python经典应用案例,python简单应用例子

大家好,小编为大家解答python经典应用案例的问题。很多人还不知道python简单应用例子,现在让我们一起来看看吧!

python经典应用案例,python简单应用例子_第1张图片

python经典应用案例,python简单应用例子_第2张图片

作者 | 快学Python

来源 | https://github.com/jackzhenguo/python-small-examples

今天给大家分享一下60个Python小例子,拿来即用!

一、 数字

1、求绝对值

绝对值或复数的模

# 公众号:快学Python
In [1]: abs(-6)  
Out[1]: 6
2 进制转化

十进制转换为二进制:

In [2]: bin(10)  
Out[2]: '0b1010'

十进制转换为八进制:

In [3]: oct(9)  
Out[3]: '0o11'

十进制转换为十六进制:

In [4]: hex(15)  
Out[4]: '0xf'
3 整数和ASCII互转

十进制整数对应的ASCII字符

In [1]: chr(65)  
Out[1]: 'A'

查看某个ASCII字符对应的十进制数

In [1]: ord('A')  
Out[1]: 65
4 元素都为真检查

所有元素都为真,返回 True,否则为False

In [5]: all([1,0,3,6])  
Out[5]: False
In [6]: all([1,2,3])  
Out[6]: True
5 元素至少一个为真检查

至少有一个元素为真返回True,否则False

In [7]: any([0,0,0,[]])  
Out[7]: False
In [8]: any([0,0,1])  
Out[8]: True
6 判断是真是假

测试一个对象是True, 还是False.

In [9]: bool([0,0,0])  
Out[9]: True  
  
In [10]: bool([])  
Out[10]: False  
  
In [11]: bool([1,0,1])  
Out[11]: True
7 创建复数

创建一个复数

In [1]: complex(1,2)  
Out[1]: (1+2j)
8 取商和余数

分别取商和余数

In [1]: divmod(10,3)  
Out[1]: (3, 1)
9 转为浮点类型

将一个整数或数值型字符串转换为浮点数

In [1]: float(3)  
Out[1]: 3.0

如果不能转化为浮点数,则会报ValueError:

In [2]: float('a')  
# ValueError: could not convert string to float: 'a'
10 转为整型

int(x, base =10) , x可能为字符串或数值,将x 转换为一个普通整数。如果参数是字符串,那么它可能包含符号和小数点Python创意编程比赛作品——名侦探柯南:真相只有一个!。如果超出了普通整数的表示范围,一个长整数被返回。

In [1]: int('12',16)  
Out[1]: 18
11 次幂

base为底的exp次幂,如果mod给出,取余

In [1]: pow(3, 2, 4)  
Out[1]: 1
12 四舍五入

四舍五入,ndigits代表小数点后保留几位:

In [11]: round(10.0222222, 3)  
Out[11]: 10.022  
  
In [12]: round(10.05,1)  
Out[12]: 10.1
13 链式比较
i = 3  
print(1 < i < 3)  # False  
print(1 < i <= 3)  # True

二、 字符串

14 字符串转字节

字符串转换为字节类型

In [12]: s = "apple"                                                              
  
In [13]: bytes(s,encoding='utf-8')  
Out[13]: b'apple'
15 任意对象转为字符串
In [14]: i = 100                                                                  
  
In [15]: str(i)  
Out[15]: '100'  
  
In [16]: str([])  
Out[16]: '[]'  
  
In [17]: str(tuple())  
Out[17]: '()'
16 执行字符串表示的代码

将字符串编译成python能识别或可执行的代码,也可以将文字读成字符串再编译。

In [1]: s  = "print('helloworld')"  
      
In [2]: r = compile(s,"", "exec")  
      
In [3]: r  
Out[3]:  at 0x0000000005DE75D0, file "", line 1>  
      
In [4]: exec(r)  
helloworld
17 计算表达式

将字符串str 当成有效的表达式来求值并返回计算结果取出字符串中内容

In [1]: s = "1 + 3 +5"  
    ...: eval(s)  
    ...:  
Out[1]: 9
18 字符串格式化

格式化输出字符串,format(value, format_spec)实质上是调用了value的__format__(format_spec)方法。

In [1]: print("i am {0},age{1}".format("tom",18))  
Out[1]:i am tom,age18

python经典应用案例,python简单应用例子_第3张图片

三、 函数

19 拿来就用的排序函数

排序:

In [1]: a = [1,4,2,3,1]  
  
In [2]: sorted(a,reverse=True)  
Out[2]: [4, 3, 2, 1, 1]  
  
In [3]: a = [{'name':'xiaoming','age':18,'gender':'male'},{'name':'  
     ...: xiaohong','age':20,'gender':'female'}]  
In [4]: sorted(a,key=lambda x: x['age'],reverse=False)  
Out[4]:  
[{'name': 'xiaoming', 'age': 18, 'gender': 'male'},  
 {'name': 'xiaohong', 'age': 20, 'gender': 'female'}]
20 求和函数

求和:

In [181]: a = [1,4,2,3,1]  
  
In [182]: sum(a)  
Out[182]: 11  

# 公众号:快学Python

In [185]: sum(a,10) #求和的初始值为10  
Out[185]: 21
21 nonlocal用于内嵌函数中

关键词nonlocal常用于函数嵌套中,声明变量i为非局部变量;如果不声明,i+=1表明i为函数wrapper内的局部变量,因为在i+=1引用(reference)时,i未被声明,所以会报unreferenced variable的错误。

def excepter(f):  
    i = 0  
    t1 = time.time()  
    def wrapper():  
        try:  
            f()  
        except Exception as e:  
            nonlocal i  
            i += 1  
            print(f'{e.args[0]}: {i}')  
            t2 = time.time()  
            if i == n:  
                print(f'spending time:{round(t2-t1,2)}')  
    return wrapper
22 global 声明全局变量

先回答为什么要有global,一个变量被多个函数引用,想让全局变量被所有函数共享。有的伙伴可能会想这还不简单,这样写:

i = 5  
def f():  
    print(i)  
  
def g():  
    print(i)  
    pass  
  
f()  
g()

f和g两个函数都能共享变量i,程序没有报错,所以他们依然不明白为什么要用global.

但是,如果我想要有个函数对i递增,这样:

def h():  
    i += 1  
  
h()

此时执行程序,bang, 出错了!抛出异常:UnboundLocalError,原来编译器在解释i+=1时会把i解析为函数h()内的局部变量,很显然在此函数内,编译器找不到对变量i的定义,所以会报错。

global就是为解决此问题而被提出,在函数h内,显式地告诉编译器i为全局变量,然后编译器会在函数外面寻找i的定义,执行完i+=1后,i还为全局变量,值加1:

i = 0  
def h():  
    global i  
    i += 1  
  
h()  
print(i)
23 交换两元素
def swap(a, b):  
    return b, a  

print(swap(1, 0))

输出:

python经典应用案例,python简单应用例子_第4张图片
24 操作函数对象
In [31]: def f():  
    ...:     print('i'm f')  
    ...:  
  
In [32]: def g():  
    ...:     print('i'm g')  
    ...:  
  
In [33]: [f,g][1]()  
i'm g

创建函数对象的list,根据想要调用的index,方便统一调用。

25 生成逆序序列
list(range(10,-1,-1)) # [10, 9, 8, 7, 6, 5, 4, 3, 2, 1, 0]

第三个参数为负时,表示从第一个参数开始递减,终止到第二个参数(不包括此边界)

26 函数的五类参数使用例子

python五类参数:位置参数,关键字参数,默认参数,可变位置或关键字参数的使用。

def f(a,*b,c=10,**d):  
  print(f'a:{a},b:{b},c:{c},d:{d}')

默认参数c不能位于可变关键字参数d后.

调用f:

In [10]: f(1,2,5,width=10,height=20)  
a:1,b:(2, 5),c:10,d:{'width': 10, 'height': 20}

可变位置参数b实参后被解析为元组(2,5);而c取得默认值10; d被解析为字典.

再次调用f:

In [11]: f(a=1,c=12)  
a:1,b:(),c:12,d:{}

a=1传入时a就是关键字参数,b,d都未传值,c被传入12,而非默认值。

注意观察参数a, 既可以f(1),也可以f(a=1) 其可读性比第一种更好,建议使用f(a=1)。如果要强制使用f(a=1),需要在前面添加一个星号:

def f(*,a,**b): 
    print(f'a:{a},b:{b}')

此时f(1)调用,将会报错:TypeError: f() takes 0 positional arguments but 1 was given

只能f(a=1)才能OK.

说明前面的*发挥作用,它变为只能传入关键字参数,那么如何查看这个参数的类型呢?借助python的inspect模块:

In [22]: for name,val in signature(f).parameters.items():  
    ...:     print(name,val.kind)  
    ...:  
a KEYWORD_ONLY  
b VAR_KEYWORD

可看到参数a的类型为KEYWORD_ONLY,也就是仅仅为关键字参数。

但是,如果f定义为:

def f(a,*b):  
    print(f'a:{a},b:{b}')

查看参数类型:

In [24]: for name,val in signature(f).parameters.items():  
    ...:     print(name,val.kind)  
    ...:  
a POSITIONAL_OR_KEYWORD  
b VAR_POSITIONAL

可以看到参数a既可以是位置参数也可是关键字参数。

27 使用slice对象

生成关于蛋糕的序列cake1:

In [1]: cake1 = list(range(5,0,-1))  
  
In [2]: b = cake1[1:10:2]  
  
In [3]: b  
Out[3]: [4, 2]  
  
In [4]: cake1  
Out[4]: [5, 4, 3, 2, 1]

再生成一个序列:

In [5]: from random import randint  
   ...: cake2 = [randint(1,100) for _ in range(100)]  
   ...: # 同样以间隔为2切前10个元素,得到切片d  
   ...: d = cake2[1:10:2]  
In [6]: d  
Out[6]: [75, 33, 63, 93, 15]

你看,我们使用同一种切法,分别切开两个蛋糕cake1,cake2. 后来发现这种切法极为经典,又拿它去切更多的容器对象。

那么,为什么不把这种切法封装为一个对象呢?于是就有了slice对象。

定义slice对象极为简单,如把上面的切法定义成slice对象:

perfect_cake_slice_way = slice(1,10,2)  
#去切cake1  
cake1_slice = cake1[perfect_cake_slice_way]  
cake2_slice = cake2[perfect_cake_slice_way]  
  
In [11]: cake1_slice  
Out[11]: [4, 2]  
  
In [12]: cake2_slice  
Out[12]: [75, 33, 63, 93, 15]

与上面的结果一致。

对于逆向序列切片,slice对象一样可行:

a = [1,3,5,7,9,0,3,5,7]  
a_ = a[5:1:-1]  
  
named_slice = slice(5,1,-1)  
a_slice = a[named_slice]  
  
In [14]: a_  
Out[14]: [0, 9, 7, 5]  
  
In [15]: a_slice  
Out[15]: [0, 9, 7, 5]

频繁使用同一切片的操作可使用slice对象抽出来,复用的同时还能提高代码可读性。

28 lambda 函数的动画演示

有些读者反映,lambda函数不太会用,问我能不能解释一下。

比如,下面求这个 lambda函数:

def max_len(*lists):  
    return max(*lists, key=lambda v: len(v))

有两点疑惑:

  • 参数v的取值?

  • lambda函数有返回值吗?如果有,返回值是多少?

调用上面函数,求出以下三个最长的列表:

r = max_len([1, 2, 3], [4, 5, 6, 7], [8])  
print(f'更长的列表是{r}')

程序完整运行过程,动画演示如下:

python经典应用案例,python简单应用例子_第5张图片

结论:

  • 参数v的可能取值为*lists,也就是 tuple 的一个元素。

  • lambda函数返回值,等于lambda v冒号后表达式的返回值。

四、 数据结构

29 转为字典

创建数据字典

In [1]: dict()  
Out[1]: {}  
  
In [2]: dict(a='a',b='b')  
Out[2]: {'a': 'a', 'b': 'b'}  
  
In [3]: dict(zip(['a','b'],[1,2]))  
Out[3]: {'a': 1, 'b': 2}  
  
In [4]: dict([('a',1),('b',2)])  
Out[4]: {'a': 1, 'b': 2}
30 冻结集合

创建一个不可修改的集合。

In [1]: frozenset([1,1,3,2,3])  
Out[1]: frozenset({1, 2, 3})

因为不可修改,所以没有像set那样的addpop方法

31 转为集合类型

返回一个set对象,集合内不允许有重复元素:

In [159]: a = [1,4,2,3,1]  
  
In [160]: set(a)  
Out[160]: {1, 2, 3, 4}
32 转为切片对象

class slice(startstop[, step])

返回一个表示由 range(start, stop, step) 所指定索引集的 slice对象,它让代码可读性、可维护性变好。

In [1]: a = [1,4,2,3,1]  
  
In [2]: my_slice_meaning = slice(0,5,2)  
  
In [3]: a[my_slice_meaning]  
Out[3]: [1, 2, 1]
33 转元组

tuple() 将对象转为一个不可变的序列类型

In [16]: i_am_list = [1,3,5]  
In [17]: i_am_tuple = tuple(i_am_list)  
In [18]: i_am_tuple  
Out[18]: (1, 3, 5)

五、 类和对象

34 是否可调用

检查对象是否可被调用

In [1]: callable(str)  
Out[1]: True  
  
In [2]: callable(int)  
Out[2]: True
In [18]: class Student():  
    ...:     def __init__(self,id,name):  
    ...:         self.id = id   
    ...:         self.name = name   
    ...:     def __repr__(self):  
    ...:         return 'id = '+self.id +', name = '+self.name   
    ...  
  
In [19]: xiaoming = Student('001','xiaoming')  
  
In [20]: callable(xiaoming)  
Out[20]: False

如果能调用xiaoming(), 需要重写Student类的__call__方法:

In [1]: class Student():  
    ...:     def __init__(self,id,name):  
    ...:         self.id = id  
    ...:         self.name = name  
    ...:     def __repr__(self):  
    ...:         return 'id = '+self.id +', name = '+self.name  
    ...:     def __call__(self):  
    ...:         print('I can be called')  
    ...:         print(f'my name is {self.name}')  
    ...:  
  
In [2]: t = Student('001','xiaoming')  
  
In [3]: t()  
I can be called  
my name is xiaoming
35 ascii 展示对象

调用对象的 __repr__ 方法,获得该方法的返回值,如下例子返回值为字符串

>>> class Student():  
    def __init__(self,id,name):  
        self.id = id  
        self.name = name  
    def __repr__(self):  
        return 'id = '+self.id +', name = '+self.name

调用:

>>> xiaoming = Student(id='1',name='xiaoming')  
>>> xiaoming  
id = 1, name = xiaoming  
>>> ascii(xiaoming)  
'id = 1, name = xiaoming'
36 类方法

classmethod 装饰器对应的函数不需要实例化,不需要 self 参数,但第一个参数需要是表示自身类的 cls 参数,可以来调用类的属性,类的方法,实例化对象等。

In [1]: class Student():  
    ...:     def __init__(self,id,name):  
    ...:         self.id = id  
    ...:         self.name = name  
    ...:     def __repr__(self):  
    ...:         return 'id = '+self.id +', name = '+self.name  
    ...:     @classmethod  
    ...:     def f(cls):  
    ...:         print(cls)
37 动态删除属性

删除对象的属性

In [1]: delattr(xiaoming,'id')  
  
In [2]: hasattr(xiaoming,'id')  
Out[2]: False
38 一键查看对象所有方法

不带参数时返回当前范围内的变量、方法和定义的类型列表;带参数时返回参数的属性,方法列表。

In [96]: dir(xiaoming)  
Out[96]:  
['__class__',  
 '__delattr__',  
 '__dict__',  
 '__dir__',  
 '__doc__',  
 '__eq__',  
 '__format__',  
 '__ge__',  
 '__getattribute__',  
 '__gt__',  
 '__hash__',  
 '__init__',  
 '__init_subclass__',  
 '__le__',  
 '__lt__',  
 '__module__',  
 '__ne__',  
 '__new__',  
 '__reduce__',  
 '__reduce_ex__',  
 '__repr__',  
 '__setattr__',  
 '__sizeof__',  
 '__str__',  
 '__subclasshook__',  
 '__weakref__',  
   
 'name']
39 动态获取对象属性

获取对象的属性

In [1]: class Student():  
   ...:     def __init__(self,id,name):  
   ...:         self.id = id  
   ...:         self.name = name  
   ...:     def __repr__(self):  
   ...:         return 'id = '+self.id +', name = '+self.name  
  
In [2]: xiaoming = Student(id='001',name='xiaoming')  
In [3]: getattr(xiaoming,'name') # 获取xiaoming这个实例的name属性值  
Out[3]: 'xiaoming'
40 对象是否有这个属性
In [1]: class Student():  
   ...:     def __init__(self,id,name):  
   ...:         self.id = id  
   ...:         self.name = name  
   ...:     def __repr__(self):  
   ...:         return 'id = '+self.id +', name = '+self.name  
  
In [2]: xiaoming = Student(id='001',name='xiaoming')  
In [3]: hasattr(xiaoming,'name')  
Out[3]: True  
  
In [4]: hasattr(xiaoming,'address')  
Out[4]: False
41 对象门牌号

返回对象的内存地址

In [1]: id(xiaoming)  
Out[1]: 98234208
42 isinstance

判断_object_是否为类_classinfo_的实例,是返回true

In [1]: class Student():  
   ...:     def __init__(self,id,name):  
   ...:         self.id = id  
   ...:         self.name = name  
   ...:     def __repr__(self):  
   ...:         return 'id = '+self.id +', name = '+self.name  
  
In [2]: xiaoming = Student(id='001',name='xiaoming')  
  
In [3]: isinstance(xiaoming,Student)  
Out[3]: True
43 父子关系鉴定
In [1]: class undergraduate(Student):  
    ...:     def studyClass(self):  
    ...:         pass  
    ...:     def attendActivity(self):  
    ...:         pass  
  
In [2]: issubclass(undergraduate,Student)  
Out[2]: True  
  
In [3]: issubclass(object,Student)  
Out[3]: False  
  
In [4]: issubclass(Student,object)  
Out[4]: True

如果class是classinfo元组中某个元素的子类,也会返回True

In [1]: issubclass(int,(int,float))  
Out[1]: True
44 所有对象之根

object 是所有类的基类

In [1]: o = object()  
  
In [2]: type(o)  
Out[2]: object
45 创建属性的两种方式

返回 property 属性,典型的用法:

class C:  
    def __init__(self):  
        self._x = None  
  
    def getx(self):  
        return self._x  
  
    def setx(self, value):  
        self._x = value  
  
    def delx(self):  
        del self._x  
    # 使用property类创建 property 属性  
    x = property(getx, setx, delx, "I'm the 'x' property.")

使用python装饰器,实现与上完全一样的效果代码:

class C:  
    def __init__(self):  
        self._x = None  
  
    @property  
    def x(self):  
        return self._x  
  
    @x.setter  
    def x(self, value):  
        self._x = value  
  
    @x.deleter  
    def x(self):  
        del self._x
46 查看对象类型

class type(namebasesdict)

传入一个参数时,返回 object 的类型:

In [1]: class Student():  
   ...:     def __init__(self,id,name):  
   ...:         self.id = id  
   ...:         self.name = name  
   ...:     def __repr__(self):  
   ...:         return 'id = '+self.id +', name = '+self.name  
   ...:  
  
In [2]: xiaoming = Student(id='001',name='xiaoming')  
In [3]: type(xiaoming)  
Out[3]: __main__.Student  
  
In [4]: type(tuple())  
Out[4]: tuple
47 元类

xiaomingxiaohongxiaozhang 都是学生,这类群体叫做 Student.

Python 定义类的常见方法,使用关键字 class

In [36]: class Student(object):  
    ...:     pass

xiaomingxiaohongxiaozhang 是类的实例,则:

xiaoming = Student()  
xiaohong = Student()  
xiaozhang = Student()

创建后,xiaoming 的 __class__ 属性,返回的便是 Student

In [38]: xiaoming.__class__  
Out[38]: __main__.Student

问题在于,Student 类有 __class__属性,如果有,返回的又是什么?

In [39]: xiaoming.__class__.__class__  
Out[39]: type

哇,程序没报错,返回 type

那么,我们不妨猜测:Student 类,类型就是 type

换句话说,Student类就是一个对象,它的类型就是 type

所以,Python 中一切皆对象,类也是对象

Python 中,将描述 Student 类的类被称为:元类。

按照此逻辑延伸,描述元类的类被称为:_元元类_,开玩笑了~ 描述元类的类也被称为元类。

聪明的朋友会问了,既然 Student 类可创建实例,那么 type 类可创建实例吗?如果能,它创建的实例就叫:类 了。你们真聪明!

说对了,type 类一定能创建实例,比如 Student 类了。

In [40]: Student = type('Student',(),{})  
  
In [41]: Student  
Out[41]: __main__.Student

它与使用 class 关键字创建的 Student 类一模一样。

Python 的类,因为又是对象,所以和 xiaomingxiaohong 对象操作相似。支持:

  • 赋值

  • 拷贝

  • 添加属性

  • 作为函数参数

In [43]: StudentMirror = Student # 类直接赋值 # 类直接赋值  
In [44]: Student.class_property = 'class_property' # 添加类属性  
In [46]: hasattr(Student, 'class_property')  
Out[46]: True

元类,确实使用不是那么多,也许先了解这些,就能应付一些场合。就连 Python 界的领袖 Tim Peters 都说:

“元类就是深度的魔法,99%的用户应该根本不必为此操心。

六、工具

48 枚举对象

返回一个可以枚举的对象,该对象的next()方法将返回一个元组。

In [1]: s = ["a","b","c"]  
    ...: for i ,v in enumerate(s,1):  
    ...:     print(i,v)  
    ...:  
1 a  
2 b  
3 c
49 查看变量所占字节数
In [1]: import sys  
  
In [2]: a = {'a':1,'b':2.0}  
  
In [3]: sys.getsizeof(a) # 占用240个字节  
Out[3]: 240
50 过滤器

在函数中设定过滤条件,迭代元素,保留返回值为True的元素:

In [1]: fil = filter(lambda x: x>10,[1,11,2,45,7,6,13])  
  
In [2]: list(fil)  
Out[2]: [11, 45, 13]
51 返回对象的哈希值

返回对象的哈希值,值得注意的是自定义的实例都是可哈希的,listdictset等可变对象都是不可哈希的(unhashable)

In [1]: hash(xiaoming)  
Out[1]: 6139638  
  
In [2]: hash([1,2,3])  
# TypeError: unhashable type: 'list'
52 一键帮助

返回对象的帮助文档

In [1]: help(xiaoming)  
Help on Student in module __main__ object:  
  
class Student(builtins.object)  
 |  Methods defined here:  
 |  
 |  __init__(self, id, name)  
 |  
 |  __repr__(self)  
 |  
 |  Data deors defined here:  
 |  
 |  __dict__  
 |      dictionary for instance variables (if defined)  
 |  
 |  __weakref__  
 |      list of weak references to the object (if defined)

53  获取用户输入

获取用户输入内容

In [1]: input()  
aa  
Out[1]: 'aa'
54 创建迭代器类型

使用iter(obj, sentinel), 返回一个可迭代对象, sentinel可省略(一旦迭代到此元素,立即终止)

In [1]: lst = [1,3,5]  
  
In [2]: for i in iter(lst):  
    ...:     print(i)  
    ...:  
1  
3  
5
In [1]: class TestIter(object):  
    ...:     def __init__(self):  
    ...:         self.l=[1,3,2,3,4,5]  
    ...:         self.i=iter(self.l)  
    ...:     def __call__(self):  #定义了__call__方法的类的实例是可调用的  
    ...:         item = next(self.i)  
    ...:         print ("__call__ is called,fowhich would return",item)  
    ...:         return item  
    ...:     def __iter__(self): #支持迭代协议(即定义有__iter__()函数)  
    ...:         print ("__iter__ is called!!")  
    ...:         return iter(self.l)  
In [2]: t = TestIter()  
In [3]: t() # 因为实现了__call__,所以t实例能被调用  
__call__ is called,which would return 1  
Out[3]: 1  
  
In [4]: for e in TestIter(): # 因为实现了__iter__方法,所以t能被迭代  
    ...:     print(e)  
    ...:  
__iter__ is called!!  
1  
3  
2  
3  
4  
5
55 打开文件

返回文件对象

In [1]: fo = open('D:/a.txt',mode='r', encoding='utf-8')  
  
In [2]: fo.read()  
Out[2]: '\ufefflife is not so long,\nI use Python to play.'

mode取值表:

python经典应用案例,python简单应用例子_第6张图片
56 创建range序列
  1. range(stop)

  2. range(start, stop[,step])

生成一个不可变序列:

In [1]: range(11)  
Out[1]: range(0, 11)  
  
In [2]: range(0,11,1)  
Out[2]: range(0, 11)
57 反向迭代器
In [1]: rev = reversed([1,4,2,3,1])  
  
In [2]: for i in rev:  
     ...:     print(i)  
     ...:  
1  
3  
2  
4  
1
58 聚合迭代器

创建一个聚合了来自每个可迭代对象中的元素的迭代器:

In [1]: x = [3,2,1]  
In [2]: y = [4,5,6]  
In [3]: list(zip(y,x))  
Out[3]: [(4, 3), (5, 2), (6, 1)]  
  
In [4]: a = range(5)  
In [5]: b = list('abcde')  
In [6]: b  
Out[6]: ['a', 'b', 'c', 'd', 'e']  
In [7]: [str(y) + str(x) for x,y in zip(a,b)]  
Out[7]: ['a0', 'b1', 'c2', 'd3', 'e4']
59 链式操作
from operator import (add, sub)  
  
  
def add_or_sub(a, b, oper):  
    return (add if oper == '+' else sub)(a, b)  
  
  
add_or_sub(1, 2, '-')  # -1
60 对象序列化

对象序列化,是指将内存中的对象转化为可存储或传输的过程。很多场景,直接一个类对象,传输不方便。

但是,当对象序列化后,就会更加方便,因为约定俗成的,接口间的调用或者发起的 web 请求,一般使用 json 串传输。

实际使用中,一般对类对象序列化。先创建一个 Student 类型,并创建两个实例。

class Student():  
    def __init__(self,**args):  
        self.ids = args['ids']  
        self.name = args['name']  
        self.address = args['address']  
xiaoming = Student(ids = 1,name = 'xiaoming',address = '北京')  
xiaohong = Student(ids = 2,name = 'xiaohong',address = '南京')

导入 json 模块,调用 dump 方法,就会将列表对象 [xiaoming,xiaohong],序列化到文件 json.txt 中。

import json  
  
with open('json.txt', 'w') as f:  
    json.dump([xiaoming,xiaohong], f, default=lambda obj: obj.__dict__, ensure_ascii=False, indent=2, sort_keys=True)

生成的文件内容,如下:

[  
    {  
        "address":"北京",  
        "ids":1,  
        "name":"xiaoming"  
    },  
    {  
        "address":"南京",  
        "ids":2,  
        "name":"xiaohong"  
    }  
]

python经典应用案例,python简单应用例子_第7张图片

python经典应用案例,python简单应用例子_第8张图片

往期回顾

AI卷到艺术界了,DALL·E将战胜人类?

Pandas 与 SQL 的超强结合,爆赞!

云上风景虽好,但不要盲目跟风!

Python 字符串深度总结

分享
点收藏
点点赞
点在看

你可能感兴趣的:(人工智能)