Python接口自动化测试框架(基础篇)-- 常用数据类型tuple

简介: Python中tuple(元组)的数据结构,包括元组的创建、访问、修改,以及元组支持的运算符和内置函数,还探讨了元组的特性如不可变性和特殊用法,最后扩展介绍了命名元组的概念和使用。

前言

作为python常用的数据类型之tuple(元组);也是不可变数据类型,标识是()圆括号,元素使用逗号隔开,如果是一个元素的元组,也要使用逗号隔开,否则它不是元组。

>>> print((1))
1
>>> print(type((1)))
<class 'int'>
>>> print(type((1,)))
<class 'tuple'>

不可变数据类型

讲到这里,python常用数据类型中的不可变数据类型已经都列举完了:str、number(bool是可变的数据类型)、tuple;什么叫不可变数据类型?简单理解就是当这类数据类型,它的值无论增减内存地址是不变的,这样就可以称之为不可变数据类型。

  • 以int类型为例:
>>> i = 1
>>> j = 1
>>> print(id(i))
140720483874592
>>> i = j+1
>>> print(id(i))
140720483874624
  • 以bool类型为例(所以它是可变的数据类型):
>>> t = True
>>> print(id(t))
140720483592016
>>> t = False
>>> print(id(t))
140720483592048

tuple元组

创建元组

t = () # 空元组

t1 = (1,) # 只有一个元素的元组,(1) 不是元组

print(t1) # 输出(1,)
访问元组
  • 支持索引(下标)取值

t_1 = (1,2,3,4)

print(t_1[1]) # 输出:2
  • 支持切片取值

t_1 = (1,2,3,4)

print(t_1[1:3]) # 输出:(2,3)
# 切片取值取出的是元组
  • 支持反序取值

t_1 = (1,2,3,4)

print(t_1[-1]) # 输出:4
  • 注意正/反序取值的之后 ,[nⓂ️k] k值的正负跟n/m有关

t_1 = (1,2,3,4)

print(t_1[1:4:2]) # 输出:(2,4)

print(t_1[-1:-4:-2]) # 输出:(4,2)

print(t_1[-1:-4:2]) # 输出:() ,不会有值
print(t_1[1:4:-2]) # 输出:() ,不会有值
修改元组

前面说过tuple是不可变数据类型,但是可以拼接组合生成新的元组

  • 支持+加号拼接

t_1 = (1,2,3)
t_2 = (4,5,6)

t_3 = t_1 + t_2

print(t_3) # 输出:(1,2,3,4,5,6)
  • 同理支持*乘法运算

t_1 = (1,2,3)

print(t_1*2) # 输出:(1,2,3,1,2,3)
元组的运算符
  • 上面已经说过支持加法+拼接和*乘法运算,不再举例
  • len支持求取数据元素长度

t_1 = (1,2,3)
t_2 = (4,5,6)

t_3 = t_1+t_2

print(len(t_3)) # 输出:6
  • 支持成员运算,这里先提一嘴,后面在运算符再详细举例
内置函数
  • index能获取元组的元素索引位置
t_1 = (1,2,3,5)

print(t_1.index(5)) # 输出:3
  • count查找元素出现次数
t_1 = (1,2,3,5)

print(t_1.count(5)) # 输出:1
特殊用法
  • 拆包解包,支持使用变量置换元素

t_1 = (1,2)
a,b = t_1

print(a,b) # 输出:1,2

b,a = t_1
print(a,b) # 输出:2,1
  • 没有符号的对象以逗号隔开,默认就是元组数据类型

t_1 = 1,"a","d"

print(t_1) # 输出:(1,"a","d")
print(type(t_1)) # 输出:<class 'tuple'>

扩展

命名元组

它是一个空间,但不是数据类型,在数据方面可以用来储存数据

  • collections.namedtuple(typename, field_names):返回typename命名元组类,field_names是字段。
# cmd进入python命令交互模式

>>> from collections import namedtuple
>>>
>>> test = namedtuple("test",["name","age","addr"])
>>> t = test("joe",18,"aaaa")
>>> print(t)
test(name='joe', age=18, addr='aaaa')
>>> print(t.name)
joe
>>> print(t.age)
18
  • 后面在接口自动化实战中再去详细介绍namedtuple的应用场景
相关文章
|
9天前
|
测试技术 数据库 UED
Python 性能测试进阶之路:JMeter 与 Locust 的强强联合,解锁性能极限
【9月更文挑战第9天】在数字化时代,确保软件系统在高并发场景下的稳定性至关重要。Python 为此提供了丰富的性能测试工具,如 JMeter 和 Locust。JMeter 可模拟复杂请求场景,而 Locust 则能更灵活地模拟真实用户行为。结合两者优势,可全面评估系统性能并优化瓶颈。例如,在电商网站促销期间,通过 JMeter 模拟大量登录请求并用 Locust 模拟用户浏览和购物行为,可有效识别并解决性能问题,从而提升系统稳定性和用户体验。这种组合为性能测试开辟了新道路,助力应对复杂挑战。
28 2
|
5天前
|
SQL JavaScript 前端开发
基于Python访问Hive的pytest测试代码实现
根据《用Java、Python来开发Hive应用》一文,建立了使用Python、来开发Hive应用的方法,产生的代码如下
20 6
基于Python访问Hive的pytest测试代码实现
|
9天前
|
数据采集 人工智能 程序员
避坑指南!细说Python自动化办公的5大缺点
Python如今变得愈发流行,不仅程序员,许多非专业人员也开始学习它,主要目的是提高工作效率而非成为专家。然而,Python自动化办公并非完美,存在一些缺点:首先,它仅支持Windows系统,这对Mac用户不太友好;其次,其功能虽强大但不够专业,大多功能一行代码即可完成;再者,代码包体积较大,约200MB;此外,技术门槛较低,难以形成职业优势;最后,相较于专业代码,它的启动速度较慢。即便如此,它依然比人工操作高效得多。如果能接受以上缺点,可参考《50讲·Python自动化办公》教程,快速掌握自动化办公技能。
52 29
|
8天前
|
安全 JavaScript 前端开发
自动化测试的魔法:如何用Python编写你的第一个测试脚本
【8月更文挑战第41天】在软件的世界里,质量是王道。而自动化测试,就像是维护这个王国的骑士,确保我们的软件产品坚不可摧。本文将引导你进入自动化测试的奇妙世界,教你如何使用Python这把强大的魔法杖,编写出能够守护你代码安全的第一道防护咒语。让我们一起开启这场魔法之旅吧!
|
4天前
|
运维 监控 Linux
自动化运维的魔法:如何用Python脚本简化日常任务
【9月更文挑战第13天】在数字化时代的浪潮中,自动化运维如同一股清流,为IT团队带来了效率和灵活性的双重提升。本文将深入探讨如何通过Python脚本实现日常运维任务的自动化,从而释放双手,让重复性工作变得轻松愉快。从环境搭建到实际案例分析,我们将一步步揭开自动化运维的神秘面纱,让你的运维之路更加顺畅。
|
8天前
|
测试技术 持续交付 Apache
Python性能测试新风尚:JMeter遇上Locust,性能分析不再难🧐
【9月更文挑战第10天】随着软件应用的不断扩展,性能测试成为确保系统稳定运行的关键环节。本文通过对比Apache JMeter和Locust,探讨了如何在Python环境中利用这两款工具挖掘更多性能测试潜力。JMeter是一款成熟且功能强大的开源工具,支持多种协议,适用于各种应用的测试;而Locust则基于Python,通过简单脚本模拟HTTP请求,更适合Web应用测试。
19 2
|
10天前
|
消息中间件 监控 测试技术
惊呆了!Python性能测试高手都用这些神器:JMeter+Locust,效率翻倍📈
【9月更文挑战第8天】在软件开发中,性能测试对确保应用稳定性和高效运行至关重要。对于Python开发者而言,选择合适的性能测试工具能显著提升测试效率并精准定位性能瓶颈。本文深入探讨了JMeter和Locust这两款工具的独特优势。JMeter作为跨平台的性能测试工具,支持多种协议,具备高度可定制性和扩展性;而Locust则专为Python应用设计,利用协程实现高并发,提供实时监控和分布式测试功能。两者结合使用,可在实际项目中实现1+1&gt;2的效果,帮助开发者构建全面高效的测试方案,保障应用稳定运行。
36 1
|
11天前
|
运维 监控 API
自动化运维:使用Python脚本进行日常管理
【9月更文挑战第6天】在现代的IT环境中,自动化运维已成为提升效率、减少人为错误的关键。本文将介绍如何通过Python脚本简化日常的运维任务,包括批量配置管理和日志分析。我们将从基础语法讲起,逐步深入到脚本的实际应用,旨在为读者提供一套完整的解决方案,以实现运维工作的自动化和优化。
14 1
|
12天前
|
测试技术 Apache 数据库
从慢如蜗牛到飞一般的感觉!Python性能测试实战,JMeter&Locust助你加速🏃‍♂️
【9月更文挑战第6天】你的Python应用是否曾因响应缓慢而让用户望而却步?借助JMeter与Locust,这一切将迎刃而解。JMeter作为Apache基金会的明星项目,以其强大的跨平台和多协议支持能力,成为性能测试领域的魔法师;而Locust则以Python的简洁与高效,让性能测试更加灵活。通过实战演练,你可以利用这两款工具轻松识别并解决性能瓶颈,优化数据库查询、网络配置等,最终使应用变得敏捷高效,轻松应对高并发挑战。
11 1
|
4天前
|
敏捷开发 测试技术 持续交付
自动化测试之美:如何用Selenium和Python打造高效测试脚本
【9月更文挑战第13天】在软件开发的海洋中,自动化测试是那抹不可或缺的亮色。它不仅提升了测试效率,还保障了产品质量。本文将带你领略使用Selenium和Python构建自动化测试脚本的魅力所在,从环境的搭建到脚本的编写,再到问题的排查,每一步都是对软件质量把控的深刻理解和实践。让我们开始这段探索之旅,解锁自动化测试的秘密吧!
7 0

热门文章

最新文章