查看原文
其他

盘一盘 Python 系列 1 - 入门篇 (上)

王圣元 王的机器 2019-05-25



昨晚见到大神 Aurélien Géron 真人讲 Tensorflow 2.0 的 autograph,会后和他聊天得知他已经搬到新加坡了,而且在这边也有一个 AI consulting 的初创公司。大神非常谦逊,讲东西一针见血,现在在忙于他的经典书《Hands-On Machine Learning with Scikit-Learn and TensorFlow》的第二版,里面加了很多 Tensorflow 2.0 的新东西。他的书和 youtube 上的几个视屏都是精品,我自认为写的最好的文章「胶囊网络」是受他的那个 capsule network 的视屏的启发而作。
大神的事业已经非常成功,问他写书的动力在哪 (因为我自己也写,深知要牺牲很多个人时间),他很简单地说他就喜欢一直学习,通过写书可以明晰自己的对知识的理解,通过亲自写代码可以一直紧跟那些深度学习框架的发展。大神博学、谦逊、讲东西接地气,值得我学习,献上我和他合照一张 :)



0引言


微信公众号终于可以插代码了,Python 可以走一波了。首先我承认不是硬核搞 IT 的,太高级的玩法也玩不来,讲讲下面基本的还可以,之后带点机器学习、金融工程和量化投资的实例也是可以。


  • Python 入门篇 (上)

  • Python 入门篇 (下)

  • 数组计算之 NumPy

  • 科学计算之 SciPy

  • 数据结构之 Pandas

  • 基本可视化之 Matplotlib

  • 统计可视化之 Seaborn

  • 交互可视化之 Bokeh

  • 炫酷可视化之 PyEcharts

  • 机器学习之 Sklearn

  • 深度学习之 TensorFlow

  • 深度学习之 Keras

  • 深度学习之 PyTorch

  • 深度学习之 MXnet


整个系列力求精简和实用 (可能不会完整,但看完此贴举一反三也不要完整,追求完整的建议去看书),到了「难点处」我一定会画图帮助读者理解。Python 系列的入门篇的目录如下,本帖是上篇,只涵盖前三个节,下篇接着后两节。



对于任何一种计算机语言,我觉得最重要的就是「数据类型」「条件语句 & 迭代循环」和「函数」,这三方面一定要打牢基础。此外 Python 非常简洁,一行代码 (one-liner) 就能做很多事情,很多时候都用了各种「解析式」,比如列表、字典和集合解析式。


在学习本贴前感受一下这个问题:如何把以下这个不规则的列表 a 里的所有元素一个个写好,专业术语叫打平 (flatten)?


a = [1, 2, [3, 4], [[5, 6], [7, 8]]]


魔法来了 (这一行代码有些长,用手机的建议横屏看)


fn = lambda x: [y for l in x for y in fn(l)] if type(x) is list else [x]fn(a) 
[1, 2, 3, 4, 5, 6, 7, 8]


这一行代码,用到了迭代、匿名函数、递推函数、解析式这些技巧。初学者一看只会说“好酷啊,但看不懂”,看完本帖和下帖后,我保证你会说“我也会这样用了,真酷!



1基本数据类型


Python 里面有自己的内置数据类型 (build-in data type),本节介绍基本的三种,分别是整型 (int),浮点型 (float),和布尔型 (bool)。


1.1

整型


整数 (integer) 是最简单的数据类型,和下面浮点数的区别就是前者小数点后没有值,后者小数点后有值。例子如下:


a = 1031print( a, type(a) )
1031 <class 'int'>


通过 print 的可看出 a 的值,以及类 (class) 是 int。Python 里面万物皆对象(object),「整数」也不例外,只要是对象,就有相应的属性 (attributes) 和方法 (methods)。


知识点

通过 dir( X ) 和help( X ) 可看出 X 对应的对象里可用的属性和方法。


  • X 是 int,那么就是 int 的属性和方法

  • X 是 float,那么就是 float 的属性和方法


等等


dir(int)
['__abs__',
'__add__',
...
'__xor__',

'bit_length',
'conjugate',
...
'real',
'to_bytes'
]


红色的是 int 对象的可用方法,蓝色的是 int 对象的可用属性。对他们你有个大概印象就可以了,具体怎么用,需要哪些参数 (argument),你还需要查文档。看个bit_length的例子


a.bit_length()
11


该函数是找到一个整数的二进制表示,再返回其长度。在本例中 a = 1031, 其二进制表示为 ‘10000000111’ ,长度为 11。



1.2

浮点型


简单来说,浮点型 (float) 数就是实数, 例子如下:


print( 1, type(1) )print( 1., type(1.) )
1 <class 'int'>
1.0 <class 'float'>


加一个小数点 . 就可以创建 float,不能再简单。有时候我们想保留浮点型的小数点后 n 位。可以用 decimal 包里的 Decimal 对象和 getcontext() 方法来实现。


import decimalfrom decimal import Decimal


Python 里面有很多用途广泛的包 (package),用什么你就引进 (import) 什么。包也是对象,也可以用上面提到的dir(decimal) 来看其属性方法。比如 getcontext() 显示了 Decimal 对象的默认精度值是 28 位 (prec=28),展示如下:


decimal.getcontext()
Context(prec=28, rounding=ROUND_HALF_EVEN, Emin=-999999,
Emax=999999, capitals=1, clamp=0, flags=[],
traps=[InvalidOperation, DivisionByZero, Overflow])


让我们看看 1/3 的保留 28 位长什么样?


d = Decimal(1) / Decimal(3)d
Decimal('0.3333333333333333333333333333')


那保留 4 位呢?用 getcontext().prec 来调整精度哦。


decimal.getcontext().prec = 4 e = Decimal(1) / Decimal(3)e
Decimal('0.3333')


高精度的 float 加上低精度的 float,保持了高精度,没毛病。


d + e
Decimal('0.6666333333333333333333333333')



1.3

布尔型


布尔 (boolean) 型变量只能取两个值,True False。当把布尔变量用在数字运算中,用 1 和 0 代表 True False


T = TrueF = Falseprint( T + 2 )print( F - 8 )
3
-8


除了直接给变量赋值 True 和 False,还可以用 bool(X) 来创建变量,其中 可以是


  • 基本类型:整型、浮点型、布尔型

  • 容器类型:字符、元组、列表、字典和集合


基本类型
print( type(0), bool(0), bool(1) )print( type(10.31), bool(0.00), bool(10.31) )print( type(True), bool(False), bool(True) )
<class 'int'> False True
<class 'float'> False True
<class 'bool'> False True


bool 作用在基本类型变量的总结:X 只要不是整型 0、浮点型 0.0,bool(X) 就是 True,其余就是 False


容器类型
print( type(''), bool( '' ), bool( 'python' ) )print( type(()), bool( () ), bool( (10,) ) )print( type([]), bool( [] ), bool( [1,2] ) )print( type({}), bool( {} ), bool( {'a':1, 'b':2} ) )print( type(set()), bool( set() ), bool( {1,2} ) )
<class 'str'> False True
<class 'tuple'> False True
<class 'list'> False True
<class 'dict'> False True
<class 'set'> False True


bool 作用在容器类型变量的总结:X 只要不是空的变量,bool(X) 就是 True,其余就是 False


知识点

确定bool(X) 的值是 True 还是 False,就看 X 是不是空,空的话就是 False,不空的话就是 True


  • 对于数值变量,0, 0.0 都可认为是空的。

  • 对于容器变量,里面没元素就是空的。


此外两个布尔变量 P 和 Q 的逻辑运算的结果总结如下表:




2容器数据类型


上节介绍的整型、浮点型和布尔型都可以看成是单独数据,而这些数据都可以放在一个容器里得到一个「容器类型」的数据,比如:


  • 字符 (str) 是一容器的字节 char,注意 Python 里面没有 char 类型的数据,可以把单字符的 str 当做 char。


  • 元组 (tuple)、列表 (list)、字典 (dict) 和集合 (set) 是一容器的任何类型变量


2.1

字符


字符用于处理文本 (text) 数据,用「单引号 ’」和「双引号 “」来定义都可以。


创建字符
t1 = 'i love Python!'print( t1, type(t1) )t2 = "I love Python!"print( t2, type(t2) )
i love Python! <class 'str'>
I love Python! <class 'str'>


字符中常见的内置方法 (可以用 dir(str) 来查) 有


  • capitalize():大写句首的字母

  • split():把句子分成单词

  • find(x):找到给定词 x 在句中的索引,找不到返回 -1

  • replace(x, y):把句中 x 替代成 y

  • strip(x):删除句首或句末含 x 的部分


t1.capitalize()
'I love python!'


t2.split()
['I', 'love', 'Python!']


print( t1.find('love') )print( t1.find('like') )
2
-1


t2.replace( 'love Python', 'hate R' )
'I hate R!'


print( 'http://www.python.org'.strip('htp:/') )print( 'http://www.python.org'.strip('.org') )
www.python.org
http://www.python


索引和切片
s = 'Python'print( s )print( s[2:4] )print( s[-5:-2] )print( s[2] )print( s[-1] )
Python
th
yth
t
n


知识点

Python 里面索引有三个特点 (经常让人困惑):


  1. 从 0 开始 (和 C 一样),不像 Matlab 从 1 开始。


  2. 切片通常写成 start:end 这种形式,包括「start 索引」对应的元素,不包括「end索引」对应的元素。因此 s[2:4] 只获取字符串第 3 个到第 4 个元素。


  3. 索引值可正可负,正索引从 0 开始,从左往右;负索引从 -1 开始,从右往左。使用负数索引时,会从最后一个元素开始计数。最后一个元素的位置编号是 -1。


这些特点引起读者对切片得到什么样的元素感到困惑。有个小窍门可以帮助大家快速锁定切片的元素,如下图。



与其把注意力放在元素对应的索引,不如想象将元素分开的隔栏,显然 6 个元素需要 7 个隔栏,隔栏索引也是从 0 开始,这样再看到 start:end 就认为是隔栏索引,那么获取的元素就是「隔栏 start」和「隔栏 end」之间包含的元素。如上图:


  • string[2:4] 就是「隔栏 2」和「隔栏 4」之间包含的元素,即 th

  • string[-5:-2] 就是「隔栏 -5」和「隔栏 -2」之间包含的元素,即 yth



正则表达式

正则表达式 (regular expression) 主要用于识别字符串中符合某种模式的部分,什么叫模式呢?用下面一个具体例子来讲解。


input = """'06/18/2019 13:00:00', 100, '1st';'06/18/2019 13:30:00', 110, '2nd';'06/18/2019 14:00:00', 120, '3rd'"""input
"\n'06/18/2019 13:00:00', 100, '1st';
 \n'06/18/2019 13:30:00', 110, '2nd';
 \n'06/18/2019 14:00:00', 120, '3rd'\n"


假如你想把上面字符串中的「时间」的模式来抽象的表示出来,对照着具体表达式 '06/18/2019 13:00:00' 来看,我们发现该字符串有以下规则:


  1. 开头和结束都有个单引号 '

  2. 里面有多个 0-9 数字

  3. 里面有多个正斜线 /分号 : 

  4. 还有一个空格


因此我们用下面这样的模式

pattern = re.compile("'[0-9/:\s]+'")


再看这个抽象模式表达式 '[0-9/:\s]+',里面符号的意思如下:


  • 最外面的两个单引号 ' 代表该模式以它们开始和结束

  • 中括号 [] 用来概括该模式涵盖的所有类型的字节

  • 0-9 代表数字类的字节

  • 代表正斜线

  • 代表分号

  • \s 代表空格

  • [] 外面的加号 + 代表 [] 里面的字节出现至少 1 次


有了模式 pattern,我们来看看是否能把字符串中所有符合 pattern 的日期表达式都找出来。

pattern.findall(input)
["'06/18/2019 13:00:00'",
 "'06/18/2019 13:30:00'",
 "'06/18/2019 14:00:00'"]


结果是对的,之后你想怎么盘它就是你自己的事了,比如把 / 换成 -,比如用 datetime 里面的 striptime() 把日期里年、月、日、小时、分钟和秒都获取出来。



2.2

元组

创建元组

「元组」定义语法为 


(元素1, 元素2, ..., 元素n)


关键点是「小括号 ()」和「逗号 ,


  • 小括号把所有元素绑在一起

  • 逗号将每个元素一一分开


创建元组的例子如下:

t1 = (1, 10.31, 'python')t2 = 1, 10.31, 'python'print( t1, type(t1) )print( t2, type(t2) )
(1, 10.31, 'python') <class 'tuple'>
(1, 10.31, 'python') <class 'tuple'>


知识点

创建元组可以用小括号 (),也可以什么都不用,为了可读性,建议还是用 ()。此外对于含单个元素的元组,务必记住要多加一个逗号,举例如下:


print( type( ('OK') ) )  # 没有逗号 , print( type( ('OK',) ) ) # 有逗号 ,<class 'str'>
<class 'tuple'>



看看,没加逗号来创建含单元素的元组,Python 认为它是字符。


当然也可以创建二维元组:

nested = (1, 10.31, 'python'), ('data', 11)nested
((1, 10.31, 'python'), ('data', 11))


索引和切片

元组中可以用整数来对它进行索引 (indexing) 和切片 (slicing),不严谨的讲,前者是获取单个元素,后者是获取一组元素。接着上面二维元组的例子,先看看索引的代码:

nested[0]print( nested[0][0], nested[0][1], nested[0][2] )
(1, 10.31, 'python')
1 10.31 python


再看看切片的代码:

nested[0][0:2] 
(1, 10.31)


不可更改

元组有不可更改 (immutable) 的性质,因此不能直接给元组的元素赋值,例子如下 (注意「元组不支持元素赋值」的报错提示)。

t = ('OK', [1, 2], True)t[2] = False
TypeError: 'tuple' object does not support item assignment


但是只要元组中的元素可更改 (mutable),那么我们可以直接更改其元素,注意这跟赋值其元素不同。如下例 t[1] 是列表,其内容可以更改,因此用 append 在列表后加一个值没问题。

t[1].append(3)
('OK', [1, 2, 3], True)


内置方法

元组大小和内容都不可更改,因此只有 count 和 index 两种方法。

t = (1, 10.31, 'python')print( t.count('python') )print( t.index(10.31) )
1
1


这两个方法返回值都是 1,但意思完全不同


  • count('python') 是记录在元组 t 中该元素出现几次,显然是 1 次

  • index(10.31) 是找到该元素在元组 t 的索引,显然是 1


元组拼接

元组拼接 (concatenate) 有两种方式,用「加号 +」和「乘号 *」,前者首尾拼接,后者复制拼接。

(1, 10.31, 'python') + ('data', 11) + ('OK',)(1, 10.31, 'python') * 2
(1, 10.31, 'python', 'data', 11, 'OK')
(1, 10.31, 'python', 1, 10.31, 'python')


解压元组

解压 (unpack) 一维元组 (有几个元素左边括号定义几个变量)

t = (1, 10.31, 'python')(a, b, c) = tprint( a, b, c )
1 10.31 python


解压二维元组 (按照元组里的元组结构来定义变量)

t = (1, 10.31, ('OK','python'))(a, b, (c,d)) = tprint( a, b, c, d )
1 10.31 OK python


如果你只想要元组其中几个元素,用通配符「*」,英文叫 wildcard,在计算机语言中代表一个或多个元素。下例就是把多个元素丢给了 rest 变量。

t = 1, 2, 3, 4, 5a, b, *rest, c = tprint( a, b, c )print( rest )
1 2 5
[3, 4]


如果你根本不在乎 rest 变量,那么就用通配符「*」加上下划线「_」,刘例子如下:

a, b, *_ = tprint( a, b )
1 2


优点缺点

优点:占内存小,安全,创建遍历速度比列表快,可一赋多值。


缺点:不能添加和更改元素。


等等等,这里有点矛盾,元组的不可更改性即使优点 (安全) 有时缺点?确实是这样的,安全就没那么灵活,灵活就没那么安全。看看大佬廖雪峰怎么评价「不可更改性」吧


immutable 的好处实在是太多了:性能优化,多线程安全,不需要锁,不担心被恶意修改或者不小心修改。


后面那些安全性的东西我也不大懂,性能优化这个我可以来测试一下列表和元组。列表虽然没介绍,但是非常简单,把元组的「小括号 ()」该成「中括号 []」就是列表了。我们从创建、遍历和占空间三方面比较。


创建
%timeit [1, 2, 3, 4, 5]%timeit (1, 2, 3, 4, 5)
62 ns ± 13.2 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)
12.9 ns ± 1.94 ns per loop (mean ± std. dev. of 7 runs, 100000000 loops each)


创建速度,元组 (12.9ns) 碾压列表 (62ns)。


遍历
lst = [i for i in range(65535)]tup = tuple(i for i in range(65535))%timeit for each in lst: pass%timeit for each in tup: pass
507 µs ± 61.1 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
498 µs ± 18.7 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)


遍历速度两者相当,元组 (498 µs) 险胜列表 (507 µs)。


占空间
from sys import getsizeofprint( getsizeof(lst) )print( getsizeof(tup) )
578936
524328


列表比元组稍微废点内存空间。



2.3

列表

创建列表

「列表」定义语法为 


[元素1, 元素2, ..., 元素n]


关键点是「中括号 []」和「逗号 ,


  • 中括号把所有元素绑在一起

  • 逗号将每个元素一一分开


创建列表的例子如下:

l = [1, 10.31,'python']print(l, type(l))
[1, 10.31, 'python'] <class 'list'>


内置方法

不像元组,列表内容可更改 (mutable),因此附加 (append, extend)、插入 (insert)、删除 (remove, pop) 这些操作都可以用在它身上。


附加
l.append([4, 3])print( l )l.extend([1.5, 2.0, 'OK'])print( l )
[1, 10.31, 'python', [4, 3]]
[1, 10.31, 'python', [4, 3], 1.5, 2.0, 'OK']


严格来说 append 追加,把一个东西整体添加在列表后,而 extend 扩展,把一个东西里的所有元素添加在列表后。对着上面结果感受一下区别。


插入
l.insert(1, 'abc') # insert object before the index positionl
[1, 'abc', 10.31, 'python', [4, 3], 1.5, 2.0, 'OK']


insert(i, x) 在编号 i 位置前插入 x。对着上面结果感受一下。


删除
l.remove('python') # remove first occurrence of objectl
[1, 'abc', 10.31, [4, 3], 1.5, 2.0, 'OK']


p = l.pop(3) # removes and returns object at index. Only only pop 1 index position at any time.print( p )print( l ) 
[4, 3]
[1, 'abc', 10.31, 1.5, 2.0, 'OK']


remove 和 pop 都可以删除元素


  • 前者是指定具体要删除的元素,比如 'python'

  • 后者是指定一个编号位置,比如 3,删除 l[3] 并返回出来


对着上面结果感受一下,具体用哪个看你需求。


切片索引

索引 (indexing) 和切片 (slicing) 语法在元组那节都讲了,而且怎么判断切片出来的元素在字符那节也讲了,规则如下图:



对照上图看下面两个例子 (顺着数和倒着数编号):

l = [7, 2, 9, 10, 1, 3, 7, 2, 0, 1]l[1:5]
[2, 9, 10, 1]


l[-4:]
[7, 2, 0, 1]


列表可更改,因此可以用切片来赋值。

l[2:4] = [999, 1000]l
[7, 2, 999, 1000, 1, 3, 7, 2, 0, 1]


切片的通用写法是


start : stop : step


这三个在特定情况下都可以省去,我们来看看四种情况:


情况 1 - start 
print( l )print( l[3:] )print( l[-4:] )
[7, 2, 999, 1000, 1, 3, 7, 2, 0, 1]
[1000, 1, 3, 7, 2, 0, 1]
[7, 2, 0, 1]


step 为 1 (默认) 从编号 start 往列表尾部切片。


情况 2 - : stop 
print( l )print( l[:6] )print( l[:-4] )
[7, 2, 999, 1000, 1, 3, 7, 2, 0, 1]
[7, 2, 999, 1000, 1, 3]
[7, 2, 999, 1000, 1, 3]


以 step 为 1 (默认) 从列表头部往编号 stop 切片。


情况 3 - start : stop 
print( l )print( l[2:4] )print( l[-5:-1] )
[7, 2, 999, 1000, 1, 3, 7, 2, 0, 1]
[999, 1000]
[3, 7, 2, 0]


以 step 为 1 (默认) 从编号 start 往编号 stop 切片。


情况 4 - start : stop : step
print( l )print( l[1:5:2] )print( l[:5:2] )print( l[1::2] )print( l[::2] )print( l[::-1] )
[7, 2, 999, 1000, 1, 3, 7, 2, 0, 1]
[2, 1000]
[7, 999, 1]
[2, 1000, 3, 2, 1]
[7, 999, 1, 7, 0]
[1, 0, 2, 7, 3, 1, 1000, 999, 2, 7]


以具体的 step 从编号 start 往编号 stop 切片。注意最后把 step 设为 -1,相当于将列表反向排列。


列表拼接

和元组拼接一样, 列表拼接也有两种方式,用「加号 +」和「乘号 *」,前者首尾拼接,后者复制拼接。

[1, 10.31, 'python'] + ['data', 11] + ['OK'][1, 10.31, 'python'] * 2
[1, 10.31, 'python', 'data', 11, 'OK']
[1, 10.31, 'python', 1, 10.31, 'python']


优点缺点

优点:灵活好用,可索引、可切片、可更改、可附加、可插入、可删除。


缺点:相比 tuple 创建和遍历速度慢,占内存。此外查找和插入时间较慢。



2.4

字典

创建字典

「字典」定义语法为 


{元素1, 元素2, ..., 元素n}


其中每一个元素是一个「键值对」- 键:值 (key:value)


关键点是「大括号 {}」,「逗号 ,」和「分号 :


  • 大括号把所有元素绑在一起

  • 逗号将每个键值对一一分开

  • 分号将键和值分开


创建字典的例子如下:

d = {'Name' : 'Tencent','Country' : 'China','Industry' : 'Technology','Code': '00700.HK','Price' : '361 HKD'}print( d, type(d) )
{'Name': 'Tencent', 'Country': 'China',
'Industry': 'Technology', 'Code': '00700.HK',
'Price': '361 HKD'} <class 'dict'>


内置方法

字典里最常用的三个内置方法就是 keys(), values() 和 items(),分别是获取字典的键、值、对。

print( list(d.keys()),'\n' )print( list(d.values()), '\n' )print( list(d.items()) )
['Name', 'Country', 'Industry', 'Code', 'Price', 'Headquarter']

['Tencent', 'China', 'Technology', '00700.HK', '359 HKD', 'Shen Zhen']

[('Name', 'Tencent'), ('Country', 'China'),
 ('Industry', 'Technology'), ('Code', '00700.HK'),
 ('Price', '359 HKD'), ('Headquarter', 'Shen Zhen')]


此外在字典上也有添加、获取、更新、删除等操作。


添加


比如加一个「总部:深圳」

d['Headquarter'] = 'Shen Zhen'd
{'Name''Tencent',
'Country''China',
'Industry''Technology',
'Code''00700.HK',
'Price''361 HKD',
'Headquarter''Shen Zhen'}


获取


比如想看看腾讯的股价是多少 (两种方法都可以)

print( d['Price'] )print( d.get('Price') )
359 HKD
359 HKD



更新


比如更新腾讯的股价到 359 港币

d['Price'] = '359 HKD'd
{'Name''Tencent',
'Country''China',
'Industry''Technology',
'Code''00700.HK',
'Price''359 HKD',
'Headquarter''Shen Zhen'}


删除


比如去掉股票代码 (code)

del d['Code']d
{'Name': 'Tencent',
'Country': 'China',
'Industry': 'Technology',
'Price': '359 HKD',
'Headquarter': 'Shen Zhen'}


或像列表里的 pop() 函数,删除行业 (industry) 并返回出来。

print( d.pop('Industry') )d
Technology

{'Name': 'Tencent',
'Country': 'China',
'Price': '359 HKD',
'Headquarter': 'Shen Zhen'}


不可更改键

字典里的键是不可更改的,因此只有那些不可更改的数据类型才能当键,比如整数 (虽然怪怪的)、浮点数 (虽然怪怪的)、布尔 (虽然怪怪的)、字符、元组 (虽然怪怪的),而列表却不行,因为它可更改。看个例子

d = {2 : 'integer key',10.31 : 'float key',True : 'boolean key',('OK',3) : 'tuple key'}d
{2: 'integer key',
 10.31: 'float key',
 True: 'boolean key',
 ('OK', 3): 'tuple key'}


虽然怪怪的,但这些 2, 10.31, True, ('OK', 3) 确实能当键。有个地方要注意下,True 其实和整数 1 是一样的,由于键不能重复,当你把 2 该成 1时,你会发现字典只会取其中一个键,示例如下:

d = {1 : 'integer key',10.31 : 'float key',True : 'boolean key',('OK',3) : 'tuple key'}d
{1: 'boolean key',
 10.31: 'float key',
 ('OK', 3): 'tuple key'}


那么如何快速判断一个数据类型 X 是不是可更改的呢?两种方法:


  1. 麻烦方法:用 id(X) 函数,对 X 进行某种操作,比较操作前后的 id,如果不一样,则 X 不可更改,如果一样,则 X 可更改

  2. 便捷方法:用 hash(X),只要不报错,证明 X 可被哈希,即不可更改,反过来不可被哈希,即可更改


先看用 id() 函数的在整数 i 和列表 l 上的运行结果:

i = 1print( id(i) )i = i + 2print( id(i) )
1607630928
1607630992
l = [1, 2]print( id(l) )l.append('Python')print( id(l) )
2022027856840
2022027856840


  • 整数 i 在加 1 之后的 id 和之前不一样,因此加完之后的这个 i (虽然名字没变),但是不是加前的那个 i 了,因此整数是不可更改的。

  • 列表 l 在附加 'Python' 之后的 id 和之前一样,因此列表是可更改的。


先看用 hash() 函数的在字符 s,元组 t 和列表 l 上的运行结果:

hash('Name')
7230166658767143139
hash( (1,2,'Python') )
3642952815031607597
hash( [1,2,'Python'] )
TypeError: unhashable type: 'list'


字符 s 和元组 t 都能被哈希,因此它们是不可更改的。列表 l 不能被哈希,因此它是可更改的。


优点缺点

优点:查找和插入速度快

缺点:占内存大



2.5

集合

创建集合

「集合」有两种定义语法,第一种是


{元素1, 元素2, ..., 元素n}


关键点是「大括号 {}」和「逗号 ,


  • 大括号把所有元素绑在一起

  • 逗号将每个元素一一分开


第二种是用 set() 函数,把列表元组转换成集合。


set( 列表 元组 )


创建集合的例子如下 (用两者方法创建 A 和 B):

A = set(['u', 'd', 'ud', 'du', 'd', 'du'])B = {'d', 'dd', 'uu', 'u'}print( A )print( B )
{'d', 'du', 'u', 'ud'}
{'d', 'dd', 'u', 'uu'}


从 A 的结果发现集合的两个特点:无序 (unordered) 和唯一 (unique)。由于 set 存储的是无序集合,所以我们没法通过索引来访问,但是可以判断一个元素是否在集合中。


B[1]
TypeError: 'set' object does not support indexing


'u' in B
True


内置方法

用 set 的内置方法就把它当成是数学上的集,那么并集交集差集都可以玩通了。


并集 OR
print( A.union(B) ) # All unique elements in A or Bprint( A | B ) # A OR B
{'uu', 'dd', 'd', 'u', 'du', 'ud'}
{'uu', 'dd', 'd', 'u', 'du', 'ud'}


交集 AND
print( A.intersection(B) ) # All elements in both A and Bprint( A & B ) # A AND B
{'d', 'u'}
{'d', 'u'}


差集 A - B
print( A.difference(B) ) # Elements in A but not in Bprint( A - B ) # A MINUS B
{'ud', 'du'}
{'ud', 'du'}


差集 B - A
print( B.difference(A) ) # Elements in B but not in Aprint( B - A ) # B MINUS A
{'uu', 'dd'}
{'uu', 'dd'}


对称差集 XOR
print( A.symmetric_difference(B) ) # All elements in either A or B, but not bothprint( A ^ B ) # A XOR B
{'ud', 'du', 'dd', 'uu'}
{'ud', 'du', 'dd', 'uu'}


优点缺点

优点:不用判断重复的元素

缺点:不能存储可变对象


你看集合的「唯一」特性还不是双刃剑,既可以是优点,又可以是缺点,所有东西都有 trade-off 的,要不然它就没有存在的必要了。



3条件语句 & 迭代循环


在编写程序时,我们要


  • 不同条件下完成不同动作,条件语句 (conditional statement) 赋予程序这种能力。


  • 重复的完成某些动作,迭代循环 (iterative loop) 赋予程序这种能力。


3.1

条件语句


条件语句太简单了,大体有四种格式


  1. if 语句

  2. if-else 语句

  3. if-elif-else 语句

  4. nested 语句


看了下面四幅图 (包含代码) 应该秒懂条件语句,其实任何会说话的人都应该懂它。


if


if x > 0: print( 'x is positive' )


给定二元条件,满足做事,不满足不做事。


if-else

if x % 2 == 0: print( 'x is even' )else : print( 'x is odd' )


给定二元条件,满足做事 A,不满足做事 B。


if-elif-else

if x < y: print( 'x is less than y' )elif x > y: print( 'x is greater than y' )else: print( 'x and y are equal' )


给定多元条件,满足条件 1 做事 A1,满足条件 2 做事 A2,..., 满足条件 n 做事 An。直到把所有条件遍历完。


Nested if

if x == y: print( 'x and y are equal' )else: if x < y: print( 'x is less than y' ) else: print( 'x is greater than y' )


给定多元条件,满足条件 1 做事 A1,不满足就


    给定多元条件,满足条件 2 做事 A2,不满足就


        ...


直到把所有条件遍历完。



3.2

迭代循环


对于迭代循环,Python 里面有「while 循环」和「for 循环」,没有「do-while 循环」。


while 循环
n = 5while n > 0: print(n) n = n-1print('I love Python')
5
4
3
2
1
I love Python


While 循环非常简单,做事直到 while 后面的语句为 False。上例就是打印从 n (初始值为 5) 一直到 1,循环执行了 5 次。


一般来说,在 「while 循环」中,迭代的次数事先是不知道的,因为通常你不知道 while 后面的语句从 True 变成 False了。


for 循环

更多时候我们希望事先直到循环的次数,比如在列表、元组、字典等容器类数据上遍历一遍,在每个元素层面上做点事情。这时候就需要「for 循环」了。


languages = ['Python', 'R', 'Matlab', 'C++']for language in languages: print( 'I love', language )print( 'Done!' )
I love Python
I love R
I love Matlab
I love C++
Done!


读读 Python 里面的「for 循环」是不是很像读英文。通用形式的 for loop 如下


    for a in A

        do something with a        


其中 for in 是关键词,A 是个可迭代数据 (list, tuple, dic, set),a 是 A 里面的每个元素,上句翻译成中文是


    对于 A 里面的每个 a

        对 a 搞点事


回到具体例子,for loop 里面的 language 变量在每次循环中分别取值 Python, R, Matlab 和 C++,然后被打印。


最后介绍一个稍微有点特殊的函数 enumerate(),和 for loop 一起用的语法如下


    for i, a in enumerate(A)

        do something with a  


发现区别了没?用 enumerate(A) 不仅返回了 A 中的元素,还顺便给该元素一个索引值 (默认从 0 开始)。此外,用 enumerate(A, j) 还可以确定索引起始值为 j。 看下面例子。


languages = ['Python', 'R', 'Matlab', 'C++']for i, language in enumerate(languages, 1): print( i, 'I love', language )print( 'Done!' )
1 I love Python
2 I love R
3 I love Matlab
4 I love C++
Done!




总结


学习任何一种都要从最基本开始,基本的东西无外乎数据类型条件语句递推循环


数据类型分两种:


  • 单独类型:整型、浮点型、布尔型

  • 容器类型:字符、元组、列表、字典、集合


按照 Python 里「万物皆对象」的思路,学习每一个对象里面的属性 (attributes) 和方法 (methods),你不需要记住所有,有个大概印象有哪些,通过 dir() 来锁定具体表达式,再去官网上查询所有细节。这么学真的很系统而简单。此外学的时候一定要带着“它的优缺点是什么”这样的问题,所有东西都有 trade-off,一个满身都是缺点的东西就没有存在的必要,既然存在肯定有可取之处。


条件语句 (if, if-else, if-elif-else, nested if) 是为了在不同条件下执行不同操作,而迭代循环 (while, for) 是重复的完成相同操作。


抓住上面大框架,最好还要以目标导向 (我学 python 就是为了搞量化交易希望能躺着赚钱),别管这目标难度如何,起码可以保证我累得时候还鸡血满满不会轻言放弃。这样我就足够主动的去学一样东西并学精学深,目标越难完成,我主动性就越强。


之后所有的细节都可以慢慢来,虽然我觉得本篇已经挖了不少细节了,像 hashability,但肯定还有更多等着去挖,半篇帖子就想覆盖 Python 所有内容不是开玩笑吗?但

 

抓住大框架,有目标导向,对有效学习任何内容都适用。


下篇接着函数 (function) 和解析式 (comprehension)。Stay Tuned!



按二维码关注王的机器

迟早精通机学金工量投

Modified on

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存