1. a, b = a, a + b
- 先计算右边表达式，然后再同时赋值给左边。
2. 条件控制和循环语句
- 条件控制
if condition_1:
statement_block_1
elif condition_2:
statement_block_2
else:
statement_block_3
- while 循环
while condition:
statement_block
else: # 可有可无
statement_block
- for 循环
for <variable> in <sequence>:
<statements>
else:
<statements>
- range() 函数
>>> a = list(range(3))
>>> a
[0, 1, 2]
>>> a = list(range(1, 5, 2))
>>> a
[1, 3]
- break 语句可以跳出 for 和 while 的循环体。如果你从 for 或 while 循环中终止，任何对应的循环 else 块将不执行。
- pass是空语句，是为了保持程序结构的完整性。pass 不做任何事情，一般用做占位语句。
3. 迭代器和生成器
- 字符串，列表或元组对象都可用于创建迭代器。
>>> a = [1, 2, 3, 4]
>>> it = iter(a)
>>> next(it)
1
>>> next(it)
2
>>> next(it)
3
>>> next(it)
4
>>> next(it)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
>>> it = iter(a)
>>> for i in it:
... print(i)
...
1
2
3
4
>>>
- 创建自己的迭代器，需要在类中实现实现两个方法 iter() 与 next() 。iter() 方法返回一个特殊的迭代器对象， 这个迭代器对象实现了 next() 方法并通过 StopIteration 异常标识迭代的完成。
class MyNumbers:
def __iter__(self):
self.a = 1
return self
def __next__(self):
if self.a <= 5:
x = self.a
self.a += 1
return x
else:
raise StopIteration
myclass = MyNumbers()
myiter = iter(myclass)
for i in range(5):
print(next(myiter))
for x in myiter:
print(x)
>>>
1
2
3
4
5
- 在 Python 中，使用了 yield 的函数被称为生成器（generator）。跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。在调用生成器运行的过程中，每次遇到 yield 时函数会暂停并保存当前所有的运行信息，返回 yield 的值, 并在下一次执行 next() 方法时从当前位置继续运行。
import sys
def fibonacci(n): # 生成器函数 - 斐波那契
a, b, counter = 0, 1, 0
while True:
if counter > n:
return
yield a
a, b = b, a + b
counter += 1
f = fibonacci(10) # f 是一个迭代器，由生成器返回生成
while True:
try:
print(next(f), end=" ")
except StopIteration:
sys.exit()
>>> 0 1 1 2 3 5 8 13 21 34 55
4. 函数
- Python 定义函数使用 def 关键字，一般格式如下：
def function_name(args1, args2):
statement
return
-
return [表达式] 结束函数，选择性地返回一个值给调用方。不带表达式的 return 相当于返回 None。
-
可更改(mutable)与不可更改(immutable)对象
-
在 Python 中，strings, tuples, 和 numbers 是不可更改的对象，而 list, dict 等则是可以修改的对象。
-
不可变类型：变量赋值 a = 5 后再赋值 a = 10，这里实际是新生成一个 int 值对象 10，再让 a 指向它，而 5 被丢弃，不是改变 a 的值，相当于新生成了 a 。
-
可变类型：变量赋值 la = [1,2,3,4] 后再赋值 la[2] = 5 则是将 list la 的第三个元素值更改，本身 la 没有动，只是其内部的一部分值被修改了。
-
-
Python 函数的参数传递：
-
不可变类型：类似 c++ 的值传递，如整数、字符串、元组。如 fun(a)，传递的只是 a 的值，没有影响 a 对象本身。比如在 fun(a) 内部修改 a 的值，只是修改另一个复制的对象，不会影响 a 本身。
-
可变类型：类似 c++ 的引用传递，如列表，字典。如 fun(la)，则是将 la 真正的传过去，修改后 fun 外部的 la 也会受影响。
-
-
Python 中一切都是对象，严格意义我们不能说值传递还是引用传递，我们应该说传不可变对象和传可变对象。
-
参数
- 必需参数。必需参数须以正确的顺序传入函数，调用时的数量必须和声明时的一样。
- 关键字参数 。关键字参数和函数调用关系紧密，函数调用使用关键字参数来确定传入的参数值。使用关键字参数允许函数调用时参数的顺序与声明时不一致，因为 Python 解释器能够用参数名匹配参数值。
- 默认参数。调用函数时，如果没有传递参数，则会使用默认参数。
- 不定长参数。你可能需要一个函数能处理比当初声明时更多的参数，这些参数叫做不定长参数，它们在声明时不会命名。
def functionname([formal_args,] *var_args_tuple ): "函数_文档字符串" function_suite return [expression]-
- 加了星号 * 的参数会以元组(tuple)的形式导入，存放所有未命名的变量参数。如果在函数调用时没有指定参数，它就是一个空元组。我们也可以不向函数传递未命名的变量。
def functionname([formal_args,] **var_args_dict ): "函数_文档字符串" function_suite return [expression]-
- 加了两个星号 ** 的参数会以字典的形式导入。
-
匿名函数
-
所谓匿名，意即不再使用 def 语句这样标准的形式定义一个函数。
-
lambda 只是一个表达式，函数体比 def 简单很多。
-
lambda 的主体是一个表达式，而不是一个代码块。仅仅能在 lambda 表达式中封装有限的逻辑进去。
-
lambda 函数拥有自己的命名空间，且不能访问自己参数列表之外或全局命名空间里的参数。
-
虽然 lambda 函数看起来只能写一行，却不等同于 C 或 C++ 的内联函数，后者的目的是调用小函数时不占用栈内存从而增加运行效率。
sum = lambda arg1, arg2: arg1 + arg2 print ("相加后的值为 : ", sum( 10, 20 )) print ("相加后的值为 : ", sum( 20, 20 )) >>> 相加后的值为 : 30 相加后的值为 : 40 -
5. 列表推导式
vec = [2, 4, 6]
[3 * x for x in vec if x > 3]
>>>
[12, 18]
matrix = [ [1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12] ]
[[row[i] for row in matrix] for i in range(4)]
>>>
[[1, 5, 9], [2, 6, 10], [3, 7, 11], [4, 8, 12]]
6. 遍历技巧
- 在序列中遍历时，索引位置和对应值可以使用 enumerate() 函数同时得到。
- 同时遍历两个或更多的序列，可以使用 zip() 组合。
- 要反向遍历一个序列，首先指定这个序列，然后调用 reversed() 函数。
- 要按顺序遍历一个序列，使用 sorted() 函数返回一个已排序的序列，并不修改原值。
a = [2, 4, 6]
for i, v in enumerate(a):
print(i, v)
>>>
0 2
1 4
2 6
>>> b = ['sen', 'ius', 'en']
>>> for i, j in zip(a, b):
... print(i, j)
...
2 sen
4 ius
6 en
>>> for i in reversed(a):
... print(i)
...
6
4
2
>>> for i in sorted(b):
... print(i)
...
en
ius
sen
>>>
参考资料 菜鸟教程
获取更多精彩，请关注「seniusen」!