一、数据类型和变量
- 整数,浮点数,字符串,布尔值(python中的与或非用and,or,not运算),空值(Python里一个特殊的值,用
None
表示) - 变量(大小写英文、数字和
_
的组合,且不能用数字开头) - 常量
在Python中,通常用全部大写的变量名表示常量,但事实上这仍然是一个变量,Python根本没有任何机制保证它不会被改变,所以,用全部大写的变量名表示常量只是一个习惯上的用法。
二、list和tuple
list
- list是一种有序的集合,可以随时添加和删除其中的元素。
- list常见搭配函数
-
len():
获取list长度 - append():list中追加元素到末尾
- insert():将元素插入到指定的位置 ,后面的元素会自动依次往后挪一个位置
- pop(i):删除指定位置的元素(不带参数时删除末尾元素)
3.list里面还包含一个list则类似一个二维数组,依次类推等
tuple
- tuple和list非常类似,但是tuple一旦初始化就不能修改,相当于只读列表。
- 只有1个元素的tuple定义时必须加一个逗号,来消除歧义。
如下:a定义的不是tuple,是1
这个数!这是因为括号()
既可以表示tuple,又可以表示数学公式中的小括号,这就产生了歧义。于是a用索引取值会报错,而b可以用索引取值。
>>> a=(1)
>>> b=(1,)
>>> a[0]
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: 'int' object is not subscriptable
>>> b[0]
1
三、条件判断
三个关键字:if,elif,else(用法和c差不多)
四、循环
- for ... in 循环
- while循环:循环体中可以使用break和continue关键字。
五、dict和set
dict
1.dict使用键-值(key-value)存储(很像js中的对象)
2.要删除一个key,用pop(key)方法
和list比较,dict有以下几个特点:
- 查找和插入的速度极快,不会随着key的增加而变慢;
- 需要占用大量的内存,内存浪费多。
而list相反:
- 查找和插入的时间随着元素的增加而增加;
- 占用空间小,浪费内存很少。
所以,dict是用空间来换取时间的一种方法。
3.dict的key必须是不可变对象
set
1.set和dict类似,也是一组key的集合,但不存储value。在set中,没有重复的key。
2.重复元素在set中自动被过滤
3.通过add(key)
方法可以添加元素到set中,可以重复添加,但会被过滤掉,通过remove(key)
方法可以删除元素
要创建一个set,需要提供一个list作为输入集合
>>> a=set([1,3,4])
>>> a
{1, 3, 4}
六、函数
- 在函数体中使用pass来定义一个空函数
- 函数的参数
- 位置参数:传入的值按照位置顺序依次赋值
- 默认参数:是必选参数在前,默认参数在后,否则Python的解释器会报错
定义默认参数要牢记一点:默认参数必须指向不变对象!如果改变了默认参数的内容,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值了。
- 可变参数:传入的参数个数是可变的,在参数面前加一个*号
#在函数内部,参数numbers接收到的是一个tuple
def add(*numbers):
sum=0
for x in numbers:
sum+=x
return sum
#传入任意个参数
print(add(1,2,3))
#将list的元素作为可变参数传入add函数
numbers=[1,2,3]
print(add(*numbers))
- 关键字参数:允许传入0个或任意个含参数名的参数,这些关键字参数在函数内部自动组装为一个dict。
用法:
def person(name,age,**other):
print('name:',name,'age:',age,'other:',other)
#在调用该函数时,可以只传入必选参数
person('zw',12)
#传入任意个数的关键字参数
person('zw',12,gender='女')
person('zw',12,gender='女',job='学生')
#把dict转换为关键字参数传进去
me={'gender':'女','job':'学生'}
person('zw',12,**me)
#注意other获得的dict是me的一份拷贝,对other的改动不会影响到函数外的me。
name: zw age: 12 other: {}
name: zw age: 12 other: {'gender': '女'}
name: zw age: 12 other: {'gender': '女', 'job': '学生'}
name: zw age: 12 other: {'gender': '女', 'job': '学生'}
- 命名关键字参数:限制关键字参数的名字
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
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。
def person(name,age,*,gender,job):
print('name:',name,'age:','gender:',gender,'job:',job)
person('zw',20,gender='女',job='学生')
#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
def person1(name,age,*other,gender,job):
print('name:',name,'age:','gender:',gender,'job:',job)
person1('zw',20,gender='女',job='学生')
name: zw age: gender: 女 job: 学生
name: zw age: gender: 女 job: 学生
命名关键字参数可以有缺省值
def person(name,age,*,gender='女',job):
print('name:',name,'age:','gender:',gender,'job:',job)
person('zw',20,job='学生')
- 参数组合
在Python中定义函数,可以用必选参数、默认参数、可变参数、关键字参数和命名关键字参数,这5种参数都可以组合使用。但是请注意,参数定义的顺序必须是:必选参数、默认参数、可变参数、命名关键字参数和关键字参数。
3.递归函数(类c语言用法)
七、列表生成式
要生成的元素+for循环
>>> [x*x for x in range(1,11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
带筛选条件的列表生成式
>>> [x*x for x in range(1,11) if x%2==0]
[4, 16, 36, 64, 100]
两层循环求全排列
>>> [a+b for a in 'abc' for b in '123']
['a1', 'a2', 'a3', 'b1', 'b2', 'b3', 'c1', 'c2', 'c3']
使用两个变量生成list
>>> s={'a':1,'b':2,'c':3}
>>> [k+'='+str(v) for k,v in s.items()]
['a=1', 'b=2', 'c=3']
在一个列表生成式中,for前面的if ... else是表达式确定怎么样输出,而for后面的if是过滤条件确定要不要输出,不能带else。
八、生成器
通过列表生成式,我们可以直接创建一个列表。但是,受到内存限制,列表容量肯定是有限的。而且,创建一个包含100万个元素的列表,不仅占用很大的存储空间,如果我们仅仅需要访问前面几个元素,那后面绝大多数元素占用的空间都白白浪费了。python中这种一边循环一边计算的机制,称为生成器:generator。
创建generator的两种方式
- 把一个列表生成式的
[]
改成()
,就创建了一个generator
>>> g=(x for x in range(10))
>>> g
<generator object <genexpr> at 0x00000248DADFF5C8>
打印出generator的每一个元素,可以通过next获取generator的下一个返回值
>>> next(g)
0
>>> next(g)
1
for循环(因为generator也是可迭代对象)
>>> g=(x for x in range(10))
>>> for n in g:
... print(n)
...
0
1
2
3
4
5
6
7
8
9
2.如果一个函数定义中包含yield
关键字,那么这个函数就不再是一个普通函数,而是一个generator
这里,最难理解的就是generator和函数的执行流程不一样。函数是顺序执行,遇到return
语句或者最后一行函数语句就返回。而变成generator的函数,在每次调用next()
的时候执行,遇到yield
语句返回,再次执行时从上次返回的yield
语句处继续执行。
def odd():
print('step 1')
yield 1
print('step 2')
yield(3)
print('step 3')
yield(5)
调用该generator时,首先要生成一个generator对象,然后用next()
函数不断获得下一个返回值:
>>> o=odd()
>>> next(o)
step 1
1
>>> next(o)
step 2
3
>>> next(o)
step 3
5
>>> next(o)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
可以看到,odd
不是普通函数,而是generator,在执行过程中,遇到yield
就中断,下次又继续执行。执行3次yield
后,已经没有yield
可以执行了,所以,第4次调用next(o)
就报错。
同样的,把函数改成generator后,我们基本上从来不会用next()
来获取下一个返回值,而是直接使用for
循环来迭代
另外:但是用for
循环调用generator时,发现拿不到generator的return
语句的返回值。如果想要拿到返回值,必须捕获StopIteration
错误,返回值包含在StopIteration
的value
中。
斐波拉契例子
def f(n):
a,b=0,1
i=1
while i<=n:
yield b
a,b=b,a+b
i=i+1
for i in f(4):
print(i)
杨辉三角例子
#除了左右两个数其他的数都等于其肩上两个数之和
def triangles():
p=[1]
while True:
yield p
p=[1]+[p[i]+p[i+1] for i in range(len(p)-1)]+[1]
n = 0
results = []
for t in triangles():
results.append(t)
n = n + 1
if n == 10:
break
九、迭代器
1.定义
可以被next()
函数调用并不断返回下一个值的对象称为迭代器:Iterator
。
2.具体
- 可以使用
isinstance()
判断一个对象是否是Iterator
对象 - 生成器都是
Iterator
对象,但list
、dict
、str
虽然是Iterable(可迭代的,可用for循环操作)
,却不是Iterator
。 - 把
list
、dict
、str
等Iterable
变成Iterator
可以使用iter()
函数:
>>> isinstance(iter('abc'), Iterator)
True
Iterator
的计算是惰性的,只有在需要返回下一个数据时它才会计算。