三元运算
三元运算（三目运算），是对简单的条件语句的缩写
# 书写格式 result = 值1 if 条件 else 值2 # 如果条件成立，那么将 “值1” 赋值给result变量，否则，将“值2”赋值给result变量
基本数据类型补充
set
set集合，是一个无序且不重复的元素集合，它的主要作用如下：
去重，把一个列表变成集合，就自动去重了
关系测试，测试两组数据之前的交集、差集、并集等关系
集合对象是一组无序排列的可哈希的值：集合成员可以做字典的键
集合分类：可变集合、不可变集合
可变集合(set)：可添加和删除元素，非可哈希的，不能用作字典的键，也不能做其他集合的元素
不可变集合(frozenset)：与上面恰恰相反
class set(object):
"""
set() -> new empty set object
set(iterable) -> new set object Build an unordered collection of unique elements.
"""
def add(self, *args, **kwargs): # real signature unknown
"""
Add an element to a set，添加元素
This has no effect if the element is already present.
"""
pass def clear(self, *args, **kwargs): # real signature unknown
""" Remove all elements from this set. 清除内容"""
pass def copy(self, *args, **kwargs): # real signature unknown
""" Return a shallow copy of a set. 浅拷贝 """
pass def difference(self, *args, **kwargs): # real signature unknown
"""
Return the difference of two or more sets as a new set. A中存在，B中不存在 ( in A not in B )
(i.e. all elements that are in this set but not the others.)
"""
pass def difference_update(self, *args, **kwargs): # real signature unknown
""" Remove all elements of another set from this set. 从当前集合中删除和B中相同的元素"""
pass def discard(self, *args, **kwargs): # real signature unknown
"""
Remove an element from a set if it is a member. If the element is not a member, do nothing. 移除指定元素，不存在不保错
"""
pass def intersection(self, *args, **kwargs): # real signature unknown
"""
Return the intersection of two sets as a new set. 交集 (i.e. all elements that are in both sets.)
"""
pass def intersection_update(self, *args, **kwargs): # real signature unknown
""" Update a set with the intersection of itself and another. 取交集并更更新到A中 """
pass def isdisjoint(self, *args, **kwargs): # real signature unknown
""" Return True if two sets have a null intersection. 如果没有交集，返回True，否则返回False"""
pass def issubset(self, *args, **kwargs): # real signature unknown
""" Report whether another set contains this set. 是否是子序列"""
pass def issuperset(self, *args, **kwargs): # real signature unknown
""" Report whether this set contains another set. 是否是父序列"""
pass def pop(self, *args, **kwargs): # real signature unknown
"""
Remove and return an arbitrary set element.
Raises KeyError if the set is empty. 移除元素
"""
pass def remove(self, *args, **kwargs): # real signature unknown
"""
Remove an element from a set; it must be a member. If the element is not a member, raise a KeyError. 移除指定元素，不存在保错
"""
pass def symmetric_difference(self, *args, **kwargs): # real signature unknown
"""
Return the symmetric difference of two sets as a new set. 对称差集 (not in a and b ) (i.e. all elements that are in exactly one of the sets.)
"""
pass def symmetric_difference_update(self, *args, **kwargs): # real signature unknown
""" Update a set with the symmetric difference of itself and another. 对称差集，并更新到a中 """
pass def union(self, *args, **kwargs): # real signature unknown
"""
Return the union of sets as a new set. 并集
(i.e. all elements that are in either set.)
"""
pass def update(self, *args, **kwargs): # real signature unknown
""" Update a set with the union of itself and others. 更新 """
pass
set
练习：寻找差异
old_dict = {
"#1":11,
"#2":22,
"#3":100,
}
new_dict = {
"#1":33,
"#4":22,
"#7":100,
}
old_set = set(old_dict.keys())
new_set = set(new_dict.keys())
same_set = old_set.intersection(new_set)
up_set = new_set.difference(old_set)
ret_dict = {}
for k in same_set:
ret_dict[k]=new_dict[k]
for i in up_set:
ret_dict[i]=new_dict[i]
print(ret_dict)
# print(old_set)
# print(new_set)
深浅拷贝
一、数字和字符串
对于 数字 和 字符串 而言，赋值、浅拷贝和深拷贝无意义，因为其永远指向同一个内存地址。
import copy a = 132
b = 'Ales' # ## 浅拷贝 ##
aa = copy.copy(a)
bb = copy.copy(b) # ## 深拷贝 ##
aaa = copy.deepcopy(a)
bbb = copy.deepcopy(b) print(id(a),id(aa),id(aaa))
print(id(b),id(bb),id(bbb)) # ## 1691783456 1691783456 1691783456
# ## 47227376 47227376 47227376
二、其他基本数据类型
对于字典、元祖、列表 而言，进行赋值、浅拷贝和深拷贝时，其内存地址的变化是不同的。
1、赋值
赋值，只是创建一个变量，该变量指向原来内存地址，如：
n1 = {"k1": "wu", "k2": 123, "k3": ["alex", 456]}
n2 = n1
2、浅拷贝
浅拷贝，在内存中只额外创建第一层数据
import copy
n1 = {"k1": "wu", "k2": 123, "k3": ["alex", 456]}
n3 = copy.copy(n1)
print(id(n1),id(n3))
print(id(n1["k1"]),id(n3["k1"]))
# 44947080 45383304
# 45327056 45327056
3、深拷贝
深拷贝，在内存中将所有的数据重新创建一份（排除最后一层，即：python内部对字符串和数字的优化）
import copy
n1 = {"k1": "wu", "k2": 123, "k3": ["alex", 456]}
n4 = copy.deepcopy(n1)
print(id(n1),id(n4))
print(id(n1["k3"]),id(n4["k3"]))
print(id(n1["k3"][0]),id(n4["k3"][0]))
# 56088200 56460680
# 58962760 58930696
# 56506216 56506216
函数
一、背景
在学习函数之前，一直遵循：面向过程编程，
即：根据业务逻辑从上到下实现功能，其往往用一长段代码来实现指定功能，开发过程中最常见的操作就是粘贴复制，也就是将之前实现的代码块复制到现需功能处，如下：
while True：
if cpu利用率 > 90%:
#发送邮件提醒
连接邮箱服务器
发送邮件
关闭连接 if 硬盘使用空间 > 90%:
#发送邮件提醒
连接邮箱服务器
发送邮件
关闭连接 if 内存占用 > 80%:
#发送邮件提醒
连接邮箱服务器
发送邮件
关闭连接
腚眼一看上述代码，if条件语句下的内容可以被提取出来公用，如下：
def 发送邮件(内容)
#发送邮件提醒
连接邮箱服务器
发送邮件
关闭连接 while True： if cpu利用率 > 90%:
发送邮件('CPU报警') if 硬盘使用空间 > 90%:
发送邮件('硬盘报警') if 内存占用 > 80%:
对于上述的两种实现方式，第二次必然比第一次的重用性和可读性要好，其实这就是函数式编程和面向过程编程的区别：
函数式：将某功能代码封装到函数中，日后便无需重复编写，仅调用函数即可
面向对象：对函数进行分类和封装，让开发“更快更好更强...”
简单的例子：求一个长方形的周长和面积。
面向过程的程序设计方式：
1、确定长方形周长和面积的算法。
2、编写两个方法（函数）分别计算长方形的周长和面积。
3、求周长的方法（函数）和求面积的方法（函数）需要两个参数，分别是长方形的长和宽。
面向对象的程序设计方式：
1、一个长方形可以看成一个长方形对象。
2、一个长方形对象有两个状态（长和宽）和两个行为（求周长和求面积）。
3、将所有长方形的共性抽取出来，设计一个长方形类。
4、通过长方形对象的行为，就可以求出某个具体的长方形对象的周长和面积。
二、函数定义和使用
def 函数名(参数):
...
函数体
...
返回值
函数的定义主要有如下要点：
- def：表示函数的关键字
- 函数名：函数的名称，日后根据函数名调用函数
- 函数体：函数中进行一系列的逻辑计算，如：发送邮件、计算出 [11,22,38,888,2]中的最大数等...
- 参数：为函数体提供数据
- 返回值：当函数执行完毕后，可以给调用者返回数据。
1、返回值
函数是一个功能块，该功能到底执行成功与否，需要通过返回值来告知调用者。
返回多个对象时，封装成一个元组返回！
以上要点中，比较重要有参数和返回值：
def 发送短信():
发送短信的代码...
if 发送成功:
return True
else:
return False while True:
# 每次执行发送短信函数，都会将返回值自动赋值给result
# 之后，可以根据result来写日志，或重发等操作
result = 发送短信()
if result == False:
记录日志，短信发送失败...
2、参数
函数有三种不同的参数：
- 普通参数
- 默认参数
- 动态参数
# ######### 定义函数 ######### # name 叫做函数func的形式参数，简称：形参
def func(name):
print name # ######### 执行函数 #########
# 'alex' 叫做函数func的实际参数，简称：实参
func('alex')
普通参数
def func(name, age = 18):
print "%s:%s" %(name,age)
# 指定参数
func('wupeiqi', 19)
# 使用默认参数
func('alex')
注：默认参数需要放在参数列表最后
默认参数
def func(*args):
print(args,type(args)) # 执行方式一
func(11,33,4,4454,5,['','']) # (11, 33, 4, 4454, 5, ['11', '22']) <class 'tuple'> # 执行方式二
li = [11,2,2,3,3,4,54] func(li)
# ([11, 2, 2, 3, 3, 4, 54],) <class 'tuple'> 注意此处!元组第一个元素为列表 func(*li)
# (11, 2, 2, 3, 3, 4, 54) <class 'tuple'>
动态参数一
def func(**kwargs):
print(kwargs) # 执行方式一
func(name='wupeiqi',age=18) # 执行方式二
li = {'name':'wupeiqi', 'age':18, 'gender':'male'}
func(**li) # {'name': 'wupeiqi', 'age': 18}
# {'name': 'wupeiqi', 'age': 18, 'gender': 'male'}
动态参数二
def f1(*a,**aa):
print(a,type(a))
print(aa,type(aa)) f1(11,22,33,k1=123,k2=456) # (11, 22, 33) <class 'tuple'>
# {'k1': 123, 'k2': 456} <class 'dict'>
动态参数一,二结合
3.函数名可以做参数传递
函数名() => 执行函数
函数名 => 代指函数内容
def f1():
print("F1")
return "F1" def f2(arg):
arg()
print("F2")
return "F2" f2(f1) # F1
# F2
函数式编程、面向过程编程、面向对象编程
函数式编程 ：主要思想是把运算过程尽量写成一系列嵌套的函数调用。增强代码的重用性和可读性
传统的编程模式：
var a = 1 + 2;
var b = a * 3;
var c = b - 4;
函数式编程要求使用函数，我们可以把运算过程定义为不同的函数，然后写成下面这样：
var result = subtract(multiply(add(1,2), 3), 4);
函数式编程具有五个鲜明的特点。
（1）函数是"第一等公民"，与其他数据类型一样，处于平等地位，可以赋值给其他变量，也可以作为参数，传入另一个函数，或者作为别的函数的返回值。
（2）申明式（Declarative）的编程方式，相对于命令式而言，命令式程序设计大量使用可变对象和指令。习惯于创建对象或者变量，并且修改它们的状态或者值，或者喜欢提供一系列指令，要求程序执行。
对于申明式编程范式，不需要提供明确的指令操作，所有的细节指令将会更好的被程序库所封装，只需要提出要求，申明用意即可。
（3）无"副作用"（side effect），指的是函数内部与外部互动（最典型的情况，就是修改全局变量的值），产生运算以外的其他结果。
显式函数指函数与外界交换数据的唯一渠道就是参数和返回值，显式函数不会去读取或者修改函数的外部状态，
隐式函数除了参数和返回值外，还会读取外部信息，或者可能修改外部信息。
（4）不修改状态，函数式编程只是返回新的值，不修改系统变量。因此，不修改变量，也是它的一个重要特点。
在其他类型的语言中，变量往往用来保存"状态"（state）。不修改变量，意味着状态不能保存在变量中。函数式编程使用参数保存状态，最好的例子就是递归。
（5）尾递归优化，尾递归操作处于函数的最后一步。这种情况下，函数的工作其实已经完成（剩余工作就是再次调用它自身）。
编译器可以进行优化，用新函数的帧栈覆盖掉老函数的帧栈，避免递归操作不断申请栈空间。
函数式编程好处：
（1）代码简洁，开发快速。函数式编程大量使用函数，减少了代码的重复，因此程序比较短，开发速度较快。
（2）接近自然语言，易于理解。
（3）易于并发编程（concurrency）。函数式编程不需要考虑"死锁"（deadlock），因为它不修改变量，所以根本不存在"锁"线程的问题。不必担心一个线程的数据，被另一个线程修改，所以可以很放心地把工作分摊到多个线程，部署"并发编程"。
面向过程是一种以事件为中心的编程思想，以功能（行为）为导向，面向过程类型的编码是需求的直译过程。按模块化的设计，就是分析出解决问题所需要的步骤，然后用函数把这些步骤一步一步实现，实现的时候一个一个依次调用。
面向对象是一种以事物为中心的编程思想，以数据（属性）为导向，将具有相同一个或者多个属性的物体抽象为“类”，将他们包装起来；而有了这些数据(属性)之后，我们再考虑他们的行为（对这些属性进行怎样的操作），是把构成问题的事物分解成各个对象，建立对象的目的不是为了完成一个步骤，而是为了描述某个事物在整个解决问题的步骤中的行为。
内置函数
注：查看详细猛击这里
open()函数 => 详情点击
lambda表达式
学习条件运算时，对于简单的 if else 语句，可以使用三元运算来表示，即：
# 普通条件语句
if 1 == 1:
name = 'eric'
else:
name = 'alex' # 三元运算
name = 'eric' if 1 == 1 else 'alex'
对于简单的函数，也存在一种简便的表示方式，即：lambda表达式
func = lambda x,y : x+1
- 参数 x,y
- 函数体
- 隐含 return
- func 函数名
# ###################### 普通函数 ######################
def f1(x):
return x+100 result = f1(10)
print(result) # ###################### lambda ###################### my_lambda = lambda x : x+100
result = my_lambda(10)
print(result)
注意 :
def makelist():
L = []
for i in range(5):
L.append(lambda x: i**x)
return L mylist = makelist() >>> mylist[0](0)
1
>>> mylist[0](1)
4
>>> mylist[0](2)
16
i 为enclosing variables，直到lambda函数调用时，i 的最终值为4
具体参考python作用域
for 循环中的 lambda 表达式
第一种：
f = [ lambda x: x*i for i in range(4) ]
调用结果为：
>>> f = [lambda x:x*i for i in range(4)]
>>> f[0](1)
3 # 1*3
>>> f[1](1)
3 # 1*3
>>> f[2](1)
3 # 1*3
>>> f[0](3)
9 # 3*3
>>> f[1](3)
9 # 3*3
>>> f[2](3)
9 # 3*3
表达式展开为函数代码：
def func():
fs = []
for i in range(4):
def lam(x):
return x*i
fs.append(lam)
return fs >>> f = func()
>>> f[0](3)
9
>>> f[2](3)
9
>>> f[1](3)
9
当调用func()时，每次循环都将lam()函数的地址放入到fs列表中。
循环中的lam()函数，都未绑定i的值，直到循环结束，i的值为3，并将lam()函数中所用到的 i 值定为3。
到调用时，i 的值 一直保持为3。
另一种：
f = [ lambda :i*i for i in range(4) ] （没有传入x值）
>>> f = [lambda :i*i for i in range(4)]
>>> f[0]()
9
>>> f[1]()
9
>>> f[2]()
9
>>> f[3]()
9
第二种：
f = [ lambda i=i: i*i for i in range(4) ]
表达式调用结果为：
>>> f1 = [lambda i=i: i*i for i in range(4)]
>>> f1[0]()
0
>>> f1[1]()
1
>>> f1[2]()
4
>>> f1[3]()
9
展开为函数为：
def func():
fs = []
for i in range(4)
def lam(x=i): # 即 i=i
return x*x # 即 i*i
fs.append(lam)
return fs
当调用func()函数时，每次循环都将lam()函数的地址放入到fs列表中。
但是在每次循环中，都将 i 的值绑定到了 x 上，所以直到循环结束，每次的 x 的值都不一样。
到调用时，x 的值为当时绑定的值。
当有给 lam()函数 进行参数传递时，参数就绑定到 x 的值上。
>>> f1 = [lambda i=i: i*i for i in range(4)]
>>> f1[0](8)
64
>>> f1[1](8)
64
>>> f1[2](8)
64
>>> f1[3](8)
64
第三种：
f = [ lambda x=i:i*i for i in range(4) ]
表达式调用结果为：
>>> f2 = [lambda x=i: i*i for i in range(4)]
>>> f2[0]()
9
>>> f2[1]()
9
>>> f2[2]()
9
>>> f2[0](1)
9
>>> f2[1](2)
9
传不传参数都不影响结果。展开后：
def func():
fs = []
for i in range(4)
def lam(x=i):
return i*i
fs.append(lam)
return fs
虽然 lam()函数 将 i 的值绑定到 x上，但是函数体中并没有使用到 x 的值，
直到循环结束，i 的值变为3，才会在调用时使用。
递归
利用函数编写如下数列：
斐波那契数列指的是这样一个数列 0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233，377，610，987，1597，2584，4181，6765，10946，17711，28657，46368...
斐波纳契数列以如下被以递归的方法定义：F(0)=0，F(1)=1，F(2)=1, F(n)=F(n-1)+F(n-2)（n>=2，n∈N*）
def f1(a1,a2):
if a1 == 0:
print(a1,a2)
a3 = a1 + a2
print(a3)
f1(a2,a3) f1(0,1)
第一种（递归法）：
写法最简洁，但是效率最低，会出现大量的重复计算，时间复杂度O（1.618^n）,而且最深度1000
def fi(n):
if n <= 1:
return n
return fi(n-2) + fi(n-1) for i in range(6):
print(fi(i),end=' ')
第二种（递推法）：
递推法，就是递增法，时间复杂度是 O(n)，呈线性增长，如果数据量巨大，速度会越拖越慢
def fi(n):
if n <= 1:
return n
a, b = 0, 1
for i in range(n-1):
a, b = b, a + b return b
第三种（生成器）：
def fi(n):
a, b = 0, 1
while n >= 1 :
a, b = b, a+b
yield a
n -= 1 for i in fi(6):
print(i, end=' ')
第四种（类）：
class Fabinacci(object):
def __init__(self, count):
self.current = 0
self.a = 0
self.b = 1
self.max = count def __next__(self):
if self.current < self.max:
self.a,self.b = self.b, self.a + self.b
self.current += 1
return self.a
else:
raise StopIteration def __iter__(self):
return self for i in Fabinacci(6):
print(i, end=' ')
第五种（矩阵）：
因为幂运算可以使用二分加速，所以矩阵法的时间复杂度为 O(log n)
用科学计算包numpy来实现矩阵法 O(log n)
### 1
import numpy
def fib_matrix(n):
res = pow((numpy.matrix([[1, 1], [1, 0]])), n) * numpy.matrix([[1], [0]])
return res[0][0]
for i in range(10):
print(int(fib_matrix(i)), end=' ') ### 2
# 使用矩阵计算斐波那契数列
def Fibonacci_Matrix_tool(n):
Matrix = npmpy.matrix("1 1;1 0")
# 返回是matrix类型
return pow(Matrix, n) # pow函数速度快于 使用双星好 ** def Fibonacci_Matrix(n):
result_list = []
for i in range(0, n):
result_list.append(numpy.array(Fibonacci_Matrix_tool(i))[0][0])
return result_list
# 调用
Fibonacci_Matrix(10)
练习题
1、简述普通参数、指定参数、默认参数、动态参数的区别
# 普通参数：按照形式参数的指定位置 传入参数。
# 指定参数：可以在实际参数里指定任意位置,传入参数。
# 默认参数：如果实际参数没有给形式参数传入值 那么默认使用的参数就是默认参数 默认参数需要放到尾部
# 动态参数：可以无限传入任意参数，如果是*代表传入参数的形式将会是元组 **表示将会是字典
2、写函数，计算传入字符串中【数字】、【字母】、【空格] 以及 【其他】的个数
#!/usr/bin/env python
# -*-coding:utf-8 -*- def counts(str):
num_counts=0
al_counts=0
space_num=0
other=0
for i in str:
if i.isdigit():
num_counts += 1
elif i.isalpha():
al_counts += 1
elif i.isspace():
space_num +=1
else:
other += 1
print(num_counts,al_counts,space_num,other) counts('123 456abc def g_*-/')
3、写函数，判断用户传入的对象（字符串、列表、元组）长度是否大于5。
#!/usr/bin/env python
# -*-coding:utf-8 -*- def length(input):
if isinstance(input,str) or isinstance(input,list) or isinstance(input,tuple):
if len(input) > 5:
print("大于5")
return True
else:
print("小于5")
return False
else:
print("类型错误!")
return None length("abc544") li = ['','','','asd',45,22,]
length(li) tu=(11,22,33,44,)
length(tu) a =123
length(a)
4、写函数，检查用户传入的对象（字符串、列表、元组）的每一个元素是否含有空内容。
#!/usr/bin/env python
# -*-coding:utf-8 -*- def has_space(str):
ret = False
for i in str:
if i.isspace():
ret = True
break
return ret ret = has_space('22 123')
print(ret)
5、写函数，检查传入列表的长度，如果大于2，那么仅保留前两个长度的内容，并将新内容返回给调用者。
#!/usr/bin/env python
# -*-coding:utf-8 -*- def check(li):
if len(li)>2:
del li[2:] li = [11,22,33,44,55]
check(li)
print(li)
6、写函数，检查获取传入列表或元组对象的所有奇数位索引对应的元素，并将其作为新列表返回给调用者。
#!/usr/bin/env python
# -*-coding:utf-8 -*- def check(li):
return li[0:len(li):2] li = [11,22,33,44,55,66,77,88,99]
ll = check(li)
print(ll)
7、写函数，检查传入字典的每一个value的长度,如果大于2，那么仅保留前两个长度的内容，并将新内容返回给调用者。
dic = {"k1": "v1v1", "k2": [11,22,33,44]}
PS:字典中的value只能是字符串或列表
#!/usr/bin/env python
# -*-coding:utf-8 -*- dic = {"k1": "v1v1", "k2": [11,22,33,44],"k3":''} def check(dic):
for k,v in dic.items():
if len(v)>2:
dic[k]=v[0:2]
return dic check(dic)
print(dic)
8、写函数，利用递归获取斐波那契数列中的第 10 个数，并将该值返回给调用者。
#!/usr/bin/env python
# -*-coding:utf-8 -*- def f1(a1,a2,depth):
if depth == 10:
return a1
a3 = a1 + a2
a1 = f1(a2,a3,depth+1)
return a1 a = f1(0,1,1)
print(a)