本文大多數(shù)例子搬自 python cookbook 這里是對學(xué)習(xí)的一個總結(jié)和提煉
ps：python版本為python3
1.解壓序列賦值給多個變量
# 有一個包含 N 個元素的元組或者是序列，怎樣將它里面的值解壓后同時賦值給 N 個變量？
data = ['ACME', 50, 91.1, (2012, 12, 21)]
# 任何的序列（或者是可迭代對象）可以通過一個簡單的賦值語句解壓并賦值給多個變量
# 變量的數(shù)量必須跟序列元素的數(shù)量是一樣的
name, shares, prices, date = data
print(name, shares, prices, date, sep=" | ", end="\n")
# 如果只需要一部分，可以給個占位變量如
_, sha, pr, _ = data
print(sha,pr,sep=' | ')
運(yùn)行結(jié)果：
ACME | 50 | 91.1 | (2012, 12, 21)
50 | 91.1
2.解壓可迭代對象賦值給多個變量
# 解壓可迭代對象賦值給多個變量
def drop_frist_last(grades):
? ? frist, *middle, last = grades
? ? return sum(middle) / len(middle)
print(drop_frist_last([0, 60, 70, 80, 100]))
# 有時候，你想解壓一些元素后丟棄它們,可以使用 比如 _ 或者 ign
record = ('ACME', 50, 123.45, (12, 18, 2012))
name,*_,(*_,year) = record
print(name,year)
運(yùn)行結(jié)果：
70.0
ACME 2012
3.保留有限的歷史記錄
'''
使用 deque(maxlen=N) 構(gòu)造函數(shù)會新建一個固定大小的隊(duì)列。當(dāng)新的元素加入并且這個隊(duì)列已滿的時候， 最老的元素會自動被移除掉
'''
def search(lines, pattern, histroy=60):
? ? previous_lines = deque(maxlen=histroy)
? ? for line in lines:
? ? ? ? if pattern in line:
? ? ? ? ? ? yield line, previous_lines
? ? ? ? ? ? previous_lines.append(line)
? ? ? ? ? ? print(len(previous_lines))
? ? ? ? ? ? for item in previous_lines:
? ? ? ? ? ? ? ? print(item)
if __name__ == "__main__":
? ? with open(os.getcwd() + "/Lesson1.py") as f:
? ? ? ? for line, prevlines in search(f, '50', 3):
? ? ? ? ? ? print("type prevlines =", type(prevlines))
? ? ? ? ? ? for pline in prevlines:
? ? ? ? ? ? ? ? print('pline = ', pline, end='')
? ? ? ? ? ? print("type line =", type(line))
? ? ? ? ? ? # print('line = ', line, end='')
? ? ? ? ? ? print('-' * 20)
#? ? ? ? ? ?
4.怎樣從一個集合中獲得最大或者最小的 N 個元素列表？
# 當(dāng)集合是一個列表是
nums = [3, 10, 5, 23, 7, -4, 18, 23, 42, 37, 2]
print(heapq.nlargest(3, nums))
print(heapq.nsmallest(3, nums))
# 如果是更負(fù)責(zé)的對象時候
mydirt = [
? ? {'name': 'IBM', 'shares': 100, 'price': 91.1},
? ? {'name': 'AAPL', 'shares': 50, 'price': 543.22},
? ? {'name': 'FB', 'shares': 200, 'price': 21.09},
? ? {'name': 'HPQ', 'shares': 35, 'price': 31.75}]
print(heapq.nlargest(2, mydirt, key=lambda l: l['price']))
print(heapq.nsmallest(2, mydirt, key=lambda l: l['price']))
運(yùn)行結(jié)果
[42, 37, 23]
[-4, 2, 3]
[{'name': 'AAPL', 'shares': 50, 'price': 543.22}, {'name': 'IBM', 'shares': 100, 'price': 91.1}]
[{'name': 'FB', 'shares': 200, 'price': 21.09}, {'name': 'HPQ', 'shares': 35, 'price': 31.75}]
ps：堆數(shù)據(jù)結(jié)構(gòu)最重要的特征是 heap[0] 永遠(yuǎn)是最小的元素，另外 nlargest，nsmallest 適合查找的元素個數(shù)相對比較小的時候，如果你僅僅想查找唯一的最小或最大（N=1）的元素的話，那么使用 min() 和 max() 函數(shù)會更快些。 類似的，如果 N 的大小和集合大小接近的時候，通常先排序這個集合然后再使用切片操作會更快點(diǎn) （ sorted(items)[:N] 或者是 sorted(items)[-N:] ）
5.字典排序
'''
你想創(chuàng)建一個字典，并且在迭代或序列化這個字典的時候能夠控制元素的順序。
'''
from collections import OrderedDict
d = OrderedDict()
d['foo'] = 1
d['beer'] = 2
d['bar'] = 4
d['park'] = 3
for key in d:
? ? print(key, d[key])
執(zhí)行結(jié)果：
foo 1
beer 2
bar 4
park 3
6.字典中的鍵映射多個值
from collections import defaultdict
df_d = defaultdict(list)
df_d['a'].append(1)
df_d['a'].append(2)
df_d['b'].append(4)
print(df_d)
d2 = defaultdict(set)
pairs = [('a', 1), ('a', 2), ('b', 4)]
for key, value in pairs:
? ? d2[key].add(value)
print(d2)
運(yùn)行結(jié)果：
defaultdict(<class 'list'>, {'a': [1, 2], 'b': [4]})
defaultdict(<class 'set'>, {'a': {1, 2}, 'b': {4}})
7.字典的運(yùn)算（求最小值、最大值、排序等）
prices = {
? ? 'ACME': 45.23,
? ? 'AAPL': 612.78,
? ? 'IBM': 205.55,
? ? 'HPQ': 37.20,
? ? 'FB': 10.75
}
# 求最小值
# 方法 1,通過zip 函數(shù)創(chuàng)建的是一個只能訪問一次的迭代，將鍵值反過來
print(min(zip(prices.values(), prices.keys())))
# 輸出 (10.75, 'FB')
# 方法二 直接取values 獲取最小值，不過你就不知道對于的key
print(min(prices.values()))
# 輸出 10.75
# 方法三
min_key = min(prices, key=lambda k: prices[k])
print(prices[min_key])
# 輸出 FB
# 排序
prices_sorted = sorted(zip(prices.values(), prices.keys()))
print(prices_sorted)
# 輸出 [(10.75, 'FB'), (37.2, 'HPQ'), (45.23, 'ACME'), (205.55, 'IBM'), (612.78, 'AAPL')]
