【python】标准库(第二讲)

简介: 在 Python 被安装的时候,就有不少模块也随着安装到本地的计算机上了。这些东西就如同“能源”、“电力”一样,让 Python 拥有了无限生机,能够非常轻而易举地免费使用很多模块。所以,称之为“自带电池”。它们被称为“标准库”。...

🍁作者简介:🏅云计算领域优质创作者🏅新星计划第三季python赛道TOP1🏅 阿里云ACE认证高级工程师🏅

✒️个人主页:小鹏linux

💊个人社区:小鹏linux(个人社区)欢迎您的加入!

目录

1. sys

1.1 sys.argv

1.2 sys.arg 在 Python 中的作用

1.3 sys.exit()

1.4 sys.path

1.5 sys.stdin, sys.stdout, sys.stderr

2. copy

👑👑👑结束语👑👑👑


Python 标准库内容非常多,有人专门为此写过一本书。在我写的这几篇文章中,我不会将标准库进行完整的详细介绍,但是,我根据自己的理解和喜好,选几个呈现出来,一来显示标准库之强大功能,二来演示如何理解和使用标准库。

1. sys

这是一个跟 Python 解释器关系密切的标准库,上一节中我们使用过 sys.path.append() 。上篇文章链接在此:【python】标准库(第一讲)

>>> import sys
>>> print sys.__doc__

显示了 sys 的基本文档,看第一句话,概括了本模块的基本特点。

This module provides access to some objects used or maintained by the
interpreter and to functions that interact strongly with the interpreter.

在诸多 sys 函数和变量中,选择常用的(应该说是我觉得常用的)来说明。

1.1 sys.argv

sys.argv 是变量,专门用来向 Python 解释器传递参数,所以名曰“命令行参数”。

先解释什么是命令行参数。

$ Python --version
Python 2.7.6

image.gif

这里的 --version 就是命令行参数。如果你使用 Python --help 可以看到更多:

$ Python --help
usage: Python [option] ... [-c cmd | -m mod | file | -] [arg] ...
Options and arguments (and corresponding environment variables):
-B : don't write .py[co] files on import; also PYTHONDONTWRITEBYTECODE=x
-c cmd : program passed in as string (terminates option list)
-d : debug output from parser; also PYTHONDEBUG=x
-E : ignore PYTHON* environment variables (such as PYTHONPATH)
-h : print this help message and exit (also --help)
-i : inspect interactively after running script; forces a prompt even
    if stdin does not appear to be a terminal; also PYTHONINSPECT=x
-m mod : run library module as a script (terminates option list)
-O : optimize generated bytecode slightly; also PYTHONOPTIMIZE=x
-OO : remove doc-strings in addition to the -O optimizations
-R : use a pseudo-random salt to make hash() values of various types be
    unpredictable between separate invocations of the interpreter, as
    a defense against denial-of-service attacks

image.gif

只选择了部分内容摆在这里。所看到的如 -B, -h 之流,都是参数,比如 Python -h ,其功能同上。那么 -h也是命令行参数。

1.2 sys.arg 在 Python 中的作用

通过它可以向解释器传递命令行参数。比如:

#!/usr/bin/env Python
# coding=utf-8
import sys
print "The file name: ", sys.argv[0]
print "The number of argument", len(sys.argv)
print "The argument is: ", str(sys.argv)

将上述代码保存,文件名是 22101.py(这名称取的,多么数字化)。然后如此做:

$ python 22101.py
The file name: 22101.py
The number of argument 1
The argument is: ['22101.py']

将结果和前面的代码做个对照。

$ Python 22101.py 中,“22101.py”是要运行的文件名,同时也是命令行参数,是前面的 Python 这个指令的参数。其地位与 Python -h 中的参数 -h 是等同的。

sys.argv[0] 是第一个参数,就是上面提到的 22101.py ,即文件名。

如果我们这样来试试,看看结果:

$ python 22101.py beginner master www.itdiffer.com
The file name: 22101.py
The number of argument 4
The argument is: ['22101.py', 'beginner', 'master', 'www.itdiffer.com']

如果在这里,用 sys.arg[1] 得到的就是 beginner ,依次类推。

1.3 sys.exit()

这是一个方法,意思是退出当前的程序。

Help on built-in function exit in module sys:
exit(...)
    exit([status])
    Exit the interpreter by raising SystemExit(status).
    If the status is omitted or None, it defaults to zero (i.e., success).
    If the status is an integer, it will be used as the system exit status.
    If it is another kind of object, it will be printed and the system
    exit status will be one (i.e., failure)

从文档信息中可知,如果用 sys.exit() 退出程序,会返回 SystemExit 异常。这里先告知大家,还有另外一退出方式,是 os._exit() ,这两个有所区别。后者会在后面介绍。

#!/usr/bin/env Python
# coding=utf-8
import sys
for i in range(10):
    if i == 5:
        sys.exit()
    else:
        print i

这段程序的运行结果就是:

$ python 22102.py
0
1
2
3
4

image.gif

需要提醒大家注意的是,在函数中,用到 return,这个的含义是终止当前的函数,并返回相应值(如果有,如果没有就是 None)。但是 sys.exit() 的含义是退出当前程序,并发起 SystemExit 异常。这就是两者的区别了。

如果使用 sys.exit(0) 表示正常退出。如果你们要测试,需要在某个地方退出的时候有一个有意义的提示,可以用 sys.exit("I wet out at here.") ,那么字符串信息就被打印出来。

1.4 sys.path

sys.path 已经不陌生了,前面用过。它可以查找模块所在的目录,以列表的形式显示出来。如果用 append() 方法,就能够向这个列表增加新的模块目录。如前所演示。不在赘述。不理解的兄弟们可以往前复习。我前面的文章中已经写过啦。

1.5 sys.stdin, sys.stdout, sys.stderr

这三个放到一起,因为他们的变量都是类文件流对象,分别表示标准 UNIX 概念中的标准输入、标准输出和标准错误。与 Python 功能对照,sys.stdin 获得输入(用 raw_input() 输入的通过它获得,Python3.x 中是 impu t()),sys.stdout 负责输出了。

流是程序输入或输出的一个连续的字节序列,设备(例如鼠标、键盘、磁盘、屏幕、调制解调器和打印机)的输入和输出都是用流来处理的。程序在任何时候都可以使用它们。一般来讲,stdin(输入)并不一定来自键盘,stdout(输出)也并不一定显示在屏幕上,它们都可以重定向到磁盘文件或其它设备上。

还记得 print() 吧,在这个学习过程中,用的很多。它的本质就是 sys.stdout.write(object + '\n')

>>> for i in range(3):
... print i
...
0
1
2
>>> import sys
>>> for i in range(3):
... sys.stdout.write(str(i))
...
012>>>

造成上面输出结果在表象上如此差异,原因就是那个 '\n' 的有无。

>>> for i in range(3):
... sys.stdout.write(str(i) + '\n')
...
0
1
2

从这看出,两者是完全等效的。如果仅仅止于此,意义不大。关键是通过 sys.stdout 能够做到将输出内容从“控 制台”转到“文件”,称之为重定向。这样也许控制台看不到(很多时候这个不重要),但是文件中已经有了输出内容。比如:

>>> f = open("stdout.md", "w")
>>> sys.stdout = f
>>> print "Learn Python: From Beginner to Master"
>>> f.close()

sys.stdout = f 之后,就意味着将输出目的地转到了打开(建立)的文件中,如果使用 print(),即将内容输出到这个文件中,在控制台并无显现。

打开文件看看便知:

$ cat stdout.md
Learn Python: From Beginner to Master

image.gif

这是标准输出。另外两个,输入和错误,也类似。大家可以自行测试。

关于对文件的操作,虽然前面这这里都涉及到一些。但是,远远不足,后面我会专门讲授对某些特殊但常用的文件读写操作。兄弟们 别急哈,订阅我的专栏是最保险的嘿嘿嘿。

2. copy

>>> import copy
>>> copy.__all__
['Error', 'copy', 'deepcopy']

这个模块中常用的就是 copy 和 deepcopy。

为了具体说明,看这样一个例子:

#!/usr/bin/env Python
# coding=utf-8
import copy
class MyCopy(object):
    def __init__(self, value):
        self.value = value
    def __repr__(self):
        return str(self.value)
foo = MyCopy(7)
a = ["foo", foo]
b = a[:]
c = list(a)
d = copy.copy(a)
e = copy.deepcopy(a)
a.append("abc")
foo.value = 17
print "original: %r\n slice: %r\n list(): %r\n copy(): %r\n deepcopy(): %r\n" % (a,b,c,d,e)

保存并运行:

$ python 22103.py
original: ['foo', 17, 'abc']
slice: ['foo', 17]
list(): ['foo', 17]
copy(): ['foo', 17]
deepcopy(): ['foo', 7]

大家可以对照结果和程序,就能理解各种拷贝的实现方法和含义了。

👑👑👑结束语👑👑👑

image.gif

目录
相关文章
|
7天前
|
Python
在Python中绘制K线图,可以使用matplotlib和mplfinance库
使用Python的matplotlib和mplfinance库可绘制金融K线图。mplfinance提供便利的绘图功能,示例代码显示如何加载CSV数据(含开盘、最高、最低、收盘价及成交量),并用`mpf.plot()`绘制K线图,设置类型为'candle',显示移动平均线(mav)和成交量信息。可通过调整参数自定义图表样式,详情参考mplfinance文档。
24 2
|
7天前
|
机器学习/深度学习 边缘计算 TensorFlow
【Python机器学习专栏】Python机器学习工具与库的未来展望
【4月更文挑战第30天】本文探讨了Python在机器学习中的关键角色,重点介绍了Scikit-learn、TensorFlow和PyTorch等流行库。随着技术进步,未来Python机器学习工具将聚焦自动化、智能化、可解释性和可信赖性,并促进跨领域创新,结合云端与边缘计算,为各领域应用带来更高效、可靠的解决方案。
|
7天前
|
Serverless Python
使用Python的pandas和matplotlib库绘制移动平均线(MA)示例
使用Python的pandas和matplotlib库绘制移动平均线(MA)示例:加载CSV数据,计算5日、10日和20日MA,然后在K线图上绘制。通过`rolling()`计算平均值,`plot()`函数展示图表,`legend()`添加图例。可利用matplotlib参数自定义样式。查阅matplotlib文档以获取更多定制选项。
20 1
|
7天前
|
数据采集 SQL 数据挖掘
Python数据分析中的Pandas库应用指南
在数据科学和分析领域,Python语言已经成为了一种非常流行的工具。本文将介绍Python中的Pandas库,该库提供了强大的数据结构和数据分析工具,使得数据处理变得更加简单高效。通过详细的示例和应用指南,读者将了解到如何使用Pandas库进行数据加载、清洗、转换和分析,从而提升数据处理的效率和准确性。
|
7天前
|
SQL 关系型数据库 MySQL
使用Python的pymysql库连接MySQL,执行CRUD操作
使用Python的pymysql库连接MySQL,执行CRUD操作:安装pymysql,然后连接(host='localhost',user='root',password='yourpassword',database='yourdatabase'),创建游标。查询数据示例:`SELECT * FROM yourtable`;插入数据:`INSERT INTO yourtable...`;更新数据:`UPDATE yourtable SET...`;删除数据:`DELETE FROM yourtable WHERE...`。
17 0
|
8天前
|
机器学习/深度学习 算法 数据挖掘
机器学习--K近邻算法,以及python中通过Scikit-learn库实现K近邻算法API使用技巧
机器学习--K近邻算法,以及python中通过Scikit-learn库实现K近邻算法API使用技巧
|
8天前
|
存储 Python Windows
轻松学会openpyxl库,Python处理Excel有如神助
轻松学会openpyxl库,Python处理Excel有如神助
|
8天前
|
NoSQL Python
在Python中,我们可以使用许多库来处理Excel文件
Python处理Excel常用pandas和openpyxl库。pandas的`read_excel`用于读取文件,`to_excel`写入;示例展示了数据框操作。openpyxl则用于处理复杂情况,如多工作表,`load_workbook`加载文件,`iter_rows`读取数据,`Workbook`创建新文件,写入单元格数据后保存。
17 1
|
8天前
|
Python
使用Seaborn库创建图形的使用案例
【4月更文挑战第29天】该代码段首先导入seaborn和matplotlib库,然后加载名为"titanic"的数据集。接着,它创建一个画布并设定子图大小。通过seaborn的FacetGrid以"Attrition_Flag"为列进行分组,映射数据到网格上,用histplot展示"Customer_Age"的直方图分布。同样,也使用boxplot方法生成"Freq"的箱线图。最后展示所有图形。
9 2
|
11天前
|
数据可视化 数据挖掘 数据处理
statsmodels, Python 统计分析工具库!
statsmodels, Python 统计分析工具库!
27 1