流畅的python（一）序列构成的数组
2021-04-21 15:27
标签：原因 key metro ipy 排序 迭代 syn 切片 symbol 1、内置序列类型概览 按照存放类型分类 按照是否修改分类 2、列表推导和生成器表达式 [i for i in range(10)] 是构建列表的快捷方式 生成器表达式背后遵守迭代器协议，可以逐个地产出元素，显然节省内存，生成器表达式的语法跟列表推导差不多，只不过把方括号换成圆括号。 (i for i in range(10)) 3、元组不仅仅是不可变的列表 元组其实是对数据的记录：元组中的元素存放了数据和位置 可以当成记录加以利用 a,b = b,a 4、切片 l[::-2] l[:5] = [] 5、对序列使用+和* 6、序列的增量赋值 m = l*5 m += [1,2] 7、list.sort方法和内置函数sorted 两个关键词参数： 8、已排序搜索和插入bisect 9、当列表不是首选时 泛化和去数学化的NumPy数组，实现在数据结构之间共享内存。用以处理大型数据集合 注意共享内存的意思是对memoryview的操作不会产生新的对象！！！这也是其高效的原因 读取txt和二进制文件简直天壤之别，当然这有NumPy优化内存映射机制 import heapq 流畅的python（一）序列构成的数组 标签：原因 key metro ipy 排序 迭代 syn 切片 symbol 原文地址：https://www.cnblogs.com/qqw-1995/p/13280720.html
list, tuple, collections.deque
str, bytes, bytearray, memoryview和arrray.array
list， bytearray， array.array, collections.deque和memoryview
tuple, str和bytes
生成器表达式
symbols = ‘$#@%^&*‘
a = tuple(ord(s) for s in symbols if ord(s) > 35)
print(a)
import array
a = array.array(‘I‘,(ord(s) for s in symbols))
print(a)
colors = [‘b‘,‘w‘]
sizes = [‘S‘,‘M‘,‘L‘]
for i in (‘%s,%s‘%(color,size) for color in colors for size in sizes):
print(i)
用元组作为字段
元组拆包
拆包
>>> x = (6, 9)
>>> a, b = x
>>> a
6
>>> b
9
*拆开作为函数参数>>> t = (20, 8)
>>> divmod(*t)
(2, 4)
*处理剩下的元素，可以出现在赋值表达式任意位置>>> a, b, *rest = range(5)"""
记录
拆包
"""
lax_coordinates = (33.9425,-118.408056)
city,year,pop,chg,area = (‘Tokyo‘,2003,32450,0.66,8014)
traveler_ids = [(‘USA‘,‘2345633‘),(‘CHINA‘,‘ER5556‘),(‘BRA‘,‘782829‘)]
for passport in sorted(traveler_ids):
print(‘%s/%s‘%passport)
for country,_ in traveler_ids:
print(country)
a = (20,8)
c,d = divmod(*a)
print(c,d)
import os
a = os.path.split("/home/www/ddd/ccc.pub")
print(a)
#*用来处理剩下来的元素
a,*b,rest = range(10)
print(a,b,rest)
#嵌套元组拆包
metro_areas = [(‘Tokyo‘,‘JP‘,36.33,(35.998877,139.887665)),
(‘De NCR‘,‘IN‘,21.334,(28.61555,77.20999)),
(‘Mexico city‘,‘MX‘,20.14,(19.2345,-99.8765)),
(‘Sao Paulo‘,‘BR‘,19.887,(-23.8887,-46.65533))]
print(‘{:15}|{:^9}|{:^9}‘.format(‘City‘,‘lat.‘,‘long.‘))
fmt = ‘{:15}|{:9.4f}|{:9.4f}‘
for name,cc,pop, (latitude,longitude) in metro_areas:
if longitude 0:
print(fmt.format(name,latitude,longitude))
#具名元组
from collections import namedtuple
City = namedtuple(‘City‘,‘name country population coordinates‘)
tokyo = City(‘Tokyo‘,‘JP‘,36,(35,139))
print(tokyo)
print(City._fields)
a = (2,3,4,45,6,9)
print(a[::3])
t = (1,2,[3,4])
t[2] += [5,6]
print(t)
切片
>>> [[0] * 3] * 3
[[0, 0, 0], [0, 0, 0], [0, 0, 0]]
>>> [[0] * 3 for i in range(3)]
[[0, 0, 0], [0, 0, 0], [0, 0, 0]]
第一种，外面的列表包含了3个指向同一个列表的引用，修改一个，其他位置也会修改序列的增量赋值
_iadd ：就地加法（+=） _addlist.sort方法会就地排序列表，也就是说不会把原列表复制一份。reverse，key#比较有趣的用法
def grade(score,breakpoints = [60,70,80,90],grades = ‘FDCBA‘):
i = bisect.bisect_right(breakpoints,score)
return grades[i]
print([grade(score) for score in [33,60,62,69,80,100]])
#已排序队列的插入
bisect.insort_left([],10)
数组(array.array)
from array import array
from random import random
floats = array(‘d‘,(random()*100 for i in range(10**7)))
print(floats[-1])
#注意哦，数组里面存的是数字的字节表达
fp = open(‘floats.bin‘,‘wb‘)
floats.tofile(fp)
fp.close()
内存视图memoryview
NumPy 与 SciPy
from time import perf_counter as pc
t0 = pc()
floats = numpy.loadtxt(‘data.txt‘)
t1 = pc()
floats /= 3
t2 = pc()
numpy.save(‘floats-10M‘,floats)
t3 = pc()
floats2 = numpy.load(‘floats-10M.npy‘,‘r+‘)
t4 = pc()
floats2 *=363
t5 = pc()
{‘t0‘: 0.851668039, ‘t1‘: 153.021685987, ‘t2‘: 153.038698158, ‘t3‘: 153.4188989, ‘t4‘: 153.420616467, ‘t5‘: 153.455011833}
还有
deque heapq ....from collections import deque
dq = deque(range(10),maxlen = 10)
dq.rotate(-4)
print(dq)
dq.pop()
print(dq)
dq.extend([11,12,13])
print(dq)
queue
import queue
#用以同步线程安全，满员时会等待销毁后再执行
multiprocessing
import multiprocessing
#用以同步进程管理，同queue
asyncio
import asyncio
#是用来编写 并发 代码的库，使用 async/await 语法heapq
#将可变序列当做堆队列处理
文章标题：流畅的python（一）序列构成的数组
文章链接：http://soscw.com/index.php/essay/77656.html