Python学习笔记

中文学习网站: 廖雪峰的官网网站https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000

1. Python基础

输入函数:input()

• 输入可以是数字, 字符串, 其他变量, list, tuple. 如果输入多个值,以逗号隔开, 则会转化为tuple.
• input(‘something to print’), 可以在input时先打印一些提示信息

list与tuple

• 删除指定位置的元素, 用pop(i)方法，其中i是索引位置. 不加索引pop()则删除末尾元素
• tuple和list非常类似，但是tuple一旦初始化就不能修改
• 定义只有一个元素的tuple.

>>> t = (1)  #t是一个数,因为括号()既可以表示tuple，又可以表示数学公式中的小括号1>>> t = (1,)  #t是只有一个元素的tuple(1,)

数据类型转换

>>> int('123')123>>> float('12.3')12.3>>> str(1.34)'1.34'>>> bool(-1)   #非零数值,非空list,tuple,非空字符串为TrueTrue>>> bool(0)False>>> bool([0])True>>> bool([])False>>> bool('')False>>> hex(18) #将一个整数转换为一个十六进制字符串 '0x12'>>> oct(18) #将一个整数转换为一个八进制字符串 '022'>>> ord('d') #将一个字符转换为它的整数值100>>> chr(100) #将一个整数转换为一个字符'd'

数值操作

>>> 10.0//3  #地板除3.0>>> 10.0%3.5 #取余,支持浮点数3.0>>> 2**3 #乘方8

切片操作

• A[a:b:c]: 表示从A[a]到A[b-1]每隔步长c取一个元素.
  
  • a: 起始索引, 缺省为0
  • b: 终止索引, 缺省为len(A), “最末端”
  • c: 取样间隔,可以没有(只写1个冒号), 缺省为1

>>> a = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]>>> a[1:9:2][1, 3, 5, 7]>>> a[1:9][1, 2, 3, 4, 5, 6, 7, 8]>>> a[::-1]   #list翻转[9, 8, 7, 6, 5, 4, 3, 2, 1, 0]

迭代遍历

• dict遍历
  
  • 遍历key: for key in d:
  • 遍历value: for v in d.values():
  • 遍历key-value: for key,val in d.items():
• list遍历
  
  • 遍历元素: for l in list:
  • 遍历元素和索引: for i,a in enumerate(list):

2. 高级操作

可变参数

• 在参数前面加了一个*号, 注意: 可变参数必须在固定参数后面
• *list 将列表转换为可变参数

>>> def f(a,*b):...     for i in b:...             a+=i...     return a... >>> f(1,2,3,4)10>>> f(1)1>>> f(1,*[2,3,4]) #列表前面加*表示把列表转成可变参数传进去10

关键字参数(Python3以上)

• 在参数前面加**号
• 可变参数允许你传入0个或任意个参数，这些可变参数在函数调用时自动组装为一个tuple。而关键字参数允许你传入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。
• 可以传入任意个数的关键字参数
• **将dict转换为关键字参数

>>> def foo(a,b,**kw):...     print(a,b,kw)... >>> foo(1,2)(1, 2, {})>>> foo(1,2, key1=1, key2='a')(1, 2, {'key2': 'a', 'key1': 1})>>> foo(1,2, **extra)(1, 2, {'city': 'Beijing', 'job': 'Engineer'})

• 如果要限制关键字参数的名字，就可以用命名关键字参数，例如，只接收city和job作为关键字参数。这种方式定义的函数如下：

>>> def person(name, age, *, city, job):...     print(name, age, city, job)... >>> person('Michael', 18, city="Beijing")Traceback (most recent call last):  File "<stdin>", line 1, in <module>TypeError: person() missing 1 required keyword-only argument: 'job'>>> person('Michael', 18, job="student", city="Beijing")Michael 18 Beijing student

• 限制了关键字参数的名字后, 必须所有关键字的参数都传入, 传入顺序可以打乱. 命名关键字参数可以有缺省值.

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。
  比如定义一个函数，包含上述若干种参数：

def f1(a, b, c=0, *args, **kw):    print('a =', a, 'b =', b, 'c =', c, 'args =', args, 'kw =', kw)def f2(a, b, c=0, *, d, **kw):    print('a =', a, 'b =', b, 'c =', c, 'd =', d, 'kw =', kw)

生成器

• 为了减少列表占用的内存, 可以将对列表的遍历改为对生成器的遍历, 边循环边计算.
• 要创建一个generator，只要把一个列表生成式的[]改成(), 注意: 这不是tuple, 要生成tuple是要用 tuple([])

>>> L = [x * x for x in range(10)]>>> L[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]>>> g = (x * x for x in range(10))>>> g<generator object <genexpr> at 0x1022ef630>

• next(g)可以获取生成器g的下一个返回值, 如果已经到结尾了, 则抛出StopIteration的错误。
• 另一种创建generator的方法,生成器函数:

>>> def fib(max):...    n, a, b = 0, 0, 1...    while n < max:...        yield b...        a, b = b, a + b...        n = n + 1...    return 'done'...>>> f = fib(5)>>> f<generator object fib at 0x7f4c206597e0>>>> for i in f:...  print(i)... 11235

• yield表示执行到这个位置就中断, 并返回yield的值, 直到下一次迭代(调用了next(g)后)继续执行下面的代码

Iterable与Iterator的区别

• 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；
• 集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。
• Python的for循环本质上就是通过不断调用next()函数实现的

for x in [1, 2, 3, 4, 5]:    pass# 实际上完全等价于：# 首先获得Iterator对象:it = iter([1, 2, 3, 4, 5])# 循环:while True:    try:        # 获得下一个值:        x = next(it)    except StopIteration:        # 遇到StopIteration就退出循环        break

函数也是一个变量

• 函数也是一个变量, 也可以当做参数传到另一个函数, 相当于函数指针

>>> def add(x, y, f):...     return f(x) + f(y)... >>> add(-2,3,abs)5

map/reduce

1. map()函数接收两个参数，一个是函数，一个是Iterable，map将传入的函数依次作用到序列的每个元素

>>> a = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]>>> map(str,a)['0', '1', '2', '3', '4', '5', '6', '7', '8', '9']>>> map(lambda x:x**2+1,a)[1, 2, 5, 10, 17, 26, 37, 50, 65, 82]

map(f,list)#等价于[f(x) for x in list]

1. reduce()把一个函数作用在一个序列[x1, x2, x3, …]上，这个函数必须接收两个参数，reduce把结果继续和序列的下一个元素做累积计算, 其效果就是：
   

   reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)

>>> def max(a,b):...     return a if a>b else b... >>> reduce(max,[3,4,1,-1,2])4

#将字符串转整形>>> d = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}>>> reduce(lambda x,y:x*10+y, map(lambda s:d[s], '54323'))54323

1. 总结: map(f, list), f接收一个参数, 对list中每个元素调用f; reduce(h, list), h接收两个参数, 迭代作用到list中的每个元素.
2. filter()把传入的函数依次作用于每个元素，然后根据返回值是True还是False决定保留还是丢弃该元素。

def is_odd(n):    return n % 2 == 1list(filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15]))# 结果: [1, 5, 9, 15]

1. sorted()函数对list进行排序
   

   sorted(iterable[, cmp[, key[, reverse]]])
   

   • iterable – 可迭代对象。
   • cmp – 比较的函数，这个具有两个参数，参数的值都是从可迭代对象中取出，此函数必须遵守的规则为，大于则返回1，小于则返回-1，等于则返回0。
   • key – 主要是用来进行比较的元素，只有一个参数，具体的函数的参数就是取自于可迭代对象中，指定可迭代对象中的一个元素来进行排序。
   • reverse – 排序规则，reverse = True 降序 ， reverse = False 升序（默认）。

>>> sorted([36, 5, -12, 9, -21], key=abs)[5, 9, -12, -21, 36]

lambda表达式

f = lambda params_in: params_out- 注意中间的冒号, 冒号前是输入冒号后是输出, 输入可以是多个, 输出只能是一个, 多个输出可以当做一个tuple输出.

偏函数

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。

>>> import functools>>> int2 = functools.partial(int, base=2)>>> int2('1000000')64>>> int2('1010101')85#创建偏函数时，实际上可以接收函数对象、*args和**kw这3个参数>>> max2 = functools.partial(max, 10)# 实际上会把10作为*args的一部分自动加到左边，也就是：>>> max2(5, 6, 7)#相当于：#args = (10, 5, 6, 7)#max(*args)10

3. OOP 面向对象编程

类的访问限制

• class中以双下划线开头的变量(如:__private_val)是私有变量, 不能被外部直接访问, 但以双下划线开头和结尾的变量除外(如__name__),这种是特殊变量, 能够被外部直接访问
• 私有变量的实现原理是: python解释器将私有变量改成了_Classname__private_val. 所以如果直接访问 _Classname__private_val是可以访问的, 但强烈不推荐这样做, 因为不同版本的Python解释器可能会把__private_val改成不同的变量名.
• 然而直接用a.__private_val=1, 这种赋值是能通过的, 但是注意:这是新建了一个名为__private_val的成员变量, 并不是原来的私有变量(已经被改名成了_Classname__private_val)
• __slots__ 限制用户能对类添加的属性.

class Student(object):    __slots__ = ('name', 'age') # 用tuple定义允许绑定的属性名称>>> s.age = 25 # 绑定属性'age'>>> s.score = 99 # 绑定属性'score'Traceback (most recent call last):  File "<stdin>", line 1, in <module>AttributeError: 'Student' object has no attribute 'score'

注意:__slots__定义的属性仅对当前类实例起作用，对继承的子类是不起作用的

给实例绑定方法

• 通常是直接对类添加方法, 但python支持只对实例绑定方法

>>> def set_age(self, age): # 定义一个函数作为实例方法...     self.age = age...>>> from types import MethodType>>> s.set_age = MethodType(set_age, s) # 给实例绑定一个方法>>> s.set_age(25) # 调用实例方法>>> s.age # 测试结果25

• 实例属性只对当前实例生效, 类属性对类和所有类的实例生效

@property装饰器

• 读接口用@property装饰, 写接口用@score.setter装饰,score是需要装饰的接口名字.
• 尽管是函数, 但调用时不需要带括号, 把它当做一个变量进行访问. 如果没有定义写接口, 则该”变量”只读, 不可写.
• 注意: 必须要先定义@property才能定义写接口.

class Student(object):    #get接口    @property    def score(self):        return self._score    #set接口    @score.setter    def score(self, value):        if not isinstance(value, int):            raise ValueError('score must be an integer!')        if value < 0 or value > 100:            raise ValueError('score must between 0 ~ 100!')        self._score = value

>>> s = Student()>>> s.score = 60 # OK，实际转化为s.set_score(60)>>> s.score # OK，实际转化为s.get_score()60>>> s.score = 9999Traceback (most recent call last):  ...ValueError: score must between 0 ~ 100!

实例属性与类属性的区别

实例属性是在类中定义，可以通过类或实例访问，但如果给实例绑定一个同名的属性，实例属性会把类属性覆盖掉。
如下例子中，当调用s.name = ‘Michael’时，s中其实有两个同名的name属性，一个是类属型(“Student”)，一个是实例属性(“Michael”)，实例属性会将类属性覆盖掉，直到它被删掉。

>>> class Student(object):...     name = 'Student'...>>> s = Student() # 创建实例s>>> print(s.name) # 打印name属性，因为实例并没有name属性，所以会继续查找class的name属性Student>>> print(Student.name) # 打印类的name属性Student>>> s.name = 'Michael' # 给实例绑定name属性>>> print(s.name) # 由于实例属性优先级比类属性高，因此，它会屏蔽掉类的name属性Michael>>> print(Student.name) # 但是类属性并未消失，用Student.name仍然可以访问Student>>> del s.name # 如果删除实例的name属性>>> print(s.name) # 再次调用s.name，由于实例的name属性没有找到，类的name属性就显示出来了Student

绑定方法与__slots__

给实例绑定一个方法，注意：

• 绑定实例方法不能直接进行函数赋值，因为需要传入对象实例。
• 另外，实例方法只对单个实例起作用。

>>> def set_age(self, age): # 定义一个函数作为实例方法...     self.age = age...>>> from types import MethodType>>> s.set_age = MethodType(set_age, s) # 给实例绑定一个方法

给类绑定方法：直接赋值，但函数第一个参数必须为self

• 类绑定方法对所有实例起作用，而且不需要重新实例化，之前创建的实例也起作用

>>> def set_score(self, score):...     self.score = score...>>> Student.set_score = set_score

使用__slots__可以限制添加实例的属性（包括变量 和方法）

类中的特殊函数

• __init__：类的初始化函数/构造函数
• __slot__：限制类及其实例的可添加属性
• __len__: 返回长度，支持len()函数，它自动去调用该对象的__len__()方法
• __str__: print()一个实例时，会调用该函数
• __repr__：直接显示变量调用该函数，为调试服务的

s = Student()print(s) #调用__str__s  #调用__repr__

• __iter__: 如果一个类想被用于for … in循环，类似list或tuple那样，就必须实现一个__iter__()方法，该方法返回一个迭代对象，然后，Python的for循环就会不断调用该迭代对象的__next__()方法拿到循环的下一个值，直到遇到StopIteration错误时退出循环。

class Fib(object):    def __init__(self):        self.a, self.b = 0, 1 # 初始化两个计数器a，b    def __iter__(self):        return self # 实例本身就是迭代对象，故返回自己    def __next__(self):        self.a, self.b = self.b, self.a + self.b # 计算下一个值        if self.a > 100000: # 退出循环的条件            raise StopIteration()        return self.a # 返回下一个值>>> for n in Fib():...     print(n)...11235...4636875025

• __getitem__: 支持list那样按照下标取出元素

class Fib(object):    def __getitem__(self, n):        a, b = 1, 1        for x in range(n):            a, b = b, a + b        return a>>> f = Fib()>>> f[0]1

• __getattr__: 调用对象属性时，如果找不到某个属性，会调用该函数。
• __call__: 支持实例化方法，直接用实例调用方法

class Student(object):    def __init__(self, name):        self.name = name    def __call__(self):        print('My name is %s.' % self.name)>>> s = Student('Michael')>>> s() # self参数不要传入， 调用s.__call__()My name is Michael.>>> callable(Student())True

通过callable()函数，我们就可以判断一个对象是否是“可调用”对象。

4. 调试与测试

try except finally

• 执行逻辑：先运行try，遇到异常，则跳出try，如果except捕获异常，则执行except块，最后执行finnally（不管是否异常都会执行）
• Python的错误其实也是class，所有的错误类型都继承自BaseException，except不仅会捕获指定类型的错误，还会捕获其所有子类错误。比如

try:    foo()except ValueError as e:    print('ValueError')except UnicodeError as e: #第二个except永远也捕获不到UnicodeError，因为UnicodeError是ValueError的子类，如果有，也被第一个except给捕获了。    print('UnicodeError')

• raise 抛出错误类型。raise语句如果不带参数，就会把当前错误原样抛出。
• 常见的错误类型和继承关系参见：
  https://docs.python.org/3/library/exceptions.html#exception-hierarchy

BaseException +-- SystemExit +-- KeyboardInterrupt +-- GeneratorExit +-- Exception      +-- StopIteration      +-- StopAsyncIteration      +-- ArithmeticError      |    +-- FloatingPointError      |    +-- OverflowError      |    +-- ZeroDivisionError      +-- AssertionError      +-- AttributeError      +-- BufferError      +-- EOFError      +-- ImportError           +-- ModuleNotFoundError      +-- LookupError      |    +-- IndexError      |    +-- KeyError      +-- MemoryError      +-- NameError      |    +-- UnboundLocalError      +-- OSError      |    +-- BlockingIOError      |    +-- ChildProcessError      |    +-- ConnectionError      |    |    +-- BrokenPipeError      |    |    +-- ConnectionAbortedError      |    |    +-- ConnectionRefusedError      |    |    +-- ConnectionResetError      |    +-- FileExistsError      |    +-- FileNotFoundError      |    +-- InterruptedError      |    +-- IsADirectoryError      |    +-- NotADirectoryError      |    +-- PermissionError      |    +-- ProcessLookupError      |    +-- TimeoutError      +-- ReferenceError      +-- RuntimeError      |    +-- NotImplementedError      |    +-- RecursionError      +-- SyntaxError      |    +-- IndentationError      |         +-- TabError      +-- SystemError      +-- TypeError      +-- ValueError      |    +-- UnicodeError      |         +-- UnicodeDecodeError      |         +-- UnicodeEncodeError      |         +-- UnicodeTranslateError      +-- Warning           +-- DeprecationWarning           +-- PendingDeprecationWarning           +-- RuntimeWarning           +-- SyntaxWarning           +-- UserWarning           +-- FutureWarning           +-- ImportWarning           +-- UnicodeWarning           +-- BytesWarning           +-- ResourceWarning

调试方法

1. print
2. assert, 用法 assert 表达式, 表达式为false时的输出, 运行py文件时加入-O选项可以屏蔽所有断言输出

3. log, 使用方法

   import logging
   logging.basicConfig(level=logging.DEBUG, format=’%(asctime)s %(filename)s[line:%(lineno)d] %(levelname)s %(message)s’, datefmt=’%a, %d %b %Y %H:%M:%S’, filename=’myapp.log’, filemode=’w’)#设置log等级，输出格式，输出文件名，默认是输出到屏幕
   logging.debug(‘This is debug message’)
   logging.info(‘This is info message’)
   logging.warning(‘This is warning message’)

4. pdb

   • 启动pdb： python3 -m pdb err.py
   • n：单步执行
   • l：查看当前代码
   • p 变量名：查看变量
   • q：退出调试
   • c：继续执行
   • 代码中pdb.set_trace()设置断点