8.python的基础语法元素_python语法进阶

朱雀 2023-06-23 14:25 7阅读 0赞

#-*- coding: utf-8 -*-
    
    print("===============数据类型的底层实现===============")
    #列表的底层实现
    #引用数组的概念，列表内的元素可以分散的存储在内存中，列表存储的，实际上是这些元素的地址，这些地址的存储在内存中是连续的
    list_1 = [1,[22,33,44],(5,6,7),{"name":"Sarah"}]
    #浅拷贝只是将这些地址复制了一份，但是这些地址所指向的内容是相同的
    list_2 = list(list_1) #浅拷贝 与list_1.copy()功能一样
    
    #新增元素
    list_1.append(100) #对list_1新存储一个地址，指向100
    list_2.append("n")#对list_2新存储一个地址，指向n
    print (list_1)
    print (list_2)
    
    #修改元素 将地址改为已经修改元素的地址
    list_1[0] = 10
    list_2[0] = 20
    print("list_1: ",list_1)
    print("list_2: ",list_2)
    #对列表型元素进行操作，由于两个地址指向同一个列表行元素的地址，所以列表型元素的内容修改，两个列表内容都会修改
    list_1[1].remove(44)
    list_2[1] += [55,66]
    print("list_1: ",list_1)
    print("list_2: ",list_2)
    #对元组型元素进行修改，注意元组是不可变的，对元组进行操作，会生成一个新的元组，原来的元组并没有改变
    list_2[2] += (8,9)
    print ("list _1:",list_1)
    print ("list_2: ",list_2)
    #对字典进行操作，原理和对列表进行操作一样，两个列表都会改变
    list_1[-2]["age"] = 18
    print("list_1: ",list_1)
    print("list_2: ",list_2)
    
    #引入深拷贝 深拷贝将所有层级的相关元素全部复制，完全分开，泾渭分明，避免了上述问题
    import copy
    list_1 = [1,[22,33,44],(5,6,7),{"name":"Sarah"}]
    list_2 = copy.deepcopy(list_1)
    
    list_1[-1]["age"] = 18
    list_2[1].append(55)
    
    print("list_1: ",list_1)
    print("list_2: ",list_2)
    
    
    #神秘的字典 字典的查找操作远远快于列表
    #字典通过稀疏数组来实现值的存储和访问
    #字典的创建过程 第一步：创建一个散列表（稀疏数组 N >>需要存储的值 n）
    #第二步  根据计算的散列值确定其在散列表中的位置 极个别时候散列值会发生冲突，则内部有相应的解决冲突方法
    #第三步 在该位置上存入值 访问的同理 而列表是从头开始顺序查找 所以速度比字典慢很多
    
    #字符串的存储通过紧凑数组直接存储元素
    #列表遍历需要注意的问题，注意用这种方式无法删除列表中所有的d，因为每一次删除之后，列表都会改变，但是for循环还是按照顺序循环的
    #比如删除第一个d之后，新的列表就是["d","d","2","2","d","d","4"],但是for循环记得已经取过0个元素了，所以开始取第一个元素，于是少取了一个d
    alist = ["d","d","d","2","2","d","d","4"]
    for s in alist:
        if s == "d":
            alist.remove("d") #删除列表中第一次出现的该元素
    print(alist)
    #解决办法，使用负向索引,从-8访问到-1,先访问-8，再访问-7，以此类推，可以将所有d都删除掉
    alist1 = ["d","d","d","2","2","d","d","4"]
    for i in range(-len(alist),0):
        if alist[i] == "d":
            alist.remove(alist[i])
    print(alist)
    #多维列表的创建,注意乘以5是浅拷贝
    ls = [[0]*10]*5
    print (ls)
    ls[0][0] = 1
    print(ls)
    #使用解析语法创建多维列表,在中括号里面，后面是对可迭代对象的遍历，每次取一个元素，执行相应的操作
    #这个例子中，是每次取一个元素，就执行一次[0]*10 操作，创建一个[0]*10数组，最终生成一个5*10数组
    ls = [[0]*10 for i in range(5)]
    print (ls)
    ls[0][0] =1
    #因为各个数组是独立创建的，所有只修改其中一个
    print(ls)
    
    print("===================解析语法=================")
    #解析语法的基本结构 以列表解析为例子（也称为列表推导）
    #[expression   for value in iterable   if condition]
    #三要数 ：表达式，可迭代对象，if条件
    #执行过程：从可迭代对象中拿出一个元素，通过if条件（如果有的话），对元素进行筛选，若通过筛选，则把元素传递给表达式，若未通过，则进入下一次迭代
    # 将表达式产生的结果作为列表的一个元素，直到迭代对象迭代结束，返回新创建的列表
    #等价于如下代码
    #result = []
    #for value in iterabe:
    #    if condition:
    #        result.append(expression)
    #例子 求20以内的奇数的平方
    squares = []
    for i in range(1,21):
        if i%2 == 1:
            squares.append(i**2)
    print(squares)
    print ([i**2  for i in range(1,21) if i%2 == 1])
    #支持多变量
    x = [1,2,3]
    y = [1,2,3]
    results = [i*j for i,j in zip(x,y)]
    print (results)
    #支持嵌套循环
    colors = ["black","while"]
    sizes = ["S","M","L"]
    tshirts = ["{} {}".format(color,size) for color in colors for size in sizes]
    print (tshirts)
    
    #其它解析语法的例子
    #解析语法构造字典（字典推导）
    squares = {i:i**2 for i in range(10)}
    for k,v in squares.items():
        print(k,": ",v)
    
    #解析语法构造集合（集合推导）
    squares = {i**2 for i in range(10)}
    print(squares)
    #生成器推导 可以进行迭代
    squares = (i**2 for i in range(10))
    for square in squares:
        print(square)
    
    #条件表达式  expr1 if condition else expr2  如果条件成立，就执行expr1 ，否则执行expr2
    #将n的绝对值赋值给x
    n = -10
    x = n if n>=0 else -n
    print (x)
    
    print("======================三大神器 生成器 迭代器 装饰器====================")
    #生成器 如果要计算列表中1到100每个数的平方，采用列表迭代的方式，占用大量内存，此时可以使用生成器
    #生成器采用惰性计算，海量数据，不需要存储 一边迭代一边计算 每次只算出当次需要的值，后面的值用到的时候再计算
    #生成器实际上一直在执行next（）操作，取到下一个值，直到无值可取
    #squares = (i**2 for i in range(10000))
    #for i in squares
    #    pass
    #采用生成器无需显示存储全部数据，节省内存
    print (sum(i for i in range(101)))
    #生成器函数 yield
    #以生成斐波那契数列为例子 数列的前两个元素为1,1,之后的元素为其前两个元素之和
    def fib(max):
        ls = []
        n,a,b = 0,1,1
        while n < max:
            #ls.append(a)
            print (a) #每次打印输出斐波那契数列就可以了
            a,b = b,a+b
            n = n+1
        return ls
    
    fib(10)
    
    #使用yield，遇到yield语句，会将后面的元素返回，当它执行完返回后，就会停在这里，知道进行下一次next操作，它会从停止的地方继续执行
    def fib(max):
        n,a,b = 0,1,1
        while n < max:
            yield a
            a,b = b,a+b
            n = n +1
    fib(10)
    for i in fib(10):
        print(i)
    
    #迭代器
    #可直接用于for循环的对象称为可迭代对象：iterable
    #列表 元组 字符串 字典 集合 文件 都是可迭代对象 我们可以使用isinstance()判断一个对象是否是iterable对象
    from collections import Iterable
    print(isinstance([1,2,3],Iterable))
    print(isinstance({"name":"Sarah"},Iterable))
    print(isinstance('Python',Iterable))
    #生成器也是可迭代对象
    squares =  (i**2 for i in range(5))
    print(isinstance(squares,Iterable))
    #生成器不但可以用于for循环，还可以被next()函数调用
    #每调用一次next函数，取出一个元素，直到没有数据可取，抛出StopIteration
    print(next(squares))
    print(next(squares))
    #可以被next()函数调用并且不断返回下一个值，直到没有数据可取的对象称为迭代器： Iterator
    #可以使用isinstance()判断一个对象是否是iterator对象
    #生成器都是迭代器
    from collections import Iterator
    squares = (i**2 for i in range(5))
    print(isinstance(squares,Iterator))
    #列表 元组 字符串 字典 集合不是迭代器
    print(isinstance([1,2,3],Iterator))
    #可通过iter(iterable)创建迭代器
    print(isinstance(iter([1,2,3]),Iterator))
    #zip enumerate 等 itertools里的函数是迭代器
    x = [1,2]
    y = ["a","b"]
    zip(x,y)
    for i in zip(x,y):
        print(i)
    print(isinstance(zip(x,y),Iterator))
    #文件是迭代器
    with open("test.txt","r",encoding="utf-8") as f:
        print(isinstance(f,Iterator))
    #迭代器是可耗尽的
    #range()不是迭代器,它不可以被next调用 且无法被耗尽，它是一种懒序列
    numbers = range(10)
    print(isinstance(numbers,Iterator))
    
    
    #装饰器
    #适用场景 需要对已经开发上线的程序添加某些功能，不能对程序中函数的源代码进行修改，不能改变程序中函数的调用方式
    #函数对象 函数是python中的第一类对象 可以把函数赋值给变量 对该变量进行调用 可实现原函数的功能
    def square(x):
        return x**2
    print(type(square)) #square 是function类的一个实例
    pow_2 = square  #可以理解为给这个函数起了一个别名pow_2
    print(pow_2(5))
    print(square(5))
    #可以将函数作为参数传递
    #高阶函数 接收函数作为参数，或者返回一个函数 满足这两个条件之一的函数称之为高阶函数
    def square1(x):
        return x**2
    
    def pow_2(fun): #高阶函数
        return fun
    
    f = pow_2(square1) #将square1这个函数作为参数赋值给pow_2,它的返回值还是square1这个函数
    print(f(8))
    print(f==square1)
    
    #嵌套函数 在函数的内部定义一个函数,并且调用
    def outer():
        print("outer is running")
        def inner():
            print("inner is running")
        inner()
    
    outer()
    
    #闭包
    #闭包是延伸了作用域的函数，如果一个函数定义在另一个函数作用域内，并且引用了外层函数的变量，则该函数称为闭包
    #闭包是由函数及其相关的引用环境组合而成的实体（即 闭包=函数+引用环境），即不但返回内部函数，还返回外部环境的引用
    def outer1():
        x = 1
        z = 10
    
        def inner():
            y = x + 100
            return y,z
        return inner
    
    f = outer1() #f实际上包含了inner函数本身+outer函数的环境
    print(f)
    res = f()
    print(res) #在inner函数中用到了outer函数的变量
    #一旦在内层函数重新定义了相同名字的变量，则变量成为局部变量
    def outer2():
        x = 1
        def inner():
            #x = x + 100 #这里x定义在内层函数中，默认为局部变量，内层找不到x的值，所以报错
            nonlocal x #用nonlocal声明x不是举报变量
            x = x + 10
            return x
        return inner
    
    f = outer2()
    f()
    
    #一个简单的装饰器
    #嵌套函数的实现
    import time
    #定义timer装饰器函数
    def timer(func):
        #定义嵌套函数inner
        def inner():
            print("inner run")
            start = time.time()
            #在inner中运行传递过来的函数，并且在前后用两个时间戳获得它运行的时间
            func()
            end = time.time()
            print("{}函数运行用时{:.2f}秒".format(func.__name__,(end-start)))
        return inner()
    
    #定义一个f1函数，我们希望它在运行的时候，统计一下用了多长时间
    def f1():
        print("f1 run")
        time.sleep(1)
    
    #将f1函数传递到timer()函数里面去，返回值是inner，此时返回值f1不单单包括inner函数，还包括timer函数的外部环境，包括参数func
    f1 = timer(f1)
    f1
    
    #语法糖
    @timer    #相当于实现了f2 = timer(f2)
    def f2():
        print("f1 run")
        time.sleep(1)
    f2
    
    #装饰有参函数
    def timer1(func):
        #定义嵌套函数inner
        def inner(*args, **kwargs):
            print("inner run")
            start = time.time()
            #在inner中运行传递过来的函数，并且在前后用两个时间戳获得它运行的时间
            func(*args,**kwargs)
            end = time.time()
            print("{}函数运行用时{:.2f}秒".format(func.__name__,(end-start)))
        return inner()
    
    @timer1
    def f3(n1,n2):
        print("f3 run")
        time.sleep(n)
    #f3(3) 报错？
    
    
    #装饰器本身也要传递一些额外的参数 理解闭包是关键
    
    #何时执行装饰器 一装饰就执行 不必等调用
    #通过python内部装饰器 @wraps可以将掩饰掉的原函数的属性重新回来