Python02进阶

Python进阶

词典 dictionary

创建词典

dic = {'tom':11,'sam':45,'lily':32}
print(dic)		# {'tom': 11, 'sam': 45, 'lily': 32}
print(type(dic))	# <class 'dict'>
print(dic['sam'])	# 45

词典和表类似的地方，是包含有多个元素，每个元素以逗号分隔。但词典的元素包含有两部分，键和值，常见的是以字符串来表示键，也可以使用数字等表示键（不可变的对象可以作为键）。值可以是任意对象。键和值两者一一对应。

与表不同的是，词典的元素没有顺序。你不能通过下标引用元素。词典是通过键来引用。

词典元素的循环调用

dic = {'tom':11,'sam':45,'lily':32}

for key in dic: 	# 循环调用
    print(key)
    print(dic[key])

在循环中，dict的每个键，被提取出来，赋予给key变量。

词典的常用方法

dic = {'tom':11,'sam':45,'lily':32}

print(dic.keys())	# 返回dic所有的键	dict_keys(['tom', 'sam', 'lily'])
print(dic.values())	# 返回dic所有的值	dict_values([11, 45, 32])
print(dic.items())	# 返回dic所有的元素（键值对）dict_items([('tom', 11), ('sam', 45), ('lily', 32)])
del dic['tom']		# 删除 dic 的‘tom’元素
print(len(dic))		# 查询词典中的元素总数。

文本文件的输入输出

Python具有基本的文本文件读写功能。Python的标准库提供有更丰富的读写功能。

文本文件的读写主要通过**open()**所构建的文件对象来实现。

创建文件对象

对象名 = open(文件名，模式)

模式如下:
- r 打开只读文件，该文件必须存在。
- r+ 打开可读写的文件，该文件必须存在。
- w 打开只写文件，若文件存在则文件长度清为0，即该文件内容会消失。若文件不存在则建立该文件。
- w+ 打开可读写文件，若文件存在则文件长度清为零，即该文件内容会消失。若文件不存在则建立该文件。
- a 以附加的方式打开只写文件。若文件不存在，则会建立该文件，如果文件存在，写入的数据会被加到文件尾，即文件原先的内容会被保留。
- a+ 以附加方式打开可读写的文件。若文件不存在，则会建立该文件，如果文件存在，写入的数据会被加到文件尾后，即文件原先的内容会被保留。
- 上述的形态字符串都可以再加一个b字符，如rb、w+b或ab＋等组合，加入b 字符用来告诉函数库打开的文件为二进制文件，而非纯文字文件。

# 如:
f = open('test.txt','r+',encoding='utf-8')

文件对象的方法

f = open('test.txt','r+',encoding='utf-8')

# 读取
content = f.read(N)          # 读取N bytes的数据
content = f.readline()       # 读取一行
content = f.readlines()      # 读取所有行，储存在列表中，每个元素是一行。

# 写入
f.write('I like apple!\n')      # 将'I like apple'写入文件并换行

# 关闭文件
f.close()

模块引入

# first.py
def laugh():
    print 'HaHaHaHa'

# second.py
import first   #将first文件引入
for i in range(10):
    first.laugh()

在second.py中，使用first.py中定义的laugh()函数。

引入模块后，可以通过 模块.对象 的方式来调用引入模块中的某个对象。上面例子中，first 为引入的模块，laugh() 是我们所引入的对象。

Python中还有其它的引入方式：

# 引入模块a，并将模块a重命名为b
import a as b       

# 从模块a中引入function1对象。调用a中对象时，我们不用再说明模块，即直接使用function1，而不是a.function1。
from a import function1   

# 从模块a中引入所有对象。调用a中对象时，我们不用再说明模块，即直接使用对象，而不是a.对象。
from a import *           

# 包含文件层级
import dir.a as b 

模块包

可以将功能相似的模块放在同一个文件夹（比如说this_dir）中，构成一个模块包。通过

import this_dir.module	# 引入this_dir文件夹中的module模块。

该文件夹中必须包含一个 __init__.py 的文件，提醒Python，该文件夹为一个模块包。__init__.py 可以是一个空文件。

函数的参数传递

函数(function)的参数(arguments)传递。根据位置，传递对应的参数。Python还支持更多的参数传递方式。

关键字传递

关键字(keyword)传递是根据每个参数的名字传递参数。关键字并不用遵守位置的对应关系。依然沿用上面f的定义，更改调用方式：

print(f(c=3,b=2,a=1))

# 关键字传递可以和位置传递混用。但位置参数要出现在关键字参数之前：
print(f(1,c=3,b=2))	

参数默认值

在定义函数的时候，使用形如a=19的方式，可以给参数赋予默认值(default)。如果该参数最终没有被传递值，将使用该默认值。

def f(a,b,c=10):
    return a+b+c

print(f(3,2))	# 15  c没有被赋值，c将使用默认值10.
print(f(3,2,1))	# 6  c被赋值为1，不再使用默认值。

包裹传递

在定义函数时，我们有时候并不知道调用的时候会传递多少个参数。这时候，包裹(packing)位置参数，或者包裹关键字参数，来进行参数传递，会非常有用。

def func(*name):
    print type(name)
    print name

func(1,4,6)				# <class 'tuple'>  /n    (1, 4, 5)
func(5,6,7,1,2,3)		# <class 'tuple'>  /n    (5,6,7,1,2,3)

在func的参数表中, 所有的参数被name收集, 根据位置合并成一个元组(tuple), 赋值给name, 这就是包裹传递。

def func(**dict):
    print type(dict)
    print dict

func(a=1,b=9)		# <class 'dict'>   /n   {'a': 1, 'b': 2}
func(m=2,n=1,c=11)	# <class 'dict'>   /n   {'m': 1, 'n': 4, 'c': 22}

与上面一个例子类似，dict是一个字典，收集所有的关键字，传递给函数func。为了提醒Python，参数dict是包裹关键字传递所用的字典，在dict前加 **

即 包裹传递的关键在于定义函数时，在相应元组或字典前加* 或 ** 。

解包裹

* 和 **，也可以在调用的时候使用，即解包裹(unpacking), 下面为例：

def func(a,b,c):
    print a,b,c

args = (1,3,4)
func(*args)

在传递tuple时，让tuple的每一个元素对应一个位置参数。在调用func时使用 * ，是为了提醒Python：要把args拆成分散的三个元素，分别传递给a,b,c

相应的，也存在对词典的解包裹，使用相同的func定义

def func(a,b,c):
    print a,b,c
    
dict = {'a':1,'b':2,'c':3}
func(**dict)

在传递词典dict时，让词典的每个键值对作为一个关键字传递给func。

混合

在定义或者调用参数时，参数的几种传递方式可以混合。但在过程中要小心前后顺序。基本原则是：先位置，再关键字，再包裹位置，再包裹关键字

循环设计

range()

str = 'abcdefghijk'
for i in range(0,len(str)):
    print(i)		# 当前索引
    print(str[i])	# 索引对应的元素

我们利用 len() 函数和 range() 函数，用 i 作为 S 序列的下标来控制循环。在range函数中，可以分别定义上限，下限和每次循环的步长。

enumerate()

利用enumerate()枚举函数，可以在每次循环中同时得到下标和元素：

str = 'abcdefghijk'
for (index,char) in enumerate(str):
    print(index)	# 当前索引
    print(char)		# 索引对应的元素

# 枚举统计文件行数
count = 0
for index,line in enumerate(open('record.txt','r',encoding='utf-8')):
    count +=1
print(count)

enumerate()在每次循环中，返回的是一个包含两个元素的定值表(tuple)，两个元素分别赋予index和char。

zip()

多个等长的序列，然后想要每次循环时从各个序列分别取出一个元素，可以利用zip()

zip()函数的功能，就是从多个列表中，依次各取出一个元素。每次取出的(来自不同列表的)元素合成一个元组，合并成的元组放入zip()返回的列表中。zip()函数起到了聚合列表的功能。

tupleA = [1,2,3]
tupleB = [0,9,8,7]
tupleC = ['a','b','c','d','e']
for a,b,c in zip(tupleA,tupleB,tupleC):
    # 每次循环时，从各个序列分别从左到右取出一个元素，合并成一个tuple，然后tuple的元素赋予给a,b,c 。
    print(a,b,c)

zip_longest()

# zip_longest() 最长列表为基准,空值指定为0而不是None
tupleA = [1,2,3]
tupleB = [0,9,8,7]
tupleC = ['a','b','c','d','e']
from itertools import zip_longest
for a,b,c in zip_longest(tupleA,tupleB,tupleC,fillvalue=0):
    print(a,b,c)

可以分解聚合后的列表，如下:

# 分解聚合后的列表
tupleA = [1,2,3]
tupleB = [0,9,8]
zipped = zip(tupleA,tupleB)  # 聚合cluster
print(zipped)
na,nb = zip(*zipped)     # 解包unpack
print(na,nb)

可迭代对象

迭代对象

迭代对象是一个包含有 __iter__ 方法的对象。

一个可迭代对象的 __iter__ 方法实际上返回的一个迭代器，并且如期响应 next 方法。而在迭代完成后，再次使用 next 时，抛出 StopIteration错误。

列表其实也是一个迭代对象，包含有 __iter__方法。在我们使用 iter(lst) 返回一个迭代器 test_iter 后，使用 next()方法每次迭代一个元素，到迭代完成后继续使用 next 抛出StopIteration。

list1 = [1,2,3,4,5]
test_iter = iter(list1)
print(type(test_iter)) # class list_iterator

print(next(test_iter))
print(next(test_iter))
print(next(test_iter))
print(next(test_iter))
print(next(test_iter))
print(next(test_iter))	# StopIteration

迭代器

迭代器是包含 __next__ 方法的任何对象，（因为包含 __next__ 方法，因此能响应 next 方法）

生成器也是一种迭代器。

生成器的编写方法和函数定义类似，只是在 return 的地方改为 yield。生成器中可以有多个 yield。当生成器遇到一个 yield 时，会暂停运行生成器，返回 yield 后面的值。当再次调用生成器的时候，会从刚才暂停的地方继续运行，直到下一个 yield。每次使用一个 yield 返回的值。

# 生成器 该生成器共有三个yield， 如果用作迭代器时，会进行三次循环。
def genera():
    a = 100
    yield a
    a = a * 8
    yield a
    yield 1000

print(genera())     # generator object
for i in genera():
    print(i)

可以写成**生成器表达式(Generator Expression)**：

def genera2():
    for i in range(4):
        yield i

genera3 = (x for x in range(4))

列表推导

列表推导(list comprehension)是快速生成列表的方法。语法简单，很有实用价值。

list1 = []
for i in range(10):
    list1.append(i**2)
print(list1)

list1 = [x**2 for x in range(10)] # 快捷写法 与生成器表达式类似，只不过用的是中括号
print(list1)

函数对象

函数也是一个对象，具有属性（可以使用dir()查询）。作为对象，它还可以赋值给其它对象名，或者作为参数传递。

lambda函数

lambda生成一个函数对象。该函数参数为x,y，返回值为x+y。函数对象赋给func。func的调用与正常函数无异。

def func1(x,y):
    return x+y

func = lambda x,y: x+y
# 以上两个函数功能相同

函数作为参数传递

函数可以作为一个对象，进行参数传递。函数名(比如func)即该对象

func = lambda x,y: x+y	# 定义函数

def func2(f,a,b):	# 将函数作为参数传入
    print('test')
    print(f(a,b))	# 调用函数

# 下面两种写法相同
func2(func,2,8)
func2((lambda x,y: x+y), 4,7)

map()函数

map()的功能是将函数对象依次作用于表的每一个元素，返回表存储每次作用的结果, 它的第一个参数是一个函数对象。

test = map((lambda x: x**2),[1,2,3,4,5])

test2 = map((lambda x,y:x+y),[1,2,3],[4,5,6])

filter()函数

filter函数的第一个参数也是一个函数对象。它也是将作为参数的函数对象作用于多个元素。如果函数对象返回的是True，则该次的元素被储存于返回的表中。 filter通过读入的函数来筛选数据。

def bigger(a):
    if a>100:
        return True
    else:
        return False
bigNumber = filter(bigger,[10,55,1000,300,20,487])

reduce()函数

reduce函数的第一个参数也是函数，但有一个要求，就是这个函数自身能接收两个参数。reduce可以累进地将函数作用于各个参数。如下例：

from functools import reduce
red = reduce((lambda x,y:x+y),[1,2,3,4,5])
print(red)  # (((1+2)+3)+4)+5

reduce的第一个参数是lambda函数，它接收两个参数x,y, 返回x+y。

educe将表中的前两个元素(1和2)传递给lambda函数，得到3。
该返回值(3)将作为lambda函数的第一个参数，而表中的下一个元素(3)作为lambda函数的第二个参数，进行下一次的对lambda函数的调用，得到6。
依次调用lambda函数，每次lambda函数的第一个参数是上一次运算结果，而第二个参数为表中的下一个元素，直到表中没有剩余元素。

错误处理

异常处理

try-except语法:

try:
    ...
except exception1:
    ...
except exception2:
    ...
except:
    ...
finally:
    ...
# 如果try中有异常发生时，将执行异常的归属，执行except。
# 异常层层比较，看是否是exception1, exception2...，直到找到其归属，执行相应的except中的语句。
# 如果except后面没有任何参数，那么表示所有的exception都交给这段程序处理。比如:

报错案例

list_iter = iter(range(5))
for i in range(100):
    print(next(list_iter))    # 报错: StopIteration

使用try-except。在try程序段中，我们放入容易犯错的部分。我们可以跟上except，来说明如果在try部分的语句发生StopIteration时，程序该做的事情。如果没有发生异常，则except部分被跳过。

list_iter = iter(range(5))
try:
    for i in range(100):
        print(next(list_iter))
except StopIteration:
    print('it is the end')

报错流程: try -> 异常 -> except -> finally

如果无法将异常交给合适的对象，异常将继续向上层抛出，直到被捕捉或者造成主程序报错。比如下面的程序：

def test_func():
    try:
        m = 1/0
    except NameError:
        print('Catch NameError in Sub Function')    # 未定义变量

try:
    test_func()
except ZeroDivisionError:
    print('Catch Error in Main Program')

抛出异常

也可以使用raise自己主动抛出异常

raise StopIteration # 主动抛出异常

动态类型

动态类型(dynamic typing)。即Python的变量(variable)不需要声明，而在赋值时，变量可以重新赋值为任意值。这些都与动态类型的概念相关。

动态类型

引用和对象分离，是动态类型的核心。引用可以随时指向一个新的对象：

a = 3	# 通过赋值，引用a指向对象3。
a = 'at'

第一个语句中，3是储存在内存中的一个整数对象。通过赋值，引用a指向对象3。

第二个语句中，内存中建立对象‘at’，是一个字符串(string)。引用a指向了’at’。此时，对象3不再有引用指向它。Python会自动将没有引用指向的对象销毁(destruct)，释放相应内存。

对于小的整数和短字符串，Python会缓存这些对象，而不是频繁的建立和销毁。

a = 5
b = a		
a = a + 2
print(a,b)	# 7  5

即使是多个引用指向同一个对象，如果一个引用值发生变化，那么实际上是让这个引用指向一个新的引用，并不影响其他的引用的指向。从效果上看，就是各个引用各自独立，互不影响。

L1 = [1,2,3]
L2 = L1
L1 = 2
print(L1,L2) # 2 [1, 2, 3]

L1 = [1,2,3]
L2 = L1
L1[0] = 10
print(L1,L2) # [10, 2, 3] [10, 2, 3]

即列表(list)和字典(dictionary)可以通过引用其元素,改变自身对象(in-place change),称为: 可变数据对象(mutable object)

而数字/字符串, 不能改变对象本身, 只能改变引用指向, 称为不可变数据对象(immutable object)

元组(tuple)虽然可以调用引用元素, 但不可赋值, 所以也算不可变数据对象

从动态类型看函数的参数传递

函数的参数传递，本质上传递的是引用。

def func(x):
    x = 100
    print(x)    

a = 1
func(a)     # 100
print(a)    # 1

def func1(x):
    x[0] = 100
    print(x)

b = [1,2,3]
func1(b)    # [100, 2, 3]
print(b)    # [100, 2, 3]

参数x是一个新的引用，指向a所指的对象。

如果参数是不可变(immutable)的对象，a和x引用之间相互独立。对参数x的操作不会影响引用a。

如果传递的是可变(mutable)的对象，那么改变函数参数，有可能改变原对象。所有指向原对象的引用都会受影响