python编码和小数据池

python_day_6

一. 回顾上周所有内容
一. python基础

1. Python是一门解释型. 弱类型语言
2. print("内容", "内容", end=" ") 打印语句
3. 变量: 程序运行过程中产生的中间值. 存储在内存中.供后面的程序调用
4. 变量的数据类型:

　　　　int, 整数

str, 字符串

bool, True,False

　　5. 命名规则:

1.  由数字,字母,下划线组成
2. 不能是纯数字或者数字开头
3. 不能是关键字
4. 不能太长
5. 要有意义
6. 不要用中文
7. 区分大小写
8. 推荐使用驼峰和下划线命名
9. input() 用户输入
10. if 判断

if 条件:
代码块
else:
代码块

if 条件:
代码块
elif 条件2:
代码块
..
else:
二. while循环
while 条件:
循环体
else:
代码块
流程:
判断条件是否为真. 如果真.执行循环体. 再次判断条件是否真. ....直到条件为假. 执行else. 退出循环

break 直接打断循环.
continue 停止当前本次循环. 继续执行下一次循环

格式化输出:
%s 字符串
%d 数字

运算符:
逻辑运算
1. and. 两端同时为真. 结果才是真.
2. or 或者. 两端有一个是真. 结果就是真
3. not 取反.

() => not => and => or
x or y
如果x非零, x, 否则 y

编码:

1. ASCII. 8bit, 1byte
2. GBK, 16bit, 2byte
3. unicode, 32bit,4byte
4. UTF-8, 英文:8bit, 1byte, 欧洲: 16bit, 2byte, 中文: 24bit, 3byte

3. 基本数据类型

1. int 数字. bit_length() 二进制长度
2. bool 空:False, 非空:True
3. str, 字符串不可变

索引切片: 由0开始
[起始位置: 结束位置: 步长]
操作:

1. upper() 变成大写
2. strip() 去掉空格(两端)
3. replace() 替换
4. split() 切割
5. startswith() 以xxx开头(判断)
6. find() 找xxx字符串在原字符串中出现的索引位置. 找不到返回-1
7. count() 数数
8. format() 格式化输出
9. len() 求长度

4. 列表:
由[]表示
有索引和切片
常用操作:
增加:append(), insert(), extend()
删除:pop() remove() del, clear()
修改:索引切片修改
查询:
for 变量 in 可迭代对象:
循环体
else:

操作:
sort(reverse=True) 排序
reverse() 翻转
len() 长度
count() 数数

元组:
tuple, 只读列表, 由()组成. 不可变的
索引和切片. for循环

解构, 解包
a, b = 1, 2

range(10) 0-9
range(5, 10) 5-9
range(5,10,3) 5,8

5. dict 字典
由{}表示. 存储key:value 键值对. 根据key来计算hash值.找到对应的内存地址.
key必须是可hash的. 不可变的. int, str, 元组, bool

操作:
增加: dict[key] = value
setdefault(key, value)
删除: pop(key), del , popitems(), clear()
修改:　dict[key] = value
查询：dict[key], get(key, 默认值),
setdefault() 先执行新增那个流程. 然后.获取到key对应的值

常规操作:
keys() 获取所有的key.返回的像个列表
values() 获取所有value
items() 获取所有的key,value.装成元组. 返回列表[(key,value), (key,value)]

通过items()获取的是k,v
for k,v in dict.items():

直接循环遍历. 拿到的是key
for k in dict:

---

二. 今日主要内容

1. is 和 == 区别
id()函数
== 判断两边的值
is 判断内存地址
回顾编码:
1. ASCII: 英文, 特殊字符, 数字, 8bit, 1byte
2. GBK: 中文 16bit, 2byte. 兼容ASCII
3. unicode:　万国码, 32bit 4byte. 兼容ASCII
4. UTF-8: 长度可变的unicode. 英文:8bit, 欧洲:１６bit, 中文:24bit 3byte

python2 只能用ASCII
python3 有unicode, 默认的编码就是unicode
内存里用的是unicode. 硬盘和网络传输用的是utf-8或者GBK

2. encode() 编码. 获取到的是编码之后的结果. bytes
3. decode() 解码. 把bytes编程我们熟悉的字符串

---

06. 万恶之源-再谈编码
本节主要内容:

1. is和==的区别
2. 编码的问题

⼀. is和==的区别
1. id()
通过id()我们可以查看到⼀个变量表⽰的值在内存中的地址

   s = "alex 是 大 xx"
        abc = id(s)   # 得到内存地址
        print(abc)

        lst = ["大阳哥", "佳琪哥", "小花生", "燃哥"]
        print(id(lst))  # 就是一个内存地址. 毫无意义

        lst = ["周杰伦", "燃哥"]
        lst1 = ["周杰伦", "燃哥"]
        print(id(lst))
        print(id(lst1))

        s = "燃哥"
        s1 = "燃哥"
        # 小数据池. 会对字符串进行缓存, 为了节省内存
        print(id(s))
        print(id(s1))

        tu = ("燃哥", "周杰伦")
        tu1 = ("燃哥", "周杰伦")
        print(id(tu), id(tu1))

        dic = {"a": "b", "c":"d"}
        dic1 = {"a": "b", "c":"d"}
        print(id(dic), id(dic1))

        a = 10
        b = 10
        print(id(a), id(b))

        布尔也有,
        a = True
        b = True
        print(id(a), id(b))

        -5
        a = 257
        b = 257
        print(id(a), id(b))

        a = "小威"
        b = "小威"
        print(id(a), id(b))

        1. id() 查看内存地址
        2. str 有小数据池的

        == is id
        == 判断. 左右两端是否相等和一致, 比较的是内容
        is 判断. 判断的是内存地址  id()的值来判断    内存地址

        lst = ["马化腾", "小威"]
        lst2 = ["马化腾", "小威"]
        print(lst == lst2)  # True
        print(lst is lst2)  # False

        s = "alex"
        print("1111111111")
        print("1111111111")
        print("1111111111")
        print("1111111111")
        print("1111111111")
        print("1111111111")
        print("1111111111")
        print("1111111111")
        print("1111111111")

        s2 = "alex"
        print(s == s2) # True
        print(s is s2)  # True. 小数据池

        s1 = "@akljflkasdjklfjkasdlfjklsdajfklsdajfklasdjkflasdjklfjsdaklfjsdakljfklasdjfklsdajfklsdajfklsdajklfsjadklfjsadklfjasdkljfklsdjfklsdjfklsdjfklsdjfklasdjfklasdjklfjasdklakljflkasdjklfjkasdlfjklsdajfklsdajfklasdjkflasdjklfjsdaklfjsdakljfklasdjfklsdajfklsdajfklsdajklfsjadklfjsadklfjasdkljfklsdjfklsdjfklsdjfklsdjfklasdjfklasdjklfjasdkl"
        s2 = "@akljflkasdjklfjkasdlfjklsdajfklsdajfklasdjkflasdjklfjsdaklfjsdakljfklasdjfklsdajfklsdajfklsdajklfsjadklfjsadklfjasdkljfklsdjfklsdjfklsdjfklsdjfklasdjfklasdjklfjasdklakljflkasdjklfjkasdlfjklsdajfklsdajfklasdjkflasdjklfjsdaklfjsdakljfklasdjfklsdajfklsdajfklsdajklfsjadklfjsadklfjasdkljfklsdjfklsdjfklsdjfklsdjfklasdjfklasdjklfjasdkl"
        print(id(s1), id(s2))

        s = "abc中def"
        print(s.title())

⼩数据池(常量池): 把我们使⽤过的值存储在⼩数据池中.供其他的变量使⽤.
⼩数据池给数字和字符串使⽤, 其他数据类型不存在.
对于数字: -5~256是会被加到⼩数据池中的. 每次使⽤都是同⼀个对象.
对于字符串:

1. 如果是纯⽂字信息和下划线. 那么这个对象会被添加到⼩数据池
2. 如果是带有特殊字符的. 那么不会被添加到⼩数据池. 每次都是新的
3. 如果是单⼀字⺟*n的情况. 'a'*20, 在20个单位内是可以的. 超过20个单位就不会添加到⼩数据池中

注意(⼀般情况下): 在py⽂件中. 如果你只是单纯的定义⼀个字符串. 那么⼀般情况下都是会
被添加到⼩数据池中的. 我们可以这样认为: 在使⽤字符串的时候, python会帮我们把字符串
进⾏缓存, 在下次使⽤的时候直接指向这个字符串即可. 可以节省很多内存.
这个问题千万不要纠结. 因为官⽅没有给出⼀个完美的结论和定论.所以只能是⾃⼰摸索.
以下内容摘⾃官⽹中关于id()的描述
Return the “identity” of an object. This is an integer which is
guaranteed to be unique and constant for this object during its
lifetime. Two objects with non-overlapping lifetimes may have the
same id() value.
CPython implementation detail: CPython implementation detail: This is the address of the object in
memory.
说了这么多. 这个id()和is有什么关系呢. 注意. is比较的就是id()计算出来的结果. 由于id是帮我
们查看某数据(对象) 的内存地址. 那么is比较的就是数据(对象)的内存地址.
最终我们通过is可以查看两个变量使⽤的是否是同⼀个对象.
== 双等表⽰的是判断是否相等, 注意. 这个双等比较的是具体的值.⽽不是内存地址

总结:
is 比较的是地址
== 比较的是值
二. 编码的补充
1. python2中默认使⽤的是ASCII码. 所以不⽀持中⽂. 如果需要在Python2中更改编码.
需要在⽂件的开始编写:

2. python3中: 内存中使⽤的是unicode码.

编码回顾:
1. ASCII : 最早的编码. ⾥⾯有英⽂⼤写字⺟, ⼩写字⺟, 数字, ⼀些特殊字符. 没有中⽂,
8个01代码, 8个bit, 1个byte
2. GBK: 中⽂国标码, ⾥⾯包含了ASCII编码和中⽂常⽤编码. 16个bit, 2个byte
3. UNICODE: 万国码, ⾥⾯包含了全世界所有国家⽂字的编码. 32个bit, 4个byte, 包含了
ASCII
4. UTF-8: 可变⻓度的万国码. 是unicode的⼀种实现. 最⼩字符占8位
1.英⽂: 8bit 1byte
2.欧洲⽂字:16bit 2byte
3.中⽂:24bit 3byte

综上, 除了ASCII码以外, 其他信息不能直接转换.
在python3的内存中. 在程序运⾏阶段. 使⽤的是unicode编码. 因为unicode是万国码. 什么内
容都可以进⾏显⽰. 那么在数据传输和存储的时候由于unicode比较浪费空间和资源. 需要把
unicode转存成UTF-8或者GBK进⾏存储. 怎么转换呢. 在python中可以把⽂字信息进⾏编码.
编码之后的内容就可以进⾏传输了. 编码之后的数据是bytes类型的数据.其实啊. 还是原来的
数据只是经过编码之后表现形式发⽣了改变⽽已.
bytes的表现形式:
1. 英⽂ b'alex' 英⽂的表现形式和字符串没什么两样
2. 中⽂ b'xe4xb8xad' 这是⼀个汉字的UTF-8的bytes表现形式
字符串在传输时转化成bytes=> encode(字符集)来完成

    s = "alex马"
    想要存储.必须进行编码

    encode() 编码之后的内容是bytes类型的数据

    30个字节 10个字. 每个字3个字节
    b'xe6x9dx8exe5x98x89xe8xafx9axe7x9ax84xe5x84xbfxe5xadx90xe8xa2xabxe7xbbx91xe6x9exb6xe4xbax86'
    bs = s.encode("UTF-8")   # 把字符串编码成UTF-8的形式
    print(bs)

    #英文:编码之后的结果是英文本身
    #中文:编码之后UTF-8 下. 一个中文3个字节

记住: 英⽂编码之后的结果和源字符串⼀致. 中⽂编码之后的结果根据编码的不同. 编码结果
也不同. 我们能看到. ⼀个中⽂的UTF-8编码是3个字节. ⼀个GBK的中⽂编码是2个字节.
编码之后的类型就是bytes类型. 在⽹络传输和存储的时候我们python是保存和存储的bytes
类型. 那么在对⽅接收的时候. 也是接收的bytes类型的数据. 我们可以使⽤decode()来进⾏解
码操作. 把bytes类型的数据还原回我们熟悉的字符串:

s = "饿了么"
bs = s.encode("GBK")    # b'xb6xf6xc1xcbxc3xb4' GBK 一个中文:２个字节
print(bs)

s = "中"
print(s.encode("utf-8"))
print(s.encode("GBK"))

decode()解码

编码和解码的时候都需要制定编码格式.

bs = b'xb6xf6xc1xcbxc3xb4'    # 从别人那里读到的   GBK
# # 编程人认识的东西
s = bs.decode("GBK")    # 解码之后是字符串, 用什么编码就用什么解码
# print(s)

# GBK => utf-8
bs = b'xb6xf6xc1xcbxc3xb4'
# 先解码成unicode字符串
s = bs.decode("GBK")
# 在把字符串编码成UTF-8
bss = s.encode("UTF-8")
print(bss)

---

作业:

一，老男孩好声⾳选秀⼤赛评委在打分的时候呢, 可以进⾏输入. 假设, 老男孩有10个评委.
让10个评委进⾏打分, 要求, 分数必须⼤于5分, ⼩于10分.

count = 1
while count <= 10:
    print("%s号评委" % (count))
    s = int(input("开始打分(分数必须⼤于5分, ⼩于10分):"))
    if s <= 5 or s >= 10:
        print("不符合评分要求,请重新打分:")
        continue
    count += 1

二. 电影投票. 程序先给出⼀个⽬前正在上映的电影列表. 由⽤户给每⼀个电影投票.
最终 将该⽤户投票信息公布出来 lst = ['⾦瓶梅', '解救吾先⽣', '美国往事', '⻄⻄⾥的美丽传说']
结果: {'⾦瓶梅': 99, '解救吴先⽣': 80, '美国往事': 6, '⻄⻄⾥的美丽传说': 23}

lst = ['⾦瓶梅', '解救吾先⽣', '美国往事', '⻄⻄⾥的美丽传说']
dic = {}
a = 0
for i in lst:
    print(lst[a])
    s = int(input("请为该电影打分:"))
    dic[lst[a]] = s
    a += 1
print(dic)

三.念数字.  给出一个字典. 在字典中标识出每个数字的发音. 包括相关符号. 然后由
用户输入一个数字. 让程序读出相对应的发音(不需要语音输出. 单纯的打印即可)

dic = {
    "-":"fu",
    "0":"ling",
    "1":"yi",
    "2":"er",
    "3":"san",
    "4":"si",
    "5":"wu",
    "6":"liu",
    "7":"qi",
    "8":"ba",
    "9":"jiu",
    ".":"dian"
}
a = 0
s = input("请输入一个数字:")
for i in s:
    if i in dic.keys():
        print(dic[i],end = " ")

四.车牌区域划分, 现给出以下车牌. 根据车牌的信息, 分析出各省的车牌持有量. (升级题)

car = ['鲁A32444','鲁B12333','京B8989M','黑C40678','黑C46555','沪B25041']
locals = {'沪':"上海",'黑':'黑龙江','鲁':'山东','鄂':'湖北','湘':'湖南','京':'北京'}
dic = {}
li = []
for i in range(len(car)):
    for a in locals:
        if car[i][0] in a:
            li.append(locals[a])
for b in li:
    dic[b] = li.count(b)
print(dic)

五.干掉主播. 现有如下主播收益信息, 按照要求, 完成相应操作:

1.计算各位主播收益的平均值.

zhubo = {'卢本伟':122000,'冯提莫':189999,'金老板':99999,'吴老板':25000000,'alex':126}
sum = 0
for i in zhubo.values():
    sum = sum + i
    a = sum / len(zhubo)
print("这些主播的平均收入是:%s" % (a))

2.干掉收益小于平均值的主播.

for i in list(zhubo):
    if zhubo[i] < a:
        del zhubo[i]
print(zhubo)

3.干掉卢本伟.

del zhubo["卢本伟"]
print(zhubo)

---

2018-07-09  16:12:38

“继续奔跑 输掉一切也不要输掉微笑”