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)

【Python之路】第四篇--Python基础之函数的更多相关文章

  1. python之路第四篇(基础篇)

    一.冒泡算法实现: 方法一: li = [13,33,12,80,66,1] print li for m in range(4): num1 = li[m] num2 = li[m+1] if nu ...

  2. 【Python之路】第九篇--Python基础之线程、进程和协程

    进程与线程之间的关系 线程是属于进程的,线程运行在进程空间内,同一进程所产生的线程共享同一内存空间,当进程退出时该进程所产生的线程都会被强制退出并清除.线程可与属于同一进程的其它线程共享进程所拥有的全 ...

  3. Python之路第四天,基础(4)-装饰器,迭代器,生成器

    装饰器 装饰器(decorator)是一种高级Python语法.装饰器可以对一个函数.方法或者类进行加工.在Python中,我们有多种方法对函数和类进行加工,比如在Python闭包中,我们见到函数对象 ...

  4. 【Python之路】第一篇--Linux基础命令

    pwd 命令 查看”当前工作目录“的完整路径 pwd -P # 显示出实际路径,而非使用连接(link)路径:pwd显示的是连接路径 .   表示当前目录 ..  表示上级目录 /  表示根目录 ls ...

  5. Python之路(第四篇):Python基本数据类型列表、元组、字典

    一.列表 1.列表 list ,是一个类,li = [1,2,"nicholas"] li是通过list类创建的对象. 2.list特点: 用中括号括起来,用逗号分割每个元素,列表 ...

  6. Python之路(第八篇)Python内置函数、zip()、max()、min()

    一.python内置函数 abs() 求绝对值 例子 print(abs(-2)) all() 把序列中每一个元素做布尔运算,如果全部都是true,就返回true, 但是如果是空字符串.空列表也返回t ...

  7. Python之路(第五篇) Python基本数据类型集合、格式化、函数

    一.变量总结 1.1 变量定义 记录某种状态或者数值,并用某个名称代表这个数值或状态. 1.2 变量在内存中的表现形式 Python 中一切皆为对象,数字是对象,列表是对象,函数也是对象,任何东西都是 ...

  8. 【Python之路】特别篇--Python正则表达式

    正则表达式的基础 正则表达式并不是Python的一部分. 正则表达式是用于处理字符串的强大工具,拥有自己独特的语法以及一个独立的处理引擎,效率上可能不如str自带的方法,但功能十分强大. 得益于这一点 ...

  9. 【Python之路】特别篇--Python面向对象(进阶篇)

    上一篇<Python 面向对象(初级篇)>文章介绍了面向对象基本知识: 面向对象是一种编程方式,此编程方式的实现是基于对 类 和 对象 的使用 类 是一个模板,模板中包装了多个“函数”供使 ...

  10. Python之路(第七篇)Python作用域、匿名函数、函数式编程、map函数、filter函数、reduce函数

    一.作用域 return 可以返回任意值例子 def test1(): print("test1") def test(): print("test") ret ...

随机推荐

  1. IoC in Spring

    写两个关于Spring中使用IoC的小例子,一个是半动态创建Bean,另一个是全动态创建Bean,它们适合不同的应用场景. 一.半动态:在一个实际项目中遇到过这样的问题,项目组开发的某个系统具备在LE ...

  2. shell脚本作为保证PHP脚本不挂掉的守护进程实例

    前几天开始跑一份数据名单,名单需要提供用户名.是否有手机号.是否有邮箱,用户名单我轻易的获取到了,但是,用户名单有2000w之多,并且去检测用户是否有手机号.是否有邮箱必须得通过一个对外开放的安全接口 ...

  3. js广告轮询效果

    var intervalTime = 5000; var showIndex = 0; var imageLength=0; $(window).load(function () { var heig ...

  4. twemproxy接收流程探索——twemproxy代码分析正编

    在这篇文章开始前,大家要做好一个小小的心理准备,由于twemproxy代码是一份优秀的c语言,为此,在twemproxy的代码中会大篇幅使用c指针.但是不论是普通类型的指针还是函数指针,都可以让我们这 ...

  5. KendoUI 用下来的小总结

    Kendoui Aspnetmvc * 引用jquery.1.10以上 * 1.项目引用 Kendo.Mvc.dll 2.页面引用 @using Kendo.Mvc.UI; 3.Name和 HtmlA ...

  6. Microsoft Edge与Google Chrome那些不同的举止

    以下针对14393版本Edge与Chrome 54 html dom/select的如果options里没有符合的值时edge会选择第一个,chrome(54)会置空选项 html dom/input ...

  7. 你确实应该学习并使用的 10 个 C# 特性

    1) async / await 使用 async / await 模式,可以在执行代码块操作的时候不会阻塞 UI 或者当前的线程.即使该操作被某些执行动作延迟了(比如一个 web 请求),async ...

  8. jvm的垃圾回收几种理解

    1.引用计数器回收 给每个对象设置一个计数器,当该对象被引用时,计数器加1,当有其他变量不再引用该对象时,计数器减1.直到计数器数值为0,回收器视为他是‘垃圾’,可以被回收,当该对象被回收时,其他引用 ...

  9. layoutSubviews在什么情况下会被调用

    layoutSubviews在以下情况下会被调用: 1.init初始化不会触发layoutSubviews. 2.addSubview会触发layoutSubviews. 3.设置view的Frame ...

  10. Java中集合框架体系

    集合的体系结构:     |--Collection(单列集合的根接口)         |--List(子接口):元素是有序的,元素可以重复.因为该集合体系有索引.             |--A ...