图片 2

python内置序列类型,数据结构

正文重要内容

  系列类型分类:

    (1卡塔尔容器体系、扁平类别

    (2卡塔尔可变连串、不可变类别

  列表推导式

  生成器表明式

  元组拆包

  切片

  排序(list.sort方法和sorted函数)

  bisect

 

python高级——目录

  文中代码均位于github上:https://github.com/ampeeg/cnblogs/tree/master/python高级

 

队列构成的数组

置于连串类型大概浏览

Python
标准库用 C 达成了丰盛的队列类型,列举如下:

容器类别

  list、tuple
和 collections.deque 这一个连串能寄放区别类型的多少

扁平体系

  str、bytes、bytearray、memoryview
和 array.array,那类体系只可以容纳意气风发类别型

注:

  容器系列存放的是它们所包括的随机等级次序的对象的引用,而扁平系列里贮存的是值实际不是援用。换句话说,扁平类别其实是生龙活虎段连接的内部存款和储蓄器空间。简单来说扁平类别其实更是严密,不过它在那之中只可以寄放诸如字符、字节和数值这种幼功项目。

队列类型还是能遵照是或不是被改过来分类:

可变系列

  list、bytearray、array.array、collections.deque
和memoryview

不足变种类

  tuple、str
和 bytes

 

列表推导和生成器表明式

  列表推导是营造列表(list卡塔 尔(英语:State of Qatar)的神速情势,而生成器表明式则足以用来创造别的任何类型的队列。若是你的代码里并不日常应用它们,那么很恐怕你失去了成都百货上千写出可读性越来越好且更飞快的代码的机缘。

举个🌰

 1 '''
 2 需求:把一个字符串变成 Unicode 码位的列表
 3 '''
 4 
 5 #普通的写法
 6 symbols = '$¢£¥€¤'
 7 codes = []
 8 for symbol in symbols:
 9     codes.append(ord(symbol))
10 else:
11     print('普通写法得到的codes:', codes)
12 
13 #列表推倒式的写法
14 codes = [ord(symbol) for symbol in symbols]
15 print('列表推倒式写法得到的codes:', codes)

  列表推导能够辅助大家把二个行列或是其余可迭代类型中的成分过滤或是加工,然后再新建二个列表。Python
内置的 filter 和 map
函数组合起来也能落得那风流浪漫作用,不过可读性上打了超级大的折扣。

  

列表推导同filter和map的可比

  filter
和 map
合起来能做的事体,列表推导也足以做,何况还不须要依赖难以精晓和读书的
lambda 表达式

 1 #普通列表推到式实现过滤功能
 2 symbols = '$¢£¥€¤'
 3 beyond_ascii = [ord(s) for s in symbols if ord(s) > 127]
 4 print('普通列表推倒式过滤后的结果:', beyond_ascii)
 5 
 6 #使用filter函数实现的效果
 7 beyond_ascii_filter = list(filter(lambda s: s > 127, map(ord, symbols)))
 8 print('使用filter高阶函数实现过滤的结果:', beyond_ascii_filter)
 9 
10 print(beyond_ascii == beyond_ascii_filter)

 

笛卡儿积

  用列表推导可以生成多少个或上述的可迭代类型的笛卡儿积。笛卡儿积是叁个列表,列表里的因素是由输入的可迭代类型的要素对组合的元组,由此笛卡儿积列表的长短等于输入变量的长短的乘积,如图:

图片 1

 

图:含有
4 养草色和 3 种牌面包车型客车列表的笛卡儿积,结果是叁个暗含 12个元素的列表

 

假若您须求多少个列表,列表里是
3 种不一样尺寸的 T 恤衫,各类尺寸都有2
个颜色,用列表推导算出了那个列表,列表里有 6 种组成:

笛Carl乘积的:

 1 '''
 2 需求:如果你需要一个列表,列表里是 3 种不同尺寸的 T 恤衫,每个尺寸都有2个颜色,用列表推导算出了这个列表,列表里有6种组合
 3 '''
 4 
 5 colors = ['black', 'white']
 6 sizes = ['S', 'M', 'L']
 7 
 8 tshirts = [(size, color) for size in sizes for color in colors]
 9 print('T恤巴拉巴拉的~:', tshirts)
10 
11 #循环列表输出每种可能性
12 for shirt in tshirts:
13     print(shirt)

以上代码试行的结果为:

T恤巴拉巴拉的~: [('S', 'black'), ('S', 'white'), ('M', 'black'), ('M', 'white'), ('L', 'black'), ('L', 'white')]
('S', 'black')
('S', 'white')
('M', 'black')
('M', 'white')
('L', 'black')
('L', 'white')

 

生成器表明式

  即便也得以用列表推导来初步化元组、数组或任何连串类型,但是生成器表明式是越来越好的抉择。这是因为生成器表明式背后据守了迭代器合同,能够各种地面世成分,而不是先创建四个完整的列表,然后再把这么些列表传递到某些构造函数里。前边这种办法如数家珍能够节外省存。

  用生成器表明式开始化元组和数组:

1 symbols = '$¢£¥€¤'
2 r = tuple(ord(s) for s in symbols)
3 print('利用生成器初始化元祖:', r)
4 
5 import array
6 
7 a = array.array('I', (ord(symbol) for symbol in symbols))
8 print(a)

上述代码实践的结果为:

利用生成器初始化元祖: (36, 162, 163, 165, 8364, 164)
array('I', [36, 162, 163, 165, 8364, 164])

注意:

  1. 只要生成器表明式是一个函数调用进度中的唯大器晚成参数,那么没有必要极其再用括号把它围起来。
  2. array
    的构造方法需求多少个参数,由此括号是需求的。array
    构造方法的首先个参数内定了数组中数字的存储情势。

  大家提到过的
T 恤衫的 2 种颜色和 3 种尺码的具备组成。与示例
2-4例外的是,用到生成器表明式之后,内存里不会留下二个有 6
个组成的列表,因为生成器表明式会在每一趟 for
循环运营时才生成三个组成。借使要总括八个各有 1000
个成分的列表的笛卡儿积,生成器表达式就足以协助省掉运转 for
循环的费用,即叁个包括 100 万个成分的列表。

  使用生成器完毕笛卡尔乘积:

1 colors = ['black', 'white']
2 sizes = ['S', 'M', 'L']
3 
4 for tshirt in ('%s %s'%(color, size) for color in colors for size in sizes):
5     print(tshirt)

上述代码实施的结果为:

black S
black M
black L
white S
white M
white L

 

元组不仅是不可变的列表

  有些Python
入门教程把元组称为“不可变列表”,可是那并不曾完全回顾元组的特点。除了作为不可变的列表,它还足以用来未有字段名的笔录。鉴于前面一个经常被忽略,大家先来拜候元组作为记录的作用。

元组和著录

  元组其实是对数据的记录:元组中的每种成分都寄存了笔录中七个字段的数据,外加那一个字段的岗位。就是以此职分音讯给多少授予了意义。

举个
把元组用作记录

 1 lax_coordinates = (33.9425, -118.408056)
 2 
 3 #解包,把元祖中的元素对应的索引对应成变量
 4 city, year, pop, chg, area = ('Tokyo', 2003, 32450, 0.66, 8014)
 5 
 6 traveler_ids = [('USA', '31195855'), ('BRA', 'CE342567'), ('ESP', 'XDA205856')]
 7 for passport in sorted(traveler_ids):
 8     print('%s/%s' % passport)
 9 
10 #元祖中的元素又是一个单独的元祖,可以通过解包的方式循环,不需要的数据可以通过_占位符来代替
11 for country, _ in traveler_ids:
12     print(country)

以上代码推行的结果为:

BRA/CE342567
ESP/XDA205856
USA/31195855
USA
BRA
ESP

元组拆包

  大家把元组
(‘Tokyo’, 2001, 32450, 0.66, 8014) 里的成分分别赋值给变量
city、year、pop、chg 和
area,而那全体的赋值我们只用豆蔻梢头行表明就写完了。相符,在前边后生可畏行中,四个 %
运算符就把 passport 元组里的要素对应到了 print
函数的格式字符串空档中。那七个都以对元组拆包的选择。

注意:

  元组拆包能够使用到此外可迭代对象上,唯风姿浪漫的硬性要求是,被可迭代对象中的成分数量必定要跟接收这几个要素的元组的空档数大器晚成致。除非我们用 * 来代表忽视多余的成分,在“用
* 来管理多余的因素”少年老成节里,作者会讲到它的切切实实用法。Python
爱好者们相当痛爱用元组拆包这几个说法,然而可迭代成分拆包那一个表明也日益流行了四起,比方“PEP
3132—Extended IterableUnpacking”(

拆包的写法:

1 lax_coordinates = (33.9425, -118.408056)
2 latitude, longitude = lax_coordinates #拆包
3 
4 print('latitude:', latitude)
5 print('longitude:', longitude)

其它三个很温婉的写法当属不利用此中变量沟通三个变量的值:

b, a = a, b

还足以用
* 运算符把一个可迭代对象拆开作为函数的参数:

>>> divmod(20, 8)
(2, 4)
>>> t = (20, 8)
>>> divmod(*t)
(2, 4)
>>> quotient, remainder = divmod(*t)
>>> quotient
2
>>> remainder
4

平行赋值栗子:

>>> a, b, *rest = range(5)
>>> a, b, rest
(0, 1, [2, 3, 4])
>>> a, b, *rest = range(3)
>>> a, b, rest
(0, 1, [2])
>>> a, b, *rest = range(2)
>>> a, b, rest
(0, 1, [])

在平行赋值中,*
前缀只好用在三个变量名前边,不过这些变量能够出未来赋值表达式的轻便地方:

>>> a, *body, c, d = range(5)
>>> a, body, c, d
(0, [1, 2], 3, 4)
>>> *head, b, c, d = range(5)
>>> head, b, c, d
([0, 1], 2, 3, 4)

嵌套元组拆包

  接收表明式的元组能够是嵌套式的,比如(a, b, (c,
d))。只要那一个接收元组的嵌套结构符合表明式自个儿的嵌套结构,Python
就足以作出科学的照拂。

 1 #每个组内对应四个元素,其中最后一个元素为一对坐标点
 2 metro_areas = [
 3     ('Tokyo','JP',36.933,(35.689722,139.691667)),
 4     ('Delhi NCR', 'IN', 21.935, (28.613889, 77.208889)),
 5     ('Mexico City', 'MX', 20.142, (19.433333, -99.133333)),
 6     ('New York-Newark', 'US', 20.104, (40.808611, -74.020386)),
 7     ('Sao Paulo', 'BR', 19.649, (-23.547778, -46.635833)),
 8 ]
 9 #{}format的格式化占位符,:15是十五个宽度 ^9居中对齐九个宽度
10 print('{:15} | {:^9} | {:^9}'.format('', 'lat', 'long.'))
11 fmt = '{:15} | {:9.4f} | {:9.4f}'
12 
13 for name, cc, pop, (latitude, longitude) in metro_areas:
14     #这个条件判断把输出限制在西半球的城
15     if longitude < 0:
16         print(fmt.format(name, latitude, longitude))

如上代码实践的结果为:

                |    lat    |   long.  
Mexico City     |   19.4333 |  -99.1333
New York-Newark |   40.8086 |  -74.0204
Sao Paulo       |  -23.5478 |  -46.6358

命名元祖

  collections.namedtuple
是一个厂子函数,它能够用来创设多少个带字段名的元组和三个著名字的类——那么些带名字的类对调节和测量试验程序有超级大援救。

举个
定义和采取命名元组

 1 from collections import namedtuple
 2 
 3 '''
 4 创建一个命名元祖,需要两个参数,第一个是类名称,另外的是类各个字段的名称,
 5 后者可以是由数个字符串组成的可迭代对象,或者是由空格分隔开的字段名组成的字符串
 6 '''
 7 City = namedtuple('City', 'name country population coordinates')
 8 
 9 #存放在对应字段里的数据要以一串参数的形式传入到构造函数中
10 tokyo = City('Tokyo', 'JP', 36.933, (35.689722, 139.691667))
11 
12 #通过字段或者是索引来获取值
13 print(tokyo)
14 print(tokyo.name)
15 print(tokyo.population)
16 print(tokyo.coordinates)
17 print(tokyo[1])

  除了从平常元组那里世襲来的习性之外,签字元组还会有意气风发部分本身专有的属性。示例
2-10 中就呈现了多少个最有效的:_fields 类属性、类方法_make(iterable)
和实例方法 _asdict()。

1 print(City._fields)
2 
3 LatLong = namedtuple('LatLong', 'lat long')
4 delhi_data = ('Delhi NCR', 'IN', 21.935, LatLong(28.613889, 77.208889))
5 #用_make() 通过接受一个可迭代对象来生成这个类的一个实例,它的作用跟 City(*delhi_data)是一样的
6 delhi = City._make(delhi_data)
7 
8 #_asdict() 把具名元组以 collections.OrderedDict 的形式返回,我们可以利用它来把元组里的信息友好地呈现出来
9 print(delhi._asdict())

以上代码推行的结果为:

('name', 'country', 'population', 'coordinates')
OrderedDict([('name', 'Delhi NCR'), ('country', 'IN'), ('population', 21.935), ('coordinates', LatLong(lat=28.613889, long=77.208889))])
name: Delhi NCR
country: IN
population: 21.935
coordinates: LatLong(lat=28.613889, long=77.208889)

 

切片

  在
Python
里,像列表(list卡塔 尔(英语:State of Qatar)、元组(tuple卡塔尔和字符串(str卡塔尔国那类类别类型都帮助切丝操作,可是实际切成条操作比大家所想象的要强有力超级多。

干什么切成片和间距会忽略最终二个成分

  在切除和间隔操作里不分包区间范围的末段八个要素是
Python 的风格,那个习于旧贯符合 Python、C 和其他语言里以 0
作为开场下标的古板。那样做端来的裨益如下:

  1. 当唯有最后贰个职分音讯时,大家也能够急忙看出切成块和间隔里有多少个元素:range(3)
    和 my_list[:3] 都返回 3 个元素

  2. 当起止地点音讯都可以看到时,大家能够高速总括出切成条和间距的长短,用后七个数减去第一个下标(stop –
    start卡塔尔国就可以

  3. 如此那般做也让咱们得以运用自便八个下标来把体系分割成不重叠的两局部,只要写成
    my_list[:x] 和 my_list[x:] 就足以了,如下所示

    1 l = [10, 20 , 30 ,40, 50, 60]
    2
    3 #取l列表中切多个要素
    4 print(‘l列表中的前八个成分:’, l[:2])
    5
    6 #从第二个目录伊始取值
    7 print(‘l列表从第一个目录起初将来取值:’,l[2:])

上述代码直接的结果为:

l列表中的前两个元素: [10, 20]
l列表从第二个索引开始往后取值: [30, 40, 50, 60]

对指标进行切开

  一个明显的潜在是,大家还足以用
s[a:b:c] 的花样对 s 在 a 和 b之间以 c 为间隔取值。c
的值还足以为负,负值意味着反向取值。上面包车型大巴 3 个例证越来越直观些:

1 s = 'bicycle'
2 
3 print('s隔三个取值:', s[::3])
4 
5 print('s反向输出:', s[::-1])
6 
7 print('s反向输出,隔两个取值:', s[::-2])

上述代码直接的结果为:

s隔三个取值: bye
s反向输出: elcycib
s反向输出,隔两个取值: eccb

  a:b:c
这种用法只好作为目录恐怕下标用在 [] 中来回到三个切块对象:slice(a, b,
c)。在 10.4.1 节中会讲到,对seq[start:stop:step]
进行求值的时候,Python 会调用seq.__getitem__(slice(start, stop,
step))。固然你还不会自定义连串类型,通晓一下切成丝对象也许有实益的。比方你能够给切成块命名,就像原子钟格软件里给单元格区域取名字相近。

举个
 纯文本文件格局的发票以大器晚成行字符串的款式被剖判

 1 invoice = """
 2     0.....6................................40........52...55........
 3     1909  Pimoroni PiBrella                $17.50    3    $52.50
 4     1489  6mm Tactile Switch x20           $4.95     2    $9.90
 5     1510  Panavise Jr. - PV-201            $28.00    1    $28.00
 6     1601  PiTFT Mini Kit 320x240           $34.95    1    $34.95
 7 """
 8 
 9 SKU = slice(0, 10)
10 DESCRIPTION = slice(10, 40)
11 UNIT_PRICE = slice(40, 52)
12 QUANTITY = slice(52, 55)
13 ITEM_TOTAL = slice(55, None)
14 line_items = invoice.split('n')[2:]
15 
16 for item in line_items:
17     print(item[UNIT_PRICE], item[DESCRIPTION])

以上代码间接的结果为:

   $17.50    Pimoroni PiBrella             
   $4.95     6mm Tactile Switch x20        
   $28.00    Panavise Jr. - PV-201         
   $34.95    PiTFT Mini Kit 320x240        

给切成块赋值

举个🌰 

 1 l = list(range(10))
 2 print('l列表的原有元素:', l)
 3 
 4 #利用切片赋值
 5 l[2:5] = [20, 30]
 6 print('利用l[2:5]以后的结果:', l)
 7 
 8 #删除列表中指定索引范围的值
 9 del l[5:7]
10 print('删除l列表第5-7个索引值以后的l列表:', l)
11 
12 #从第三个索引开始,间隔两个索引赋值
13 l[3::2] = [11, 22]
14 print('l列表从第三个索引开始,隔两个元素赋值以后的l列表:', l)

如上代码直接的结果为:

l列表的原有元素: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
利用l[2:5]以后的结果: [0, 1, 20, 30, 5, 6, 7, 8, 9]
删除l列表第5-7个索引值以后的l列表: [0, 1, 20, 30, 5, 8, 9]
l列表从第三个索引开始,隔两个元素赋值以后的l列表: [0, 1, 20, 11, 5, 22, 9]

注意:

  若是赋值的靶子是一个切开,那么赋值语句的动手务必是个可迭代对象。固然独有单唯二个值,也要把它转变到可迭代的系列。

 

队列的增量赋值 

  增量赋值运算符
+= 和 *=
的突显决意于它们的率先个操作对象。轻易起见,大家把研究聚焦在增量加法(+=卡塔 尔(英语:State of Qatar)上,可是这个概念对
*= 和其余增量运算符来讲都以如出大器晚成辙的。

  +=
背后的新鲜方式是 __iadd__
(用于“就地加法”卡塔尔国。可是要是叁个类未有贯彻那个措施的话,Python
会退一步调用 __add__ 。考虑下边那一个大约的表明式:

a += b

  如果 a
实现了 __iadd__ 方法,就能够调用那个措施。同不时候对可变连串(举例list、bytearray 和 array.array卡塔尔国来讲,a 会就地转移,如同调用了
a.extend(b) 同样。但是只要 a 未有兑现 __iadd__ 的话,a+= b
这么些表明式的功力就变得跟 a = a + b 同样了:首先总结 a
+b,得到三个新的目的,然后赋值给
a。也便是说,在此个表明式中,变量名会不会被提到到新的对象,完全决计于那一个类型有未有贯彻__iadd__
那几个格局。

举个
体现的是 *= 在可变和不足变种类上的职能:

>>> l = [1, 2, 3]
>>> id(l)
4316848904
>>> l *= 3
>>> l
[1, 2, 3, 1, 2, 3, 1, 2, 3]
>>> id(l)
4316848904
>>> t = (1, 2, 3)
>>> id(t)
4316864656
>>> t *= 2
>>> t
(1, 2, 3, 1, 2, 3)
>>> id(t)
4316467112

  对不可变连串进行再次拼接操作的话,效能会比非常的低,因为老是都有少年老成新对象,而解释器供给把原本对象中的成分先复制到新的目的里,然后再充实新的成分。

  

list.sort方法和放手函数sorted

   list.sort
方法会就地排种类表,也正是说不会把原列表复制大器晚成份。那也是那些艺术的重回值是
None 的原由,提示您本办法不会新建二个列表。在此种景况下回到 None 其实是
Python
的一个惯例:假诺二个函数也许措施对目的举办的是就地转移,那它就相应回到
None,好让调用者知道传入的参数产生了退换,何况从不发生新的目的。比如,random.shuffle
函数也遵守了这些惯例。

  与
list.sort 相反的是置于函数 sorted,它会新建二个列表作为再次来到值。那几个艺术能够选择任何款式的可迭代对象作为参数,甚至富含不得变系列或生成器。而不管
sorted 接收的是哪些的参数,它最后都会回去一个列表。

  不管是
list.sort 方法或许 sorted 函数,都有多少个可选的尤为重要字参数。

reverse

  若是被设定为
True,被排序的种类里的成分会以降序输出(也正是说把最大值当做最小值来排序卡塔 尔(英语:State of Qatar)。这一个参数的私下认可值是
False。

key

  五个唯有一个参数的函数,那个函数会被用在体系里的每七个因素上,所产生的结果将是排序算法重视的争执统后生可畏关键字。比方说,在对一些字符串排序时,能够用
key=str.lower 来实现忽视大小写的排序,也许是用 key=len
实行基于字符串长度的排序。那些参数的暗中认可值是恒等函数(identity
function卡塔尔国,也便是暗中认可用成分和煦的值来排序。

举个🌰

>>> fruits = ['grape', 'raspberry', 'apple', 'banana']
>>> sorted(fruits)
['apple', 'banana', 'grape', 'raspberry']
>>> sorted(fruits, reverse=True)
['raspberry', 'grape', 'banana', 'apple']
>>> sorted(fruits,key=len,  reverse=True)
['raspberry', 'banana', 'grape', 'apple']
>>> fruits
['grape', 'raspberry', 'apple', 'banana']
>>> fruits.sort()
>>> fruits
['apple', 'banana', 'grape', 'raspberry']

 

用bisect来治本已排序的行列

  bisect
模块包含多少个关键函数,bisect 和
insort,多少个函数都应用二分查找算法来在逐步连串中找找或插队元素。

用bisect来搜索

  bisect(haystack,
needle) 在
haystack(干草垛卡塔 尔(英语:State of Qatar)里探求needle(针卡塔尔的岗位,该任务满意的标准是,把
needle 插入这么些职位然后,haystack
还是能够保全升序。约等于在说这一个函数重返的岗位前边的值,都低于或等于 needle
的值。当中 haystack 必得是七个稳步的队列。你能够先用 bisect(haystack,
needle) 查找地点 index,再用 haystack.insert(index, needle)
来插入新值。但您也可用insort 来一步到位,并且后面一个的快慢越来越快一些。

举个 在静止类别中用
bisect 查找有个别成分的插入地点

 1 import bisect
 2 import sys
 3 
 4 HAYSTACK = [1, 4, 5, 6, 8, 12, 15, 20, 21, 23, 23, 26, 29, 30]
 5 NEEDLES = [0, 1, 2, 5, 8, 10, 22, 23, 29, 30, 31]
 6 
 7 ROW_FMT = '{0:2d} @ {1:2d}    {2}{0:<2d}'  #格式化输出:左边的是占位符的位置0 1 2... :右边的是对齐宽度
 8 
 9 
10 def demo(bisect_fn):
11     for needle in reversed(NEEDLES):
12         position = bisect_fn(HAYSTACK, needle)
13         offset = position * '  |'
14         print(ROW_FMT.format(needle, position, offset))
15 
16 if __name__ == "__main__":
17 
18     if sys.argv[-1] == 'left':
19         bisect_fn = bisect.bisect_left
20     else:
21         bisect_fn = bisect.bisect
22 
23     print('DEMO:', bisect_fn.__name__)
24     print('haystack ->', ' '.join('%2d' % n for n in HAYSTACK))
25     demo(bisect_fn)

以上代码直接的结果为:

DEMO: bisect
haystack ->  1  4  5  6  8 12 15 20 21 23 23 26 29 30
31 @ 14      |  |  |  |  |  |  |  |  |  |  |  |  |  |31
30 @ 14      |  |  |  |  |  |  |  |  |  |  |  |  |  |30
29 @ 13      |  |  |  |  |  |  |  |  |  |  |  |  |29
23 @ 11      |  |  |  |  |  |  |  |  |  |  |23
22 @  9      |  |  |  |  |  |  |  |  |22
10 @  5      |  |  |  |  |10
 8 @  5      |  |  |  |  |8 
 5 @  3      |  |  |5 
 2 @  1      |2 
 1 @  1      |1 
 0 @  0    0 

基于二个分数,找到它所对应的实际绩效

 1 import bisect
 2 
 3 
 4 def grade(score, breakpoints=[60, 70, 80, 90], grades='FDCBA'):
 5     i = bisect.bisect(breakpoints, score)   #获取breakpoints的索引位置
 6     print('{}在{}中的索引位置:{}, 英文的分数为:{}'.format(score, breakpoints, i, grades[i]))
 7     return grades[i]        #返回对应的英文成绩
 8 
 9 grade(80)
10 grade(33)
11 
12 [grade(score) for score in [33, 99, 77, 70, 89, 90, 100]]

以上代码直接的结果为:

80在[60, 70, 80, 90]中的索引位置:3, 英文的分数为:B
33在[60, 70, 80, 90]中的索引位置:0, 英文的分数为:F
33在[60, 70, 80, 90]中的索引位置:0, 英文的分数为:F
99在[60, 70, 80, 90]中的索引位置:4, 英文的分数为:A
77在[60, 70, 80, 90]中的索引位置:2, 英文的分数为:C
70在[60, 70, 80, 90]中的索引位置:2, 英文的分数为:C
89在[60, 70, 80, 90]中的索引位置:3, 英文的分数为:B
90在[60, 70, 80, 90]中的索引位置:4, 英文的分数为:A
100在[60, 70, 80, 90]中的索引位置:4, 英文的分数为:A

 

用bisect.insort插入新因素

  排序很耗费时间,由此在赢得八个长久以来系列之后,大家最棒能够维持它的平稳。bisect.insort
正是为了那个而存在的。

  insort(seq,
item) 把变量 item 插入到行列 seq 中,并能保持
seq的升序顺序,如下:

 1 import bisect
 2 import random
 3 
 4 SIZE = 7
 5 
 6 random.seed(1729)
 7 
 8 my_list = []
 9 for i in range(SIZE):
10     new_item = random.randrange(SIZE*2)
11     bisect.insort(my_list, new_item)
12     print('%2d ->' % new_item, my_list)

如上代码直接的结果为:

10 -> [10]
 0 -> [0, 10]
 6 -> [0, 6, 10]
 8 -> [0, 6, 8, 10]
 7 -> [0, 6, 7, 8, 10]
 2 -> [0, 2, 6, 7, 8, 10]
10 -> [0, 2, 6, 7, 8, 10, 10]

 

当列表不是首推时

  即使列表既灵活又简约,但面临各样急需时,我们大概会有越来越好的抉择。比如,要存放1000
万个浮点数的话,数组(array卡塔 尔(英语:State of Qatar)的频率要高得多,因为数组在背后存的并非float 对象,而是数字的机械翻译,也正是字节表述。那点就跟 C
语言中的数组同样。再举例,借使急需频仍对队列做先进先出的操作,deque(双端队列卡塔尔的快慢相应会更加快。

数组

  倘使我们供给一个只包涵数字的列表,那么
array.array 比 list 更加高效。数组帮衬全体跟可变类别有关的操作,满含.pop、.insert
和.extend。别的,数组还提供从文件读取和存入文件的更加快的点子,如.frombytes
和 .tofile。

举个 三个浮点型数组的始建、存入文件和从文件读取的长河

 1 from array import array
 2 from random import random
 3 
 4 
 5 #利用一个可迭代对象来建立一个双精度浮点数组(类型码是 'd'),这里我们用的可迭代对象是一个生成器表达式
 6 floats = array('d', (random() for i in range(10**7)))
 7 print(floats[-1])
 8 
 9 #把数组存入一个二进制文件里
10 with open('floats.bin', 'wb') as fb:
11     floats.tofile(fb)
12 
13 
14 floats2 = array('d')
15 
16 #把 1000 万个浮点数从二进制文件里读取出来
17 with open('floats.bin', 'rb') as fb:
18     floats2.fromfile(fb, 10 ** 7)
19 
20 print(floats2[-1])
21 
22 #检查两个数组的内容是不是完全一样
23 if floats == floats2:
24     print('Yes')
25 else:
26     print('NO')

如上代码实行的结果为:

0.25921054635939245
0.25921054635939245
Yes

   从下边包车型大巴代码大家能得出结论,array.tofile
和 array.fromfile
用起来非常粗大略。把这段代码跑豆蔻梢头跑,你还有只怕会发觉它的速度也相当的慢。三个小规模试制验告诉本人,用
array.fromfile 从多少个二进制文件里读出 1000 万个双精度浮点数只需求 0.1
秒,那比从文本文件里读取的快慢要快 60倍,因为后面一个会选择内置的 float
方法把每生机勃勃行文字调换来浮点数。

  此外,使用
array.tofile
写入到二进制文件,比以每行四个浮点数的法门把持有数字写入到文本文件要快 7
倍。其余,1000 万个如此的数在二进制文件里只占用 80 000 000
个字节(各个浮点数占用 8
个字节,没有须要别的额外层空间间卡塔 尔(阿拉伯语:قطر‎,假诺是文本文件的话,我们须要 181 515
739个字节。

内部存款和储蓄器视图 

  memoryview
是一个内置类,它能让顾客在不复制内容的图景下操作同三个数组的比不上切成块。

  memoryview.cast
的定义跟数组模块形似,能用差别的秘籍读写同一块内部存款和储蓄器数据,并且内容字节不会随机活动。那听上去又跟
C 语言中类型转变的定义大致。memoryview.cast
会把同一块内部存储器里的原委打包成一个簇新的
memoryview 对象给您。

举个
通过退换数组中的二个字节来更新数组里有个别成分的值

 1 import array
 2 
 3 #利用含有 5 个短整型有符号整数的数组(类型码是 'h')创建一个memoryview
 4 numbers = array.array('h', [-2, -1, 0, 1, 2])
 5 
 6 memv = memoryview(numbers)
 7 print('memv[0]:', memv[0])
 8 
 9 #创建一个 memv_oct,这一次是把 memv 里的内容转换成 'B' 类型,也就是无符号字符
10 memv_oct = memv.cast('B')
11 
12 #转换成list
13 print('memv to list:', memv_oct.tolist())
14 
15 print('memv_oct[5]:', memv_oct[5])
16 
17 #修改memv_oct第五个索引的值为4
18 memv_oct[5] = 4
19 
20 print('numbers:', numbers)

如上代码施行的结果为:

memv[0]: -2
memv to list: [254, 255, 255, 255, 0, 0, 1, 0, 2, 0]
memv_oct[5]: 0
numbers: array('h', [-2, -1, 1024, 1, 2])

NumPy和SciPy

  依赖着
NumPy 和 SciPy 提供的高阶数组和矩阵操作,Python
成为科学总括应用的主流语言。NumPy 完成了多维同质数组(homogeneous
array卡塔尔和矩阵,那些数据结构不但能管理数字,仍然是能够寄存其余由客户定义的笔录。通过
NumPy,客户能对那么些数据结构里的因素举行快捷的操作。

举个 对
numpy.ndarray 的行和列举办基本操作

 1 import numpy
 2 
 3 #创建一个一维数组,取值为0~11
 4 a = numpy.arange(12)
 5 print(a)
 6 print('-'*40)
 7 
 8 #数组的维度
 9 print(a.shape)
10 print('-'*40)
11 
12 #转换数组的维度为3行四列
13 a.shape = 3, 4
14 print('转换数组维度以后的取值:n', a)
15 print('-'*40)
16 
17 print('打印第2个索引的数据:', a[2])
18 print('-'*40)
19 
20 print('打印第2个索引中第1个索引的值:', a[2][1])
21 print('-'*40)
22 
23 print('打印第一列中的数据:', a[:, 1])
24 print('-'*40)
25 
26 #把行和列交过,得到一个新的数组
27 print('行和列交互以后的数组:n', a.transpose())
28 print('-'*40)

上述代码推行的结果为:

[ 0  1  2  3  4  5  6  7  8  9 10 11]
----------------------------------------
(12,)
----------------------------------------
转换数组维度以后的取值:
 [[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
----------------------------------------
打印第2个索引的数据: [ 8  9 10 11]
----------------------------------------
打印第2个索引中第1个索引的值: 9
----------------------------------------
打印第一列中的数据: [1 5 9]
----------------------------------------
行和列交互以后的数组:
 [[ 0  4  8]
 [ 1  5  9]
 [ 2  6 10]
 [ 3  7 11]]
----------------------------------------

NumPy
也得以对 numpy.ndarray 中的成分实行抽象的读取、保存和其他操作:

 1 import numpy
 2 
 3 #使用numpy创建一个数组
 4 floats = numpy.array([ 3016362.69195522, 535281.10514262, 4566560.44373946])
 5 print(floats)
 6 
 7 #对数组中的每个元素修改
 8 floats *= .5
 9 print(floats)
10 
11 #把修改后的数组存储到文件中
12 numpy.save('floats-10M', floats)
13 
14 #读取保存文件的内容
15 floats2 = numpy.load('floats-10M.npy', 'r+')
16 print('floats-10M:', floats2)
17 
18 #修改读取文件中的数据
19 floats2 *= 6
20 print('打印读取数据乘以6以后的结果:', floats2)
21 
22 #通过索引取值
23 print('取floats2中数组第2个索引的值:', floats2[2:])
24 
25 #倒序输出结果
26 print('倒序输出floats2的结果:', floats2[::-1])

如上代码执行的结果为:

[ 3016362.69195522   535281.10514262  4566560.44373946]
[ 1508181.34597761   267640.55257131  2283280.22186973]
floats-10M: [ 1508181.34597761   267640.55257131  2283280.22186973]
打印读取数据乘以6以后的结果: [  9049088.07586566   1605843.31542786  13699681.33121838]
取floats2中数组第2个索引的值: [ 13699681.33121838]
倒序输出floats2的结果: [ 13699681.33121838   1605843.31542786   9049088.07586566]

双向队列和其余形式的行列

  collections.deque
类(双向队列卡塔 尔(英语:State of Qatar)是叁个线程安全、能够高速从互相增加或许去除成分的数据类型。并且生龙活虎旦想要有风姿罗曼蒂克种数据类型来寄存“近来使用的多少个因素”,deque
也是七个很好的选项。那是因为在新建多个双向队列的时候,你能够钦定那么些队列的深浅,若是那些行列满员了,还足以从反向端删除过期的成分,然后在尾端加多新的因素。

举个
 使用双向队列

 1 from collections import deque
 2 
 3 
 4 #创建一个双向队列,队列最大长度为10
 5 dq = deque(range(10), maxlen=10)
 6 print('初始化的双向队列:', dq)
 7 
 8 #旋转队列
 9 '''
10 队列的旋转操作接受一个参数 n,当 n > 0 时,队列的最右边的 n
11 个元素会被移动到队列的左边。当 n < 0 时,最左边的 n 个元素会被
12 移动到右边
13 '''
14 dq.rotate(3)
15 print('旋转队列以后:', dq)
16 
17 dq.rotate(-4)
18 print('旋转队列以后:', dq)
19 
20 #当往一个已满的队列中添加数据,会把开头的数据替换掉
21 dq.appendleft('20')
22 print('往队列中放入数据:', dq)
23 
24 #往队列中扩展一个列表,前面的内容会被自动删除掉
25 dq.extend([20, 30 , 40])
26 print('扩展以后的队列:', dq)
27 
28 #从最队列的最前面扩展,后面的内容会被自动删除叼
29 dq.extendleft([100, 200, 300])
30 print('列队最前面扩展以后的结果:', dq)

如上代码推行的结果为:

初始化的双向队列: deque([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], maxlen=10)
旋转队列以后: deque([7, 8, 9, 0, 1, 2, 3, 4, 5, 6], maxlen=10)
旋转队列以后: deque([1, 2, 3, 4, 5, 6, 7, 8, 9, 0], maxlen=10)
往队列中放入数据: deque(['20', 1, 2, 3, 4, 5, 6, 7, 8, 9], maxlen=10)
扩展以后的队列: deque([3, 4, 5, 6, 7, 8, 9, 20, 30, 40], maxlen=10)
列队最前面扩展以后的结果: deque([300, 200, 100, 3, 4, 5, 6, 7, 8, 9], maxlen=10)

 

 

队列类型分类

 

   所谓系列,即成分有序排列,python标准库用C完结了拉长的队列类型,根据连串中是否可存放不一样门类的多少分为”容器种类”和”扁平体系”。

  容器种类能够寄放统统类型的多寡,而扁平连串只可以寄存生机勃勃种档期的顺序     

    容器序列:list、tuple、collections.deque   
    扁平序列:str、bytes、bytearray、memoryview、array.array
  
  按照是否能修改的标准序列又可分为"可变序列"和"不可变序列":      
    可变序列:list、bytearrary、array.arrary、collections.deque和memoryview   
    不可变序列:tuple、str和bytes

  由于可变序列继承自不可变序列,所以可变序列继承的方法也较多,下面看看它们包含的方法:   
方法名 不可变序列 可变序列
__contains__  有 有 
__iter__  有  有 
 __len__  有  有 
__getitem__   有  有 
__reversed__   有  有 
index   有  有 
count   有  有 
__setitem__    有 
__delitem__   有 
insert   有 
append   有 
reverse   有 
extend   有 
pop   有 
remove   有 
__iadd__    有 

  

  大家以tuple和list类型为例,比较源代码中的方法,能够分明开采list的主意多于tuple:

  

图片 2

 

列表推导式

# 列表推导式生成的是列表,会占用系统内存
# 基本语法

list_1 = [x for x in range(1, 20)]
list_2 = [x ** 2 for x in range(1, 20)]


print(list_1)  # [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
print(list_2)  # [1, 4, 9, 16, 25, 36, 49, 64, 81, 100, 121, 144, 169, 196, 225, 256, 289, 324, 361]

# 笛卡尔积型的列表推导式
list_3 = [(x, y) for x in range(1, 3)        # 1,2
                 for y in range(7, 10)]      # 7、8、9

                                             # 该表达式会先将1分别和7、8、9组合,然后再拿2和7、8、9组合,共6对
print(list_3)  # [(1, 7), (1, 8), (1, 9), (2, 7), (2, 8), (2, 9)]


list_4 = [x+y for x in range(1, 3)
                 for y in range(7, 10)]

print(list_4)   # [8, 9, 10, 9, 10, 11]

# 还可以添加if语句
l = [1, 3, 4, 33, 45, 36, 422, 34, 67, 23, -4, -7, -345, 46, -6, -45, 32, -8, -4, 67, -4]

list_5 = [x for x in l if x > 0]   # 只取出大于0的生成列表
print(list_5)                      # [1, 3, 4, 33, 45, 36, 422, 34, 67, 23, 46, 32, 67]

 

生成器表明式

# 虽然列表推导式可以用来初始化元组、数组或其他序列类型,但是列表推导式会直接生成列表,占用内存
# 而生成器遵守了迭代器协议,可以逐个产出元素,而不是先建立一个完整的列表


# 生成器表达式直接将推导式的方括号换成圆括号即可

g = (x for x in range(1, 10000))

print(g)    # <generator object <genexpr> at 0x105c0efc0> :生成器对象


from collections import Iterable, Iterator

if isinstance(g, Iterable):
    print("iterable")          # 输出iterable: 说明生成器g是可迭代的

if isinstance(g, Iterator):
    print("iterator")          # 输出iterator:说明生成器g是迭代器

 

  下边大家来比较一下列表推导式和生成器的功用

# 比较列表推导式和生成器
import time

start_time = time.time()
l = [x for x in range(1000000)]
print(time.time() - start_time)     # 0.1361069679260254

start_time = time.time()
g = (x for x in range(1000000))
print(time.time() - start_time)     # 1.1205673217773438e-05

# 可见,生成器远快于推导式

 

元组拆包

# 我们经常这样给两个变量同时赋值
a, b = 1, 2
print(a, b)     # 1 2

# 还可以这样
a, b = [1, 2]
print(a, b)     # 1 2

# 也可以这样
a, b = (1, 2)
print(a, b)     # 1 2

# 甚至可以这样
a, b = "ab"
print(a, b)     # a b

'''
    像以上这样连续的赋值方式,右边可以使用逗号隔开;也可以是序列。

    当拆包赋值的是序列时,python解释器会先找该序列中的__iter__方法,如果该方法不存在,则寻找__getitem__方法。

    接下来说其他用法
'''

# 赋值后优雅地交换两个变量
a, b = (1, 2)
a, b = b, a
print(a, b)        # 2 1

# 使用*号来处理多余的数据
a, b, *s = [1, 2, 3, 4, 5, 6, 7, 8, 9]
print(a, b, s)        # 1 2 [3, 4, 5, 6, 7, 8, 9]
                      # 这样从第三个元素开始的所有值都赋给了s

a, b, *s = (1, 2, 3, 4, 5, 6, 7, 8, 9)
print(a, b, s)        # 1 2 [3, 4, 5, 6, 7, 8, 9]
                      # 注意,本来是元组,赋之后的s变成了列表. 如果s为空的话也会返回空列表

*s, a, b = (1, 2, 3, 4, 5, 6, 7, 8, 9)
print(s, a, b)        # [1, 2, 3, 4, 5, 6, 7] 8 9
                      # *s也可以放在前面

a, *s, b = (1, 2, 3, 4, 5, 6, 7, 8, 9)
print(a, s, b)        # 1 [2, 3, 4, 5, 6, 7, 8] 9
                      # *s也可以放在中间

# 嵌套元组拆包
a, b, (c, d) = (1, 2, (3, 4))
print(a, b, c, d)     # 1 2 3 4
                      # 只要按照右边的形式就可赋值

a, b, *c = (1, 2, (3, 4))
print(a, b, c)     # 1 2 [(3, 4)]

 

图片 3图片 4

 1 ################################
 2 #
 3 # 以下的例子用以说明拆包赋值时,解释器会按照__iter__、__getitem__的顺序调用类中的方法
 4 #
 5 ################################
 6 class Foo:
 7     def __init__(self, s):
 8         self.s = s
 9 
10     def __iter__(self):
11         print("iter")
12         return iter(self.s)
13 
14     def __getitem__(self, item):
15         return self.s[item]
16 
17 if __name__ == "__main__":
18     foo = Foo("sdfafasfasf")
19     a, b, *s = foo
20     print(a, b)

拆包赋值的此中得以达成

 

  在此以前大家透过源码已经比较过list和tuple类中的方法和性质,下边列出《通畅的python》收拾的列表和元组的方法及性能:

表 列表或元组的秘技和质量

  列  表 元  组
s.__add__(s2)
· ·
s.__iadd__(s2) ·  
s.append(e) ·  
s.clear() ·  
s.__contains__(e) · ·
s.copy() ·  
s.count(e) · ·
s.__delitem__(p) ·  
s.extend(it) ·  
s.__getitem__(p) · ·
s.__getnewargs__()   ·
s.index(e) · ·
x.insert(p,e) ·  
s.__iter__() · ·
s.__len__() · ·
s.__mul__(n) · ·
s.__imul__(n) ·  
s.__rmul__(n) · ·
s.pop([p]) ·  
s.remove(e) ·  
s.reverse() ·  
s.__reversed__() ·  
s.__setitem__(p,e) ·  
s.sort([key], [reverse]) ·  

   

  表达:以元宵组中不加黑点的不意味绝对不能那样使用,只是其效果和列表区别(表达里面有表达卡塔尔国。举例五个元组a和b进行增量赋值a+=b也是可以的,只是那一个操作不是就地拼接,而是生成了新的元组。

切片

'''
    在python中,内置的序列类型都支持切片操作,切片操作的用法十分简单:
    list[start: stop: step]    , 其中不包括区间范围内最后一个(事实上这是python的风格,一般不包含区间最后一个)
    python里面能使用切片操作是因为实现了__getitem__方法,切片时会给该方法传递slice(start: stop: step) 参数
'''

if __name__ == "__main__":
    # 基本操作
    l = [1, 2, 3, 4, 5, 6, 7, 8, 9]
    print(l[2:])     # 第3个元素到最后   :[3, 4, 5, 6, 7, 8, 9]
    print(l[:3])     # 第一个元素到最后   :[1, 2, 3]

    s = "abcdefghijklmn"
    print(s[2::2])   # 从第三个字母开始,隔一个字母取一个 : cegikm
    print(s[::-1])   # 倒序排列 : nmlkjihgfedcba
    print(s[::-2])   # 倒序隔一个取一个 nljhfdb
    print(s[-2::-2]) # 倒序第二隔开始,隔一个取一个

    # 利用切片赋值
    l[2:5] = [20, 30]
    print(l)         # [1, 2, 20, 30, 6, 7, 8, 9]
    try:
        l[2:5] = 40      # 报错:TypeError: can only assign an iterable
                         # 利用切片赋值时传入的必须是可迭代对象
    except Exception as e:
        print(e)         # can only assign an iterable
    l[2:5] = (40,)
    print(l)             # [1, 2, 40, 7, 8, 9]
    l[2:3] = "sajfljls"  # 字符串属于序列,也可以迭代
    print(l)             # [1, 2, 's', 'a', 'j', 'f', 'l', 'j', 'l', 's', 7, 8, 9]

 

排序(list.sort方法和sorted函数)

'''
    list.sort方法和sorted内置函数都有排序的功能,区别如下
        list.sort是就地排序列表,不会把原列表复制一份。该方法返回None,以提醒不会新建一个列表。
        sorted函数会新建一个列表作为返回值,这个函数可以接受任何可迭代对象,甚至包括不可变序列或生成器,最后返回的总是列表。

    list.sort和sorted都有两个参数:
        reverse:默认为False,设定为True以降序排列
        key:一个只有一个参数的函数,这个函数会作用于序列的每一个元素上,然后以该函数的结果作为关键字排序

'''

if __name__ == "__main__":
    # 1、list.sort就地排序,而sorted返回列表
    l = [x for x in range(10, 0, -1)]      # 初始化一个列表:[10, 9, 8, 7, 6, 5, 4, 3, 2, 1]
    print(id(l), l)    # l最初的地址:4536449800 [10, 9, 8, 7, 6, 5, 4, 3, 2, 1]
    l.sort()
    print(id(l), l)    # 排序后的地址:4536449800 [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
                       # l前后的的地址没变,说明是就地排序


    l = [x for x in range(10, 0, -1)]  # 初始化一个列表:[10, 9, 8, 7, 6, 5, 4, 3, 2, 1]
    print(id(l), l)  # l最初的地址:4415318984 [10, 9, 8, 7, 6, 5, 4, 3, 2, 1]
    l = sorted(l)
    print(id(l), l)  # 排序后的地址:4415318792 [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

    # 2、sorted可以接受任何可迭代对象
    l = (x for x in range(10, 0, -1))
    print(type(l))        # 迭代器 <class 'generator'>
    print(sorted(l))      # [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

    s = "qwertyuiopasdfghjklzxcvbnm"   # 字符串序列
    print(sorted(s))      # ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l', 'm', 'n', 'o', 'p', 'q', 'r', 's', 't', 'u', 'v', 'w', 'x', 'y', 'z']

    s = (1, 3, 2, 456, 345, 12, 2, 5, 78, 34)   # 不可变元组
    print(sorted(s))      # [1, 2, 2, 3, 5, 12, 34, 78, 345, 456]

    # 3、reverse参数
    s = "qwertyuiopasdfghjklzxcvbnm"
    print(sorted(s, reverse=True))   # ['z', 'y', 'x', 'w', 'v', 'u', 't', 's', 'r', 'q', 'p', 'o', 'n', 'm', 'l', 'k', 'j', 'i', 'h', 'g', 'f', 'e', 'd', 'c', 'b', 'a']


    # 4、key参数
    s = "QwERTYuioPaSdfGHjKLzXcvbnm"
    print(sorted(s))    # ['E', 'G', 'H', 'K', 'L', 'P', 'Q', 'R', 'S', 'T', 'X', 'Y', 'a', 'b', 'c', 'd', 'f', 'i', 'j', 'm', 'n', 'o', 'u', 'v', 'w', 'z']
    print(sorted(s, key=str.lower))   # 忽略大小写 ['a', 'b', 'c', 'd', 'E', 'f', 'G', 'H', 'i', 'j', 'K', 'L', 'm', 'n', 'o', 'P', 'Q', 'R', 'S', 'T', 'u', 'v', 'w', 'X', 'Y', 'z']
    print(sorted(s, key=str.upper))   # 也是忽略大小写

##########################
#
#  以下自定义一个类也可使用sorted函数
#
##########################

class Obj:
    def __init__(self):
        self.s = [x for x in range(10, 0, -1)]

    def __getitem__(self, item):
        print("getitem")
        return self.s[item]

    def __repr__(self):
        return str(self.s)

    def __iter__(self):
        return iter(self.s)

obj = Obj()
print(obj)           # [10, 9, 8, 7, 6, 5, 4, 3, 2, 1]

# 添加getitem后可以使用sorted函数  (实验时请注视掉getitem方法)
print(sorted(obj))   #  打印10次getitem   , [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

# 添加iter方法
print(sorted(obj))   # 此时解释器会先调用iter方法,不会再使用getitem方法
                     # [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

使自定义类也可使用sorted函数调用

 

bisect

'''
    bisect模块主要用来管理有顺序的序列
    bisect模块包含的主要函数是bisect和insort,两个函数都使用二叉树方法搜索
    1、bisect(haystack, needle)
        haystack必须是一个有序的序列,该函数搜索needle在haystack中的位置,该位置使得将needle插入后haystack仍然升序
        查找到位置后可用haystack.insert()插入

    2、insort(seq, item)
        把item插入到seq中,并能保持seq的升序

'''

#  本人认为《流畅的python》中的对该模块介绍的例子比较经典,故引用之

# 1、关于bisect.bisect的示例
import bisect
import sys

HAYSTACK = [1, 4, 5, 6, 8, 12, 15, 20, 21, 23, 23, 26, 29, 30]
NEEDLES = [0, 1, 2, 5, 8, 10, 22, 23, 29, 30, 31]

ROW_FMT = '{0:2d} @ {1:2d}    {2}{0:<2d}'

def demo(bisect_fn):
    for needle in reversed(NEEDLES):
        position = bisect_fn(HAYSTACK, needle)
        offset = position * '  |'
        print(ROW_FMT.format(needle, position, offset))


if __name__ == '__main__':

    if sys.argv[-1] == 'left':
        bisect_fn = bisect.bisect_left
    else:
        bisect_fn = bisect.bisect

    print('DEMO:', bisect_fn.__name__)
    print('haystack ->', ' '.join('%2d' % n for n in HAYSTACK))
    demo(bisect_fn)


    '''   输出如下
    DEMO: bisect
    haystack ->  1  4  5  6  8 12 15 20 21 23 23 26 29 30
    31 @ 14      |  |  |  |  |  |  |  |  |  |  |  |  |  |31
    30 @ 14      |  |  |  |  |  |  |  |  |  |  |  |  |  |30
    29 @ 13      |  |  |  |  |  |  |  |  |  |  |  |  |29
    23 @ 11      |  |  |  |  |  |  |  |  |  |  |23
    22 @  9      |  |  |  |  |  |  |  |  |22
    10 @  5      |  |  |  |  |10
     8 @  5      |  |  |  |  |8 
     5 @  3      |  |  |5 
     2 @  1      |2 
     1 @  1      |1 
     0 @  0    0 
    '''
# 另,bisect.bisect函数有两个可选参数——lo和hi来缩小搜索范围,lo的默认值是0,hi的默认值是序列的长度
# 再另,bisect.bisect函数其实是bisect_right函数的别名,还有一个bisect_left,插入位置如果有相等的元素时,插入元素会放在它相等的
#      元素后面,后者会放在前面


# 根据分数,查到等级

def grade(score, breakpoints=[60, 70, 80, 90], grades = 'FDCBA'):
    i = bisect.bisect(breakpoints, score)     # 这里的bisect.bisect实际上使用的是bisect_right
    return grades[i]

print([grade(score) for score in [33, 55, 90, 87, 65, 78, 34, 60, 100]])

# 2、关于bisect.insort函数

import bisect
import random

SIZE = 7

random.seed(1729)

my_list = []
for i in range(SIZE):
    new_item = random.randrange(SIZE*2)
    bisect.insort(my_list, new_item)
    print('%2d ->' % new_item, my_list)

    '''输出:
    10 -> [10]
     0 -> [0, 10]
     6 -> [0, 6, 10]
     8 -> [0, 6, 8, 10]
     7 -> [0, 6, 7, 8, 10]
     2 -> [0, 2, 6, 7, 8, 10]
    10 -> [0, 2, 6, 7, 8, 10, 10]
    '''

# 另,insort函数也有insort_left,背后使用的是bisect_left

 

python高级连串小说目录

python高级——目录

 

 

发表评论

电子邮件地址不会被公开。 必填项已用*标注