【Python数据魔术】:揭秘类型奥秘,赋能代码创造

简介: 【Python数据魔术】:揭秘类型奥秘,赋能代码创造

5021b4ef48d74a5e9996629e36e1edc6.png

🚀一.运算符

🌈1. 算术运算符

下面以a=10 ,b=20为例进行计算

运算符 描述 实例
+ 两个对象相加 a + b 输出结果 30
- 得到负数或是一个数减去另一个数 a - b 输出结果 -10
* 两个数相乘或是返回一个被重复若干次的字符串 a * b 输出结果 200
/ x除以y b / a 输出结果 2
// 向下取整 返回商的整数部分 9//2 输出结果 4 , 9.0//2.0 输出结果 4.0
% 取模(余) 返回除法的余数 b % a 输出结果 0
** 返回x的y次幂 a**b 为10的20次方, 输出结果 100000000000000000000


🌈2. 身份运算符
  • 身份运算符
运算符 描述 详解
is 同一性运算符 变量ID是否相同,ID即变量的唯一标识,变量值可能相同但ID不一定相同
is not 非同一性 判断两个变量的引用是否来之不同对象
  • 使用is注意python对于小整数使用对象池存贮问题(交互式模式或者说命令行模式)
"""
1.举个例子,在python命令行模式下:为什么同样值a,b与c,d的结果却不一样呢?
"""
>>> a = 1000
>>> b = 1000
>>> a is b
False
>>> c = 10
>>> d = 10
>>> c is d
True

# 注意,因为python对小整数在内存中直接创建了一份,不会回收,所有创建的小整数变量直接从对象池中引用即可。
# 但是注意Python仅仅对比较小的整数对象进行缓存(范围为范围[-5, 256])缓存起来,而并非是所有整数对象。
# 也就说只有在这个[-5,256]范围内创建的变量值使用is比较时候才会成立。

  • 而保存为文件执行,结果是不一样的,这是因为解释器做了一部分优化。即使整数超过256,使用is也是成立的。
  • 使用is注意python关于字符串的intern机制存储
# 注意: python中创建两个内容一样的变量时(变量名不一样),
#       一般都会在内存中分配两个内存地址(id地址)分别给这两个变量。
#       即两个变量的内容虽然一样,但是变量的引用地址不一样。
#       所以两个变量使用==比较成立,但是使用 is比较不成立。

# 但是在python中有两个意外情况:
# 1.使用python命令行时对于小整数[-5,256]区间内的整数,python会创建小整数对象池,这些对象一旦创建,
#     就不会回收,所有新创建的在这个范围的整数都是直接引用他即可。
#     所以造成在[-5,256]区间内的整数不同变量只要值相同,引用地址也相同。
#     此范围外的整数同样遵循新建一个变量赋予一个地址。

# 2.python中虽然字符串对象也是不可变对象,但python有个intern机制,
#     简单说就是维护一个字典,这个字典维护已经创建字符串(key)和它的字符串对象的地址(value),
#     每次创建字符串对象都会和这个字典比较,没有就创建,重复了就用指针进行引用就可以了。
#     相当于python对于字符串也是采用了对象池原理。
#     (但是注意:如果字符串(含有空格),不可修改,没开启intern机制,不共用对象。
#     比如"a b"和"a b",这种情况使用is不成立的形式 只有在命令行中可以。
#     使用pycharm同样是True,因为做了优化)
    

# 交互式模式(命令行模式)
>>> a ='abc'   #没有空格内容一样的两个变量,在命令行模式下is 结果True
>>> b = 'abc'
>>> a ==b
True
>>> a is b
True
>>> c ='a b '   #有空格内容一样的两个变量,在命令行模式下is 结果false
>>> d= 'a b '
>>> c ==d
True
>>> c is d
False

# pycharm自己实践
🌈3. 成员运算符
运算符 描述
in 如果在指定序列中找到值就返回True,否则返回False
not in 如果在指定序列中没有找到值就返回True,否则返回False
str1 = [1, 2, 3, '哈哈哈']

print(1 in str1)  # True
print(1 not in str1)  # False

⭐4. 增量运算符
运算符 实例
+= c += a 等效于 c = c + a
-= c -= a 等效于 c = c - a
*= c *= a 等效于 c = c * a
%= c %= a 等效于 c = c % a
**= c ** = a 等效于 c = c ** a
//= c //= a 等效于 c = c // a
a = 1

a += 1  # 展开形式:a = a + 1

print(a)  # 2

⭐5. 比较运算符
运算符 描述
== 比较两个对象的值是否相同,这里要与is区别出来,==是不识别ID的
!= 比较两个对象值是否不相同
> 大于
< 小于
>= 大于等于
<= 小于等于
print(2 > 1)  # True

# 比较结果为布尔值(True, False)
⭐6. 逻辑运算符
运算符 逻辑表达式 描述
and x and y 同时满足x和y两个条件返回True,否则返回False
or x or y 只需要满足x或y中的任意一个条件就返回True,两个都不满足时返回False
not not x 满足条件x时返回False,不满足条件x时返回True
  • 优先级: not and or
a = 1
b = 1
c = 2

# and 两边为真则为真,其余情况为假
print(a > 0 and a < c)  # True
print(a > 1 and a < c)  # False

# or 两边为假则为假, 其余情况为真
print(a > 0 and a < b)  # False
print(a == 1 and a < c)  # True

# not: 取反
print(not c < a)  # True

# 优先级: not and or
a = 1
b = 1
c = 2

print(a > 1 and c < 3 or not a == 1) # False

🚀二.可变与不可变

  • 不可变(immutable):数值类型(int, bool, float,complex), 字符串(str),元组(tuple)
  • 可变(mutable):列表(list), 集合(set),字 典(dict)

🚀三.字符串转义

# 字符前存在\,在特定情况下字符就不再表示本身的意思
• 1

常见:

符号 解释 案例
\n 换行符 print(‘s\nd’)
\t 水平制表符 print('ss\t’dd)
\b 退格(删除一格) print(‘帅 \b 不帅’)
\r 当前位置移到本行开头 print(‘d\rhahahs’)
\\ 反斜杠 print(‘\\’)
\‘’ 一个双引号
\0 一个空格符
\a 系统提示音(交互界面)

字符串前面加上r就可以防止转义

# --- 交互界面 ---
>>> print('a\000c')
a c
>>> print('a\0c')
a c

🚀四.编码与解码

💥1. 基础使用
统一码(Unicode),也叫万国码、单一码,由统一码联盟开发,是计算机科学领域里的一项业界标准,包括字符集、编码方案等。
统一码是为了解决传统的字符编码方案的局限而产生的,它为每种语言中的每个字符设定了统一并且唯一的二进制编码,以满足跨语言、跨平台进行文本转换、处理的要求。

encode() 和 decode() 是常用的字符串编码和解码方法,用于将 Unicode 字符串按照指定的编码格式转换为二进制数据,并将二进制数据按照指定的编码格式解析为 Unicode 字符串。

下面是两个方法的详细说明:


1.encode([encoding='utf-8', errors='strict'])


该方法用于将 Unicode 字符串进行编码,生成一个包含了字符编码后的字节串对象。其中,可选参数 encoding 表示指定的字符集,如果不指定则默认采用 utf-8 编码;errors 参数用于设置错误处理方式,取值范围为 'strict'、'ignore' 和 'replace'。


示例代码如下:

s = "Hello, 你好"
b = s.encode(encoding="utf-8", errors="strict")
print(b)    # 输出: b'Hello, \xe4\xbd\xa0\xe5\xa5\xbd'

  1. decode([encoding='utf-8', errors='strict'])

该方法用于将已经编码的二进制数据解码为 Unicode 字符串。其中,可选参数 encoding 表示待解码的字符编码,如果不指定,则默认采用 utf-8 解码;errors 参数用于设置错误处理方式,取值范围为 'strict'、'ignore' 和 'replace'。

示例代码如下:

b = b'Hello, \xe4\xbd\xa0\xe5\xa5\xbd'
s = b.decode(encoding="utf-8", errors="strict")
print(s)    # 输出:Hello, 你好

需要注意的是,字符串编码和解码涉及到多种字符编码方式和错误处理方式,如果不正确地进行设置和使用,可能会导致字符集转换错误、乱码等问题。因此,

🚀五.进制转化

💥1.python进制转化

在 Python 中,可以使用内置的 bin()、oct()、hex() 函数将十进制数转化为二进制、八进制和十六进制字符串。在实际开发中,应


示例代码如下:

dec = 255

# 十进制转二进制
bin_str = bin(dec)
print(bin_str)   # 输出 '0b11111111'

# 十进制转八进制
oct_str = oct(dec)
print(oct_str)   # 输出 '0o377'

# 十进制转十六进制
hex_str = hex(dec)
print(hex_str)   # 输出 '0xff'

ee2c95b61f359414844cd5a6747d9a57_5788f34fdc644f5b8d2591709a195e6a.png

需要注意的是,这些函数返回的结果都是字符串类型,并且带有对应进制的前缀,即 '0b' 表示二进制,'0o' 表示八进制,'0x' 表示十六进制。如果需要去除前缀并获取整数值,可以使用 int() 函数。

以下是一个示例代码:

# 字符串转整数(删除前缀 -- 通过切片处理)
int_val = int(bin_str[2:], 2)
print(int_val)   # 输出 255

int_val = int(oct_str[2:], 8)
print(int_val)   # 输出 255

int_val = int(hex_str[2:], 16)
print(int_val)   # 输出 255

如上所示,使用 int() 函数时可以指定第二个参数 base 来指定进制,例如 base=2 表示二进制,base=8 表示八进制,base=16 表示十六进制。在实际应用中,可以根据需要选择合适的函数和参数来进行进制转换。

# ord() 是 Python 内置函数之一,用于将ASCII字符转换为对应的 Unicode 码点。具体而言,ord() 接受一个字符串参数,表示要转换为码点的字符,然后返回该字符所对应的 Unicode 码点。
# 将字符转换为 Unicode 编码
print(ord('A'))    # 输出 65
print(ord('a'))    # 输出 97
print(ord('€'))   # 输出 8364

# chr() 是 Python 内置函数之一,用于将 Unicode 码点转换为对应的ASCII字符。具体而言,chr() 接受一个整数参数,表示 Unicode 码点(介于 0 到 0x10ffff 之间),并返回与该码点相对应的字符。
# 将 Unicode 编码转换为字符
print(chr(65))    # 输出 'A'
print(chr(97))    # 输出 'a'
print(chr(8364))  # 输出 '€'

🚀六.深浅拷贝(复制)

❤️1. 浅拷贝

外层不受影响,内层会受影响

l1 = [1234, 5678, 910]

l2 = ['a', l1]

l3 = l2.copy()

l1.append('帅')

>>> id(l1)
1750917116360
>>> id(l2)
1750917140744
>>> id(l2[1])
1750917116360
# 内层id地址相同

print(id(l2))  # 2429073232384
print(id(l2[1]))  # 2104199485056
print(id(l3))  # 2429073240128
print(id(l3[1]))  # 2104199485056

# 浅复制 外层不同,内层id相同
❤️2. 深拷贝

内外层都不影响

import copy
l1 = [1234, 5678, 910]

l2 = ['a', l1]

l4 = copy.deepcopy(l2)

l1.append('帅')

print(id(l1))  # 1633334532096
print(id(l2))  # 1633334532352
print(id(l4))  # 1633334448384
print(id(l2[1]))  # 1633334532096

print(id(l2[0]))  # 1633303890928
print(id(l4[0]))  # 1633303890928
print(id(l4[1]))  # 1633334532672

l2[0] = 1234
print(id(l4[0]))  # 外层地址不同
print(id(l2[0]))  

# 内外层都不同

🚀七.运算升级

运算符 Python 表达式 结果 描述 支持的数据类型
+ [1, 2] + [3, 4] [1, 2, 3, 4] 合并 字符串、列表、元组
* ‘Hi!’ * 4 [‘Hi!’, ‘Hi!’, ‘Hi!’, ‘Hi!’] 复制 字符串、列表、元组
in 3 in (1, 2, 3) True 元素是否存在 字符串、列表、元组、字典
not in 4 not in (1, 2, 3) True 元素是否不存在 字符串、列表、元组、字典


注意,in在对字典操作时,判断的是字典的键而不是值


🚀八.常用方法

函数名 描述
sum(item) 计算容器中元素值的和
len(item) 计算容器中元素个数
max(item) 返回容器中元素最大值
min(item) 返回容器中元素最小值
del(item) 删除变量
# 当然还有 id,type这些常见方法

# isinstance(x, A_tuple) --- 判断 x 是否是 A_tuple类型;注意A_tuple也可以是元组包多个,案例如下:

print(isinstance('a', list)) # False

# isinstance(x, (A, B, ...))  相当于isinstance(x, A) or isinstance(x, B) or ...


🚀九.操作扩展

链式赋值

a = b = c = [1, 2, 3, 4]
# 其id相同,引用的同一组数据
# 改变其中一组, 另外一组也会改变

序列解包

a = [1, 2]
b, c = a
# a--1   b--2

# 注意: 常规解包, 多少个元素就需要多少变量去解


demo = [1, 2, 3, 4]
data, *lets = demo

# data -- 1   lets -- [2, 3, 4]

# 注意: 这里利用了不定长参数中的 * , 不限接收数据多少

交换变量

a = 1
b = 2
b, a = a, b
# a -- 2    b -- 1


相关文章
|
1天前
|
Python
python语法错误类型错误
【7月更文挑战第10天】
14 7
|
2天前
|
编译器 Python
在小黑框如何用Python写出多行代码
在小黑框如何用Python写出多行代码
|
1天前
|
API 数据处理 Python
探秘Python并发新世界:asyncio库,让你的代码并发更优雅!
【7月更文挑战第11天】Python的asyncio库简化了单线程并发编程,利用协程和事件循环实现异步操作。async def定义异步函数,await挂起协程等待IO完成。例如,fetch_data模拟网络请求,main函数并发执行多个任务。asyncio.gather收集结果,Semaphore限制并发数,保证资源管理。asyncio提供高效优雅的并发解决方案。
18 4
|
15小时前
|
数据可视化 PyTorch Serverless
Python 性能分析的几个方法,找到你代码中的那个她
我们在编写了一个脚本在笔记本上处理一些数据,然后去喝杯咖啡或者上了个厕所,15分钟后回来时发现进度才完成不到10%。 我们的脑袋里面就会发问:为什么这么慢?究竟是在哪个部分是慢的?是读取数据、处理数据还是保存数据?如何让它变快?它真的很慢吗? 有了这个疑问我们尝试去解决这个问题,下面我们介绍几个 python 性能分析的工具。
|
15小时前
|
Python
|
2天前
|
算法 Python
深度剖析!Python中图的DFS与BFS遍历,让你的数据搜索快到飞起
【7月更文挑战第10天】在数据结构和算法中,图遍历是核心概念,Python支持DFS和BFS来探索图。DFS递归深入节点,利用栈,先访问深处;BFS使用队列,层次遍历,先访问最近节点。
18 1
|
2天前
|
存储 算法 搜索推荐
Python高手必备!揭秘图(Graph)的N种风骚表示法,让你的代码瞬间高大上
【7月更文挑战第10天】在Python中,图数据结构通过邻接矩阵、邻接表、边列表和邻接集来表示,用于社交网络分析和路径查找等。邻接矩阵用二维数组存储连接,邻接表仅存储每个节点的邻居,节省空间。边列表列出所有边,而邻接集用集合确保邻居唯一性。选择合适表示法能提升代码效率和可读性,展现编程技巧。
12 1
|
1天前
|
机器学习/深度学习 数据可视化 数据处理
探索Python中的数据维数【从二维到高维数据的处理与应用】
【7月更文挑战第7天】了解Python在数据科学中的作用,特别是处理不同维度数据。NumPy和Pandas是核心工具,前者提供多维数组,后者支持二维数据结构如DataFrame。高维数据如图像和文本可以用OpenCV、Pillow、NLTK等处理。处理高维数据涉及降维技术,如PCA和t-SNE,以应对计算复杂性和过拟合。未来趋势包括自动化特征工程和深度学习的进一步发展。
9 0
|
1天前
|
数据可视化 数据挖掘 数据处理
Python对Excel两列数据进行运算【从基础到高级的全面指南】
【7月更文挑战第6天】使用Python的`pandas`库处理Excel数据,涉及安装`pandas`和`openpyxl`,读取数据如`df = pd.read_excel(&#39;data.xlsx&#39;)`,进行运算如`df[&#39;Sum&#39;] = df[&#39;Column1&#39;] + df[&#39;Column2&#39;]`,并将结果写回Excel。`pandas`还支持数据筛选、分组、可视化、异常处理和性能优化。通过熟练运用这些功能,可以高效分析Excel表格。
5 0
|
2天前
|
数据库 开发者 Python
异步编程不再难!Python asyncio库实战,让你的代码流畅如丝!
【7月更文挑战第10天】Python的asyncio库简化了异步编程,提高并发处理能力。async定义异步函数,await等待结果而不阻塞。示例展示了如何用aiohttp进行异步HTTP请求及使用asyncio.gather并发处理任务。通过asyncio,Python开发者能更高效地处理网络I/O和其他并发场景。开始探索异步编程,提升代码效率!**
14 0