身本身，并且，return语句不能包含表达式。这样，编译器或者解释器就可以把尾递归做优化，使递归本身无论调用多少次，都只占用一个栈帧，不会出现栈溢出的情况。

def fact(n):
    return fact_iter(n, 1)

def fact_iter(num, product):
    if num == 1:
        return product
    return fact_iter(num - 1, num * product)

尾递归调用时，如果做了优化，栈不会增长，因此，无论多少次调用也不会导致栈溢出。
遗憾的是，大多数编程语言没有针对尾递归做优化，Python解释器也没有做优化，所以，即使把上面的fact(n)函数改成尾递归方式，也会导致栈溢出。

functools.partial的作用就是，把一个函数的某些参数给固定住（也就是设置默认值），返回一个新的函数，调用这个新函数会更简单，int2 = functools.partial(int, base=2)

特性

列表生成式

# 以下代码正常输出偶数：
[x for x in range(1, 11) if x % 2 == 0]
[2, 4, 6, 8, 10]

# 以下代码奇负偶正：
[x if x % 2 == 0 else -x for x in range(1, 11)]
[-1, 2, -3, 4, -5, 6, -7, 8, -9, 10]

如果使用()那就是生成器了，生成器使用next()获取下一个值抛出StopIteration的错误停止，generator也是可迭代对象
在函数中使用yield阻塞函数执行并return值使用next回复执行，使用时需要创建对象，类似于类的使用
可以使用isinstance()判断一个对象是否是Iterable或Iterator 对象from collections.abc import Iterable,Iterator 生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator,把Iterable变成Iterator可以使用iter()函数

  • 凡是可作用于for循环的对象都是Iterable类型；
  • 凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列
  • for循环本质上就是通过不断调用next()函数实现的

排序

sorted()函数也是一个高阶函数，它还可以接收一个key函数来实现自定义的排序，例如按绝对值大小排序
sorted([36, 5, -12, 9, -21], key=abs)


# 自定义字段排序
sorted(obj, key=lambda x: x['a'])

# 多字段优先级排序
sorted(obj, key=lambda x: (x['a'], x['b']))

# 有个第三方包
sorted(obj, key=operator.itemgetter('a'))

# 自定义排序函数，实际上是重载了比较函数
from functools import cmp_to_key

sorted(obj, key=cmp_to_key(func))

装饰器格式

def log(func):
    def wrapper(*args, **kw):
        print('call %s():' % func.__name__) # 功能代码
        return func(*args, **kw)
    return wrapper

assert x >= 0 : "x must >= 0";

这样，断言失败的时候，AssertionError会带上消息x must >= 0，更加便于调试。

OOP

_可以访问但不建议 __私有变量（private）不能直接访问__name是因为Python解释器对外把__name变量改成了_ClassName__name__xxx__是特殊变量

和普通的函数相比，在类中定义的函数只有一点不同，就是第一个参数永远是实例变量self，并且，调用时，不用传递该参数
对于静态语言（例如Java）来说，如果需要传入Animal类型，则传入的对象必须是Animal类型或者它的子类，否则，将无法调用run()方法。
对于Python这样的动态语言来说，则不一定需要传入Animal类型。我们只需要保证传入的对象有一个run()方法就可以了

📝Note

就这样吧，剩下的详细放在进阶里

Loading...
肯定是疯了 © 2018-2024