Python | 知识点汇总

第一个问题，什么是 Python ？根据 Python 之父 Guido van Rossum 的话，Python 是：

一种高级程序语言，其核心设计哲学是代码可读性和语法，能够让程序员用很少的代码来表达自己的想法。

对于我来说，学习 Python 的首要原因是，Python 是一种可以优雅编程的语言。它能够简单自然地写出代码和实现我的想法。

另一个原因是我们可以将 Python 用在很多地方：数据科学、Web 开发和机器学习等都可以使用 Python 来开发。Quora、Pinterest 和 Spotify 都使用 Python 来进行他们的后端 Web 开发。那么让我们来学习一下 Python 吧。

Python 基础

1. 变量

你可以把变量想象成一个用来存储值的单词。我们看个例子。

Python 中定义一个变量并为它赋值是很容易的。假如你想存储数字 1 到变量 “one” ，让我们试试看：

one = 1

超级简单吧？你只需要把值 1 分配给变量 “one” 。

two = 2

some_number = 10000

只要你想，你可以把任意的值赋给任何其他的变量。正如你从上面看到的那样，变量 “two” 存储整型变量 2 ，变量 “some_number” 存储 10000 。

除了整型，我们还可以使用布尔值（True/Flase）、字符串、浮点型和其他数据类型。

# booleanstrue_boolean = Truefalse_boolean = False# stringmy_name = "Leandro Tk"# floatbook_price = 15.80

2. 控制流程：条件语句

“If” 使用一个表达式来判断一个语句是 True 还是 False ，如果是 True ，那么执行 if 内的代码，例子如下：

if True:

print("Hello Python If")

if 2 > 1:

print("2 is greater than 1")

2 比 1 大，所以 print 代码被执行。

当“if”里面的表达式是 false 时，“else” 语句将会执行。

if 1 > 2:

print("1 is greater than 2")

else:

print("1 is not greater than 2")

1 比 2 小，所以 “else” 里面的代码会执行。

你也可以使用 “elif” 语句：

if 1 > 2:

print("1 is greater than 2")elif 2 > 1:

print("1 is not greater than 2")else:

print("1 is equal to 2")

3. 循环和迭代

在 Python 中，我们可以用不同的形式进行迭代。我会说下 while 和 for。

While 循环：当语句是 True 时，while 内部的代码块会执行。所以下面这段代码会打印出 1 到 10 。

num = 1

while num <= 10:

    print(num)

    num += 1

while 循环需要循环条件，如果条件一直是 True ，它将会一直迭代，当 num 的值为 11 时，循环条件为 false 。

另一段代码可以帮你更好的理解 while 语句的用法：

loop_condition = Truewhile loop_condition:

    print("Loop Condition keeps: %s" %(loop_condition))

    loop_condition = False

循环条件是 True 所以会一直迭代，直到为 False 。

For 循环：你可以在代码块上应用变量 “num” ，而 “for” 语句将为你迭代它。此代码将打印与 while 中相同的代码：从 1 到 10 。

for i in range(1, 11):

    print(i)

瞧见没？这太简单了。i 的范围从 1 开始一直到第 11 个元素（10是第十个元素）

List：集合 | 数组 | 数据结构

假如你想要在一个变量里存储整数 1 ，但是你也要存储 2 和 3 , 4 , 5 ...

不是用成百上千个变量，我有别的方法存储这些我想要存储的整数吗？你已经猜到了，确实有别的存储它们的方法。

列表是一个集合，它能够存储一列值（就像你想要存储的这些），那么让我们来用一下它：

my_integers = [1, 2, 3, 4, 5]

这真的很简单。我们创建了一个叫做 my_integer 的数组并且把数据存到了里面。

也许你会问：“我要怎样获取数组里的值？”

问得好。列表有一个叫做索引的概念。第一个元素的下表是索引0（0）。第二个的索引是1，以此类推，你应该明白的。

为了使它更加简洁，我们可以用它的索引代表数组元素。我画了出来：

用 Python 的语法，也很好去理解：

my_integers = [5, 7, 1, 3, 4]

print(my_integers[0]) # 5print(my_integers[1]) # 7print(my_integers[4]) # 4

假如你不想存整数。你只想去存一些字符串，像你亲戚名字的列表。我的看起来是类似这样的：

relatives_names = [  "Toshiaki",  "Juliana",  "Yuji",  "Bruno",  "Kaio"]

print(relatives_names[4]) # Kaio

它的原理跟存整数一样，很友好。

我们只学习了列表的索引是如何工作的，我还需要告诉你如何向列表的数据结构中添加一个元素（向列表中添加一个项目）。

最常用的向列表中添加新数据的方法是拼接。我们来看一下它是如何使用的：

bookshelf = []

bookshelf.append("The Effective Engineer")

bookshelf.append("The 4 Hour Work Week")

print(bookshelf[0]) # The Effective Engineerprint(bookshelf[1]) # The 4 Hour Work W

拼接超级简单，你仅需要把一个元素（比如“有效的机器”）作为拼接参数。

好了，关于列表的知识这些就够了，让我们来看一下其它的数据结构。

字典：Key-Value 数据结构

现在我们知道 List 是有索引的整型数字集合。但如果我们不像使用整型数字作为索引呢？我们可以用其他的一些数据结构，比如数字、字符串或者其他类型的索引。

让我们学习下字典这种数据结构。字典是一个键值对的集合。字典差不多长这样：

dictionary_example = {

  "key1": "value1",

  "key2": "value2",

  "key3": "value3"

}

Key 是指向 value 的索引。我们如何访问字典中的 value 呢？你应该猜到了，那就是使用 key 。我们试一下：

dictionary_tk = {

  "name": "Leandro",

  "nickname": "Tk",

  "nationality": "Brazilian"

}

print("My name is %s" %(dictionary_tk["name"])) # My name is Leandro

print("But you can call me %s" %(dictionary_tk["nickname"])) # But you can call me Tk

print("And by the way I'm %s" %(dictionary_tk["nationality"])) # And by the way I'm Brazilian

我们有个 key(age)value(24），使用字符串作为 key 整型作为 value 。

我创建了一个关于我的字典，其中包含我的名字、昵称和国籍。这些属性是字典中的 key 。

就像我们学过的使用索引访问 list 一样，我们同样使用索引（在字典中 key 就是索引）来访问存储在字典中的 value 。

正如我们使用 list 那样，让我们学习下如何向字典中添加元素。字典中主要是指向 value 的 key 。当我们添加元素的时候同样如此：

dictionary_tk = {

  "name": "Leandro",

  "nickname": "Tk",

  "nationality": "Brazilian",

  "age": 24

}

print("My name is %s" %(dictionary_tk["name"])) # My name is Leandro

print("But you can call me %s" %(dictionary_tk["nickname"])) # But you can call me Tk

print("And by the way I'm %i and %s" %(dictionary_tk["age"], dictionary_tk["nationality"])) # And by the way I'm Brazilian

我们只需要将一个字典中的一个 key 指向一个 value 。没什么难的，对吧？

迭代：通过数据结构进行循环

跟我们在 Python 基础中学习的一样，List 迭代十分简单。我们 Python 开发者通常使用 For 循环。我们试试看：

bookshelf = [

  "The Effective Engineer",

  "The 4 hours work week",

  "Zero to One",

  "Lean Startup",

  "Hooked"

]

for book in bookshelf:

    print(book)

对于在书架上的每本书，我们打印（可以做任何操作）到控制台上。超级简单和直观吧。这就是 Python 的美妙之处。

对于哈希数据结构，我们同样可以使用 for 循环，不过我们需要使用 key 来进行。

dictionary = { "some_key": "some_value" }

for key in dictionary:

    print("%s --> %s" %(key, dictionary[key])) # some_key --> some_value

上面是如何在字典中使用 For 循环的例子。对于字典中的每个 key ，我们打印出 key 和 key 所对应的 value 。

另一种方式是使用 iteritems 方法。

dictionary = { "some_key": "some_value" }

for key, value in dictionary.items():

    print("%s --> %s" %(key, value))# some_key --> some_value

我们命名两个参数为 key 和 value ，但是这不是必要的。我们可以随意命名。我们看下：

dictionary_tk = {

  "name": "Leandro",

  "nickname": "Tk",

  "nationality": "Brazilian",

  "age": 24

}

for attribute, value in dictionary_tk.items():

    print("My %s is %s" %(attribute, value))

# My name is Leandro

# My nickname is Tk

# My nationality is Brazilian

# My age is 24

可以看到我们使用了 attribute 作为字典中 key 的参数，这与使用 key 命名具有同样的效果。真是太棒了！

类&对象

一些理论：

对象是对现实世界实体的表示，如汽车、狗或自行车。 这些对象有两个共同的主要特征：数据和行为。

汽车有数据，如车轮的数量，车门的数量和座位的空间，并且它们可以表现出其行为：它们可以加速，停止，显示剩余多少燃料，以及许多其他的事情。

我们将数据看作是面向对象编程中的属性和行为。 又表示为：

数据→ 属性和行为 → 方法

而类是创建单个对象的蓝图。 在现实世界中，我们经常发现许多相同类型的对象。 比如说汽车。 所有的汽车都有相同的构造和模型（都有一个引擎，轮子，门等）。每辆车都是由同一套蓝图构造成的，并具有相同的组件。

Python 面向对象编程模式：ON

Python，作为一种面向对象编程语言，存在这样的概念：类和对象。

一个类是一个蓝图，是对象的模型。

那么，一个类是一个模型，或者是一种定义属性和行为的方法（正如我们在理论部分讨论的那样）。举例来说，一个车辆类有它自己的属性来定义这个对象是个什么样的车辆。一辆车的属性有轮子数量，能源类型，座位容量和最大时速这些。

考虑到这一点，让我们来看看 Python 的类的语法：

class Vehicle:

    pass

上边的代码，我们使用 class 语句来定义一个类。是不是很容易？

对象是一个类的实例化，我们可以通过类名来进行实例化。

car = Vehicle()

print(car) # <__main__.Vehicle instance at 0x7fb1de6c2638>

在这里，car 是类 Vehicle 的对象（或者实例化）。

记得车辆类有四个属性：轮子的数量，油箱类型，座位容量和最大时速。当我们新建一个车辆对象时要设置所有的属性。所以在这里，我们定义一个类在它初始化的时候接受参数：

class Vehicle:

    def __init__(self, number_of_wheels, type_of_tank, seating_capacity, maximum_velocity):

        self.number_of_wheels = number_of_wheels

        self.type_of_tank = type_of_tank

        self.seating_capacity = seating_capacity

        self.maximum_velocity = maximum_velocity

这个 init 方法。我们称之为构造函数。因此当我们在创建一个车辆对象时，可以定义这些属性。想象一下，我们喜欢 Tesla Model S ，所以我们想创建一个这种类型的对象。它有四个轮子，使用电能源，五座并且最大时时速是250千米（155英里）。我们开始创建这样一个对象：

tesla_model_s = Vehicle(4, 'electric', 5, 250)

四轮+电能源+五座+最大时速250千米。

所有的属性已经设置了。但我们该如何访问这些属性值呢？我们给对象发送消息以向其请求该值。我们称之为方法。它是对象的行为。让我们实现它：

class Vehicle:

    def __init__(self, number_of_wheels, type_of_tank, seating_capacity, maximum_velocity):

        self.number_of_wheels = number_of_wheels

        self.type_of_tank = type_of_tank

        self.seating_capacity = seating_capacity

        self.maximum_velocity = maximum_velocity    def number_of_wheels(self):

        return self.number_of_wheels    def set_number_of_wheels(self, number):

        self.number_of_wheels = number

这是两个方法number_of_wheels和set_number_of_wheels的实现。我们将其称为getter & setter。因为第一个函数是获取属性值，第二个函数是给属性设置新的值。

在 Python 中，我们可以使用@property (修饰符)来定义getters和setters。让我们看看实际代码：

class Vehicle:

    def __init__(self, number_of_wheels, type_of_tank, seating_capacity, maximum_velocity):

        self.number_of_wheels = number_of_wheels

        self.type_of_tank = type_of_tank

        self.seating_capacity = seating_capacity

        self.maximum_velocity = maximum_velocity    @property

    def number_of_wheels(self):

        return self.number_of_wheels    @number_of_wheels.setter

    def number_of_wheels(self, number):

        self.number_of_wheels = number

并且我们可以将这些方法作为属性使用：

tesla_model_s = Vehicle(4, 'electric', 5, 250)

print(tesla_model_s.number_of_wheels) # 4tesla_model_s.number_of_wheels = 2 # setting number of wheels to 2print(tesla_model_s.number_of_wheels) # 2

这和方法定义有轻微的不同。这里的方法是按照属性执行的。例如当我们设置新的轮胎数目时，我们并不将这两个看做参数，而是将数值2设置给number_of_wheels。这是编写python风格的getter和setter代码的一种方式。

但我们也可以将该方法用于其他事项，例如“make_noise”方法。让我们看看：

class Vehicle:

    def __init__(self, number_of_wheels, type_of_tank, seating_capacity, maximum_velocity):

        self.number_of_wheels = number_of_wheels

        self.type_of_tank = type_of_tank

        self.seating_capacity = seating_capacity

        self.maximum_velocity = maximum_velocity    def make_noise(self):

        print('VRUUUUUUUM')

当我们调用此方法时，它仅仅返回一个字符串“VRRRRUUUUM.”

tesla_model_s = Vehicle(4, 'electric', 5, 250)

tesla_model_s.make_noise() # VRUUUUUUUM

封装: 隐藏信息

封装是一种限制直接访问对象数据和方法的机制。但与此同时，它使得在数据上操作更简单（对象的方法）。

“封装可被用于隐藏数据成员和成员函数。按照这个定义，封装意味着 对象的内部表示一般在对象定义的外部视图中隐藏。” — Wikipedia

对象的所有内部表示都对外部隐藏了。只有对象本身可以与其内部数据交互。

首先，我们需要理解公开的、非公开的实例变量和方法的工作原理。

公共实例变量

对于 Python 类，我们可以在我们的构造函数方法中初始化一个公共实例变量。让我们看看这个：

在这个构造方法中：

class Person:

    def __init__(self, first_name):

        self.first_name = first_name

在这里，我们将 first_name 值作为参数应用于公共实例变量。

tk = Person('TK')

print(tk.first_name) # => TK

在类中：

class Person:

    first_name = 'TK'

在这里，我们不需要将 first_name 作为参数，所有的实例对象都有一个用 TK 初始化的类属性。

tk = Person()

print(tk.first_name) # => TK

太酷了，现在我们已经了解到，我们可以使用公共实例变量和类属性。关于公共部分的另一个有趣的事情是我们可以管理变量值。我的意思是什么呢？我们的对象可以管理它的变量值：Get 和 Set 变量值。

还是在 Person 类中，我们想为它的 first_name 变量设置另一个值：

tk = Person('TK')

tk.first_name = 'Kaio'print(tk.first_name) # => Kaio

这就可以了，我们只是为 first_name 实例变量设置另一个值（kaio），并更新了值。就这么简单。因为这是一个公共变量，我们是可以这么做的。

Non-public 实例变量

这里我们并没有使用术语“private”，因为在Python中所有属性都不是真的私有的（没有通常不必要的工作量）。 —  PEP 8

作为 public instance variable（公共实例变量），我们可以在构造方法或类内部定义 non-public instance variable （非公共实例变量）。语法上的区别是：对于 non-public instance variables （非公共实例变量），在变量名前使用下划线(_)。

“除了从对象内部外无法被访问的‘Private’实例变量在Python中并不存在。然而，这里有一个多数Python代码都会遵守的惯例：使用下划线作为前缀的命名(例如 _spam)应该被认为是API的非公开部分（不管是函数、方法还是数据成员）” —  Python软件基础

这里是示例代码：

class Person:

    def __init__(self, first_name, email):

        self.first_name = first_name

        self._email = email

你看到了email变量了吗？这就是我们如何定义非公共变量的方法：

tk = Person('TK', 'tk@mail.com')

print(tk._email) # tk@mail.com

我们可以访问并更新它。非公共变量仅仅是一个惯用法，并且应该被当做API的非公共部分。

所以我们使用一个在类定义内部的方法来实现该功能。让我们实现两个方法(email 和update_email)以加深理解：

class Person:

    def __init__(self, first_name, email):

        self.first_name = first_name

        self._email = email    def update_email(self, new_email):

        self._email = new_email    def email(self):

        return self._email

现在我们可以使用这两个方法来更新及访问非公开变量了。示例如下：

tk = Person('TK', 'tk@mail.com')

print(tk.email()) # => tk@mail.comtk._email = 'new_tk@mail.com'print(tk.email()) # => tk@mail.comtk.update_email('new_tk@mail.com')

print(tk.email()) # => new_tk@mail.com

• 我们使用first_name TK和email tk@mail.com初始化了一个新对象

• 使用方法访问非公开变量email并输出它

• 尝试在类外部设置一个新的email

• 我们需要将非公开变量视为API的非公开部分

• 使用我们的实例方法来更新非公开变量

• 成功！我们使用辅助方法在类内部更新了它。

公共方法

对于公共方法，我们也可以在类中使用它们：

class Person:

    def __init__(self, first_name, age):

        self.first_name = first_name

        self._age = age    def show_age(self):

        return self._age

让我们来测试一下：

tk = Person('TK', 25)

print(tk.show_age()) # => 25

很好 - 我们在类中使用它没有任何问题。

非公共方法

但是用非公开的方法，我们无法做到这一点。 如果我们想实现相同的 Person 类，现在使用有下划线（_）的 show_age 非公共方法。

class Person:

    def __init__(self, first_name, age):

        self.first_name = first_name

        self._age = age    def _show_age(self):

        return self._age

现在，我们将尝试用我们的对象来调用这个非公共的方法：

tk = Person('TK', 25)

print(tk._show_age()) # => 25

我们可以访问和更新它。 非公共的方法只是一个惯例，应该被视为API的非公开部分。

以下是我们如何使用它的一个例子：

class Person:

    def __init__(self, first_name, age):

        self.first_name = first_name

        self._age = age    def show_age(self):

        return self._get_age()    def _get_age(self):

        return self._age

tk = Person('TK', 25)

print(tk.show_age()) # => 25

这里有一个 _get_age 非公共方法和一个 show_age 公共方法。 show_age 可以被我们的对象（不在我们的类中）使用，而 _get_age 只用在我们的类定义里面使用（在 show_age 方法里面）。 但是同样的，这样的做法通常是惯例。

封装小结

通过封装，我们可以确保对象的内部表示是对外部隐藏的。

继承：行为和特征

某些物体有一些共同之处：它们的行为和特征。

例如，我继承了我父亲的一些特征和行为。我继承了他的眼睛和头发的特征，以及他的急躁和内向的行为。

在面向对象编程中，类可以继承另一个类的共同特征（数据）和行为（方法）。

我们来看另一个例子，并用 Python 实现它。

想象一下汽车。车轮数量，座位容量和最大速度都是一辆车的属性。我们可以说 ElectricCar 类从普通的 Car 类继承了这些相同的属性。

class Car:

    def __init__(self, number_of_wheels, seating_capacity, maximum_velocity):

        self.number_of_wheels = number_of_wheels

        self.seating_capacity = seating_capacity

        self.maximum_velocity = maximum_velocity

我们 Car 类的实现：

my_car = Car(4, 5, 250)

print(my_car.number_of_wheels)

print(my_car.seating_capacity)

print(my_car.maximum_velocity)

一旦初始化，我们就可以使用所有创建的实例变量。太棒了。

在 Python 中，我们将父类作为子的参数来进行继承。 ElectricCar 类可以继承我们的 Car 类。

class ElectricCar(Car):

    def __init__(self, number_of_wheels, seating_capacity, maximum_velocity):

        Car.__init__(self, number_of_wheels, seating_capacity, maximum_velocity)

就这么简单。我们不需要实现任何其他方法，因为这个类已经完成了父类的继承（继承自 Car 类）。我们来证明一下：

my_electric_car = ElectricCar(4, 5, 250)

print(my_electric_car.number_of_wheels) # => 4

print(my_electric_car.seating_capacity) # => 5

print(my_electric_car.maximum_velocity) # => 250

干的漂亮。

序列函数

Python有一些有用的序列函数。

enumerate函数

迭代一个序列时，你可能想跟踪当前项的序号。手动的方法可能是下面这样：

i = 0 for value in collection:   # do something with value   i += 1

因为这么做很常见，Python内建了一个enumerate函数，可以返回(i, value)元组序列：

for i, value in enumerate(collection):   # do something with value

当你索引数据时，使用enumerate的一个好方法是计算序列（唯一的）dict映射到位置的值：

In [83]: some_list = ['foo', 'bar', 'baz'] In [84]: mapping = {} In [85]: for i, v in enumerate(some_list):   ....:     mapping[v] = i In [86]: mapping Out[86]: {'bar': 1, 'baz': 2, 'foo': 0}

sorted函数

sorted函数可以从任意序列的元素返回一个新的排好序的列表：

In [87]: sorted([7, 1, 2, 6, 0, 3, 2]) Out[87]: [0, 1, 2, 2, 3, 6, 7] In [88]: sorted('horse race') Out[88]: [' ', 'a', 'c', 'e', 'e', 'h', 'o', 'r', 'r', 's']

sorted函数可以接受和sort相同的参数。

zip函数

zip可以将多个列表、元组或其它序列成对组合成一个元组列表：

In [89]: seq1 = ['foo', 'bar', 'baz'] In [90]: seq2 = ['one', 'two', 'three'] In [91]: zipped = zip(seq1, seq2) In [92]: list(zipped) Out[92]: [('foo', 'one'), ('bar', 'two'), ('baz', 'three')]

zip可以处理任意多的序列，元素的个数取决于最短的序列：

In [93]: seq3 = [False, True] In [94]: list(zip(seq1, seq2, seq3)) Out[94]: [('foo', 'one', False), ('bar', 'two', True)]

zip的常见用法之一是同时迭代多个序列，可能结合enumerate使用：

In [95]: for i, (a, b) in enumerate(zip(seq1, seq2)):   ....:     print('{0}: {1}, {2}'.format(i, a, b))   ....: 0: foo, one 1: bar, two 2: baz, three

给出一个“被压缩的”序列，zip可以被用来解压序列。也可以当作把行的列表转换为列的列表。这个方法看起来有点神奇：

In [96]: pitchers = [('Nolan', 'Ryan'), ('Roger', 'Clemens'),   ....:             ('Schilling', 'Curt')] In [97]: first_names, last_names = zip(*pitchers) In [98]: first_names Out[98]: ('Nolan', 'Roger', 'Schilling') In [99]: last_names Out[99]: ('Ryan', 'Clemens', 'Curt')

reversed函数

reversed可以从后向前迭代一个序列：

In [100]: list(reversed(range(10))) Out[100]: [9, 8, 7, 6, 5, 4, 3, 2, 1, 0]

要记住reversed是一个生成器（后面详细介绍），只有实体化（即列表或for循环）之后才能创建翻转的序列。

字典

字典可能是Python最为重要的数据结构。它更为常见的名字是哈希映射或关联数组。它是键值对的大小可变集合，键和值都是Python对象。创建字典的方法之一是使用尖括号，用冒号分隔键和值：

In [101]: empty_dict = {} In [102]: d1 = {'a' : 'some value', 'b' : [1, 2, 3, 4]} In [103]: d1 Out[103]: {'a': 'some value', 'b': [1, 2, 3, 4]}

你可以像访问列表或元组中的元素一样，访问、插入或设定字典中的元素：

In [104]: d1[7] = 'an integer' In [105]: d1 Out[105]: {'a': 'some value', 'b': [1, 2, 3, 4], 7: 'an integer'} In [106]: d1['b'] Out[106]: [1, 2, 3, 4]

你可以用检查列表和元组是否包含某个值得方法，检查字典中是否包含某个键：

In [107]: 'b' in d1 Out[107]: True

可以用del关键字或pop方法（返回值得同时删除键）删除值：

In [107]: 'b' in d1 Out[107]: True

可以用del关键字或pop方法（返回值得同时删除键）删除值：

In [108]: d1[5] = 'some value'

In [109]: d1 Out[109]: {'a': 'some value', 'b': [1, 2, 3, 4], 7: 'an integer', 5: 'some value'} In [110]: d1['dummy'] = 'another value' In [111]: d1 Out[111]: {'a': 'some value', 'b': [1, 2, 3, 4], 7: 'an integer', 5: 'some value', 'dummy': 'another value'} In [112]: del d1[5] In [113]: d1 Out[113]: {'a': 'some value', 'b': [1, 2, 3, 4], 7: 'an integer', 'dummy': 'another value'} In [114]: ret = d1.pop('dummy') In [115]: ret Out[115]: 'another value' In [116]: d1 Out[116]: {'a': 'some value', 'b': [1, 2, 3, 4], 7: 'an integer'}

keys和values是字典的键和值的迭代器方法。虽然键值对没有顺序，这两个方法可以用相同的顺序输出键和值：

In [117]: list(d1.keys()) Out[117]: ['a', 'b', 7] In [118]: list(d1.values()) Out[118]: ['some value', [1, 2, 3, 4], 'an integer']

用update方法可以将一个字典与另一个融合：

In [119]: d1.update({'b' : 'foo', 'c' : 12}) In [120]: d1 Out[120]: {'a': 'some value', 'b': 'foo', 7: 'an integer', 'c': 12}

update方法是原地改变字典，因此任何传递给update的键的旧的值都会被舍弃。

用序列创建字典

常常，你可能想将两个序列配对组合成字典。下面是一种写法：

mapping = {} for key, value in zip(key_list, value_list):    mapping[key] = value

因为字典本质上是2元元组的集合，dict可以接受2元元组的列表：

In [121]: mapping = dict(zip(range(5), reversed(range(5)))) In [122]: mapping Out[122]: {0: 4, 1: 3, 2: 2, 3: 1, 4: 0}

后面会谈到dict comprehensions，另一种构建字典的优雅方式。

默认值

下面的逻辑很常见：

if key in some_dict:    value = some_dict[key] else:    value = default_value

因此，dict的方法get和pop可以取默认值进行返回，上面的if-else语句可以简写成下面：

value = some_dict.get(key, default_value)

get默认会返回None，如果不存在键，pop会抛出一个例外。关于设定值，常见的情况是在字典的值是属于其它集合，如列表。例如，你可以通过首字母，将一个列表中的单词分类：

In [123]: words = ['apple', 'bat', 'bar', 'atom', 'book'] In [124]: by_letter = {} In [125]: for word in words:   .....:     letter = word[0]   .....:     if letter not in by_letter:   .....:         by_letter[letter] = [word]   .....:     else:   .....:         by_letter[letter].append(word)   .....: In [126]: by_letter Out[126]: {'a': ['apple', 'atom'], 'b': ['bat', 'bar', 'book']}

setdefault方法就正是干这个的。前面的for循环可以改写为：

for word in words:    letter = word[0]    by_letter.setdefault(letter, []).append(word)

collections模块有一个很有用的类，defaultdict，它可以进一步简化上面。传递类型或函数以生成每个位置的默认值：

from collections import defaultdict by_letter = defaultdict(list) for word in words:    by_letter[word[0]].append(word)

有效的键类型

字典的值可以是任意Python对象，而键通常是不可变的标量类型（整数、浮点型、字符串）或元组（元组中的对象必须是不可变的）。这被称为“可哈希性”。可以用hash函数检测一个对象是否是可哈希的（可被用作字典的键）：

In [127]: hash('string') Out[127]: 5023931463650008331 In [128]: hash((1, 2, (2, 3))) Out[128]: 1097636502276347782 In [129]: hash((1, 2, [2, 3])) # fails because lists are mutable --------------------------------------------------------------------------- TypeError                                 Traceback (most recent call last) <ipython-input-129-800cd14ba8be> in <module>() ----> 1 hash((1, 2, [2, 3])) # fails because lists are mutable TypeError: unhashable type: 'list'

要用列表当做键，一种方法是将列表转化为元组，只要内部元素可以被哈希，它也就可以被哈希：

In [130]: d = {} In [131]: d[tuple([1, 2, 3])] = 5 In [132]: d Out[132]: {(1, 2, 3): 5}

集合

集合是无序的不可重复的元素的集合。你可以把它当做字典，但是只有键没有值。可以用两种方式创建集合：通过set函数或使用尖括号set语句：

In [133]: set([2, 2, 2, 1, 3, 3]) Out[133]: {1, 2, 3} In [134]: {2, 2, 2, 1, 3, 3} Out[134]: {1, 2, 3}

集合支持合并、交集、差分和对称差等数学集合运算。考虑两个示例集合：

In [135]: a = {1, 2, 3, 4, 5} In [136]: b = {3, 4, 5, 6, 7, 8}

合并是取两个集合中不重复的元素。可以用union方法，或者|运算符：

In [137]: a.union(b) Out[137]: {1, 2, 3, 4, 5, 6, 7, 8} In [138]: a | b Out[138]: {1, 2, 3, 4, 5, 6, 7, 8}

交集的元素包含在两个集合中。可以用intersection或&运算符：

In [139]: a.intersection(b) Out[139]: {3, 4, 5} In [140]: a & b Out[140]: {3, 4, 5}

表3-1列出了常用的集合方法。

表3-1 Python的集合操作

所有逻辑集合操作都有另外原地实现方法，它可以直接用结果替代集合的内容。对于大的集合，这么做效率更高：

In [141]: c = a.copy() In [142]: c |= b In [143]: c Out[143]: {1, 2, 3, 4, 5, 6, 7, 8} In [144]: d = a.copy() In [145]: d &= b In [146]: d Out[146]: {3, 4, 5}

与字典类似，集合元素通常都是不可变的。要获得类似列表的元素，必须转换成元组：

In [147]: my_data = [1, 2, 3, 4] In [148]: my_set = {tuple(my_data)} In [149]: my_set Out[149]: {(1, 2, 3, 4)}

你还可以检测一个集合是否是另一个集合的子集或父集：

In [150]: a_set = {1, 2, 3, 4, 5} In [151]: {1, 2, 3}.issubset(a_set) Out[151]: True In [152]: a_set.issuperset({1, 2, 3}) Out[152]: True

集合的内容相同时，集合才对等：

In [153]: {1, 2, 3} == {3, 2, 1} Out[153]: True

列表、集合和字典推导式

列表推导式是Python最受喜爱的特性之一。它允许用户方便的从一个集合过滤元素，形成列表，在传递参数的过程中还可以修改元素。形式如下：

[expr for val in collection if condition]

它等同于下面的for循环；

result = [] for val in collection:    if condition:        result.append(expr)

filter条件可以被忽略，只留下表达式就行。例如，给定一个字符串列表，我们可以过滤出长度在2及以下的字符串，并将其转换成大写：

In [154]: strings = ['a', 'as', 'bat', 'car', 'dove', 'python'] In [155]: [x.upper() for x in strings if len(x) > 2] Out[155]: ['BAT', 'CAR', 'DOVE', 'PYTHON']

用相似的方法，还可以推导集合和字典。字典的推导式如下所示：

dict_comp = {key-expr : value-expr for value in collection if condition}

集合的推导式与列表很像，只不过用的是尖括号：

set_comp = {expr for value in collection if condition}

与列表推导式类似，集合与字典的推导也很方便，而且使代码的读写都很容易。来看前面的字符串列表。假如我们只想要字符串的长度，用集合推导式的方法非常方便：

In [156]: unique_lengths = {len(x) for x in strings} In [157]: unique_lengths Out[157]: {1, 2, 3, 4, 6}

map函数可以进一步简化：

In [158]: set(map(len, strings)) Out[158]: {1, 2, 3, 4, 6}

作为一个字典推导式的例子，我们可以创建一个字符串的查找映射表以确定它在列表中的位置：

In [159]: loc_mapping = {val : index for index, val in enumerate(strings)} In [160]: loc_mapping Out[160]: {'a': 0, 'as': 1, 'bat': 2, 'car': 3, 'dove': 4, 'python': 5}

嵌套列表推导式

假设我们有一个包含列表的列表，包含了一些英文名和西班牙名：

In [161]: all_data = [['John', 'Emily', 'Michael', 'Mary', 'Steven'],      .....:             ['Maria', 'Juan', 'Javier', 'Natalia', 'Pilar']]

你可能是从一些文件得到的这些名字，然后想按照语言进行分类。现在假设我们想用一个列表包含所有的名字，这些名字中包含两个或更多的e。可以用for循环来做：

names_of_interest = [] for names in all_data:    enough_es = [name for name in names if name.count('e') >= 2]    names_of_interest.extend(enough_es)

可以用嵌套列表推导式的方法，将这些写在一起，如下所示：

In [162]: result = [name for names in all_data for name in names   .....:           if name.count('e') >= 2] In [163]: result Out[163]: ['Steven']

嵌套列表推导式看起来有些复杂。列表推导式的for部分是根据嵌套的顺序，过滤条件还是放在最后。下面是另一个例子，我们将一个整数元组的列表扁平化成了一个整数列表：

In [164]: some_tuples = [(1, 2, 3), (4, 5, 6), (7, 8, 9)] In [165]: flattened = [x for tup in some_tuples for x in tup] In [166]: flattened Out[166]: [1, 2, 3, 4, 5, 6, 7, 8, 9]

记住，for表达式的顺序是与嵌套for循环的顺序一样（而不是列表推导式的顺序）：

flattened = [] for tup in some_tuples:    for x in tup:        flattened.append(x)

你可以有任意多级别的嵌套，但是如果你有两三个以上的嵌套，你就应该考虑下代码可读性的问题了。分辨列表推导式的列表推导式中的语法也是很重要的：

In [167]: [[x for x in tup] for tup in some_tuples] Out[167]: [[1, 2, 3], [4, 5, 6], [7, 8, 9]]

这段代码产生了一个列表的列表，而不是扁平化的只包含元素的列表。