加入收藏 | 设为首页 | 会员中心 | 我要投稿 李大同 (https://www.lidatong.com.cn/)- 科技、建站、经验、云计算、5G、大数据,站长网!
当前位置: 首页 > 编程开发 > Python > 正文

Python之路,Day4

发布时间:2020-12-17 00:04:53 所属栏目:Python 来源:网络整理
导读:本节大纲 基本装饰器 多参数装饰器 实现加减乘除及拓号优先级解析 用户输入?1 - 2 * ( (60-30 +(-40/5) * (9-2*5/3 + 7 /3*99/4*2998 +10 * 568/14 )) - (-4*3)/ (16-3*2) )等类似公式后,必须自己解析里面的(),+,-,*,/符号和公式,运算后得出结果,结果必须

本节大纲

    1. 基本装饰器
    2. 多参数装饰器
    1. 实现加减乘除及拓号优先级解析
    2. 用户输入?1 - 2 * ( (60-30 +(-40/5) * (9-2*5/3 + 7 /3*99/4*2998 +10 * 568/14 )) - (-4*3)/ (16-3*2) )等类似公式后,必须自己解析里面的(),+,-,*,/符号和公式,运算后得出结果,结果必须与真实的计算器所得出的结果一致

迭代器&生成器

迭代器

迭代器是访问集合元素的一种方式。迭代器对象从集合的第一个元素开始访问,直到所有的元素被访问完结束。迭代器只能往前不会后退,不过这也没什么,因为人们很少在迭代途中往后退。另外,迭代器的一大优点是不要求事先准备好整个迭代过程中所有的元素。迭代器仅仅在迭代到某个元素时才计算该元素,而在这之前或之后,元素可以不存在或者被销毁。这个特点使得它特别适合用于遍历一些巨大的或是无限的集合,比如几个G的文件

特点:

  1. 访问者不需要关心迭代器内部的结构,仅需通过next()方法不断去取下一个内容
  2. 不能随机访问集合中的某个值 ,只能从头到尾依次访问
  3. 访问到一半时不能往回退
  4. 便于循环比较大的数据集合,节省内存

生成一个迭代器:

>>> a = iter([1,2,3,4,5>>> >>> a.1 >>> a.2 >>> a.3 >>> a.4 >>> a.5 >>> a.,line 1,

Repeated calls to the iterator’s??method (or passing it to the built-in function?) return successive items in the stream. When no more data are available a??exception is raised instead. At this point,the iterator object is exhausted and any further calls to its??method just raise??again.

生成器generator

定义:一个函数调用时返回一个迭代器,那这个函数就叫做生成器(generator),如果函数中包含yield语法,那这个函数就会变成生成器?

代码:

0: amount -= 1 yield 1 print("擦,又来取钱了。。。败家子!")

ATM = cash_out(5)

print("取到钱 %s 万" % ATM.next())
print("花掉花掉!")
print("取到钱 %s 万" % ATM.next())
print("取到钱 %s 万" % ATM.next())
print("花掉花掉!")
print("取到钱 %s 万" % ATM.next())
print("取到钱 %s 万" % ATM.next())
print("取到钱 %s 万" % ATM.next()) #到这时钱就取没了,再取就报错了
print("取到钱 %s 万" % ATM.next())

作用:

这个yield的主要效果呢,就是可以使函数中断,并保存中断状态,中断后,代码可以继续往下执行,过一段时间还可以再重新调用这个函数,从上次yield的下一句开始执行。

另外,还可通过yield实现在单线程的情况下实现并发运算的效果

<div class="cnblogs_Highlighter">
<pre class="brush:python;collapse:true;;gutter:true;">import time
def consumer(name):
print("%s 准备吃包子啦!" %name)
while True:
baozi = yield

   print("包子[%s]来了,被[%s]吃了!" %(baozi,name))

def producer(name):
c = consumer('A')
c2 = consumer('B')
c.next()
c2.next()
print("老子开始准备做包子啦!")
for i in range(10):
time.sleep(1)
print("做了2个包子!")
c.send(i)
c2.send(i)

producer("alex")

  

装饰器

直接 看银角大王写的文档 http://www.cnblogs.com/wupeiqi/articles/4980620.html??

递归

23?。 请Low B,Low 2B,Low 3B 三个同学来回答这个问题。?
1: if mid_val > find_num: # means the find_num is in left hand of mid_val print("[%s] should be in left of [%s]" %(find_num,mid_val)) binary_search(data_list[:mid_pos],find_num) elif mid_val < find_num: # means the find_num is in the right hand of mid_val print("[%s] should be in right of [%s]" %(find_num,mid_val)) binary_search(data_list[mid_pos:],find_num) else: # means the mid_val == find_num print("Find ",find_num)
else:
    print("cannot find [%s] in data_list" %find_num)

if name == 'main':
primes = [2,97]
binary_search(primes,67)

  在后面的故事我就编不下去啦,哈哈!but anyway,以上就是典型的递归用法,在程序里自己调用自己。

算法基础?

array=[[col for col in range(5)] for row in range(5)] #初始化一个4*4数组

array=[[col for col in 'abcde'] for row in range(5)]

for row in array: #旋转前先看看数组长啥样
print(row)

print('-------------')
for i,row in enumerate(array):

for index in range(i,len(row)):
    tmp = array[index][i] #get each rows' data by column's index
    array[index][i] = array[i][index] #
    print tmp,array[i][index]  #= tmp
    array[i][index] = tmp
for r in array:print r

print('--one big loop --')

  

冒泡排序

将一个不规则的数组按从小到大的顺序进行排序

print("before sort:",data)

previous = data[0]
for j in range(len(data)):
tmp = 0
for i in range(len(data)-1):
if data[i] > data[i+1]:
tmp=data[i]
data[i] = data[i+1]
data[i+1] = tmp
print(data)

print("after sort:",data)

  

时间复杂度?(1)时间频度?一个算法执行所耗费的时间,从理论上是不能算出来的,必须上机运行测试才能知道。但我们不可能也没有必要对每个算法都上机测试,只需知道哪个算法花费的时间多,哪个算法花费的时间少就可以了。并且一个算法花费的时间与算法中语句的执行次数成正比例,哪个算法中语句执行次数多,它花费时间就多。一个算法中的语句执行次数称为语句频度或时间频度。记为T(n)。
(2)时间复杂度?在刚才提到的时间频度中,n称为问题的规模,当n不断变化时,时间频度T(n)也会不断变化。但有时我们想知道它变化时呈现什么规律。为此,我们引入时间复杂度概念。 一般情况下,算法中基本操作重复执行的次数是问题规模n的某个函数,用T(n)表示,若有某个辅助函数f(n),使得当n趋近于无穷大时,T(n)/f(n)的极限值为不等于零的常数,则称f(n)是T(n)的同数量级函数。记作T(n)=O(f(n)),O(f(n))?为算法的渐进时间复杂度,简称时间复杂度。
?
指数时间
指的是一个问题求解所需要的m(n),依输入数据的大小

n成长(即输入数据的数量依成长,所花的时间将会以指数成长)

第一个for循环的时间复杂度为Ο(n),第二个for循环的时间复杂度为Ο(n2),则整个算法的时间复杂度为Ο(n+n2)=Ο(n2)。

若对于一个算法,

T(n)

常数时间,记作

O(1)中的单个元素,因为访问它只需要一条。但是,找到无序数组中的最小元素则不是,因为这需要遍历所有元素来找出最小值。这是一项线性时间的操作,或称

O(n)

对数时间?

若算法的T(n) =?O(log?n),则称其具有对数时间

常见的具有对数时间的算法有的相关操作和。

对数时间的算法是非常有效的,因为每增加一个输入,其所需要的额外计算时间会变小。

递归地将字符串砍半并且输出是这个类别函数的一个简单例子。它需要O(log n)的时间因为每次输出之前我们都将字符串砍半。 这意味着,如果我们想增加输出的次数,我们需要将字符串长度加倍。

如果一个算法的时间复杂度为O(n),则称这个算法具有线性时间,或O(n)时间。非正式地说,这意味着对于足够大的输入,运行时间增加的大小与输入成线性关系。例如,一个计算列表所有元素的和的程序,需要的时间与列表的长度成正比。

正则表达式

p = re.compile("^[0-9]") #生成要匹配的正则对象 , ^代表从开头匹配,[0-9]代表匹配0至9的任意一个数字, 所以这里的意思是对传进来的字符串进行匹配,如果这个字符串的开头第一个字符是数字,就代表匹配上了

m = p.match('14534Abc') #按上面生成的正则对象 去匹配 字符串, 如果能匹配成功,这个m就会有值, 否则m为Noneif m: #不为空代表匹配上了
  print(m.group())    #m.group()返回匹配上的结果,此处为1,因为匹配上的是1这个字符else:  print("doesn't match.")

上面的第2 和第3行也可以合并成一行来写:

效果是一样的,区别在于,第一种方式是提前对要匹配的格式进行了编译(对匹配公式进行解析),这样再去匹配的时候就不用在编译匹配的格式,第2种简写是每次匹配的时候 都 要进行一次匹配公式的编译,所以,如果你需要从一个5w行的文件中匹配出所有以数字开头的行,建议先把正则公式进行编译再匹配,这样速度会快点。

匹配格式

模式 re)  

正则表达式常用5种操作

re.match(pattern,string)    ?# 从头匹配

re.search(pattern,string)    #?匹配整个字符串,直到找到一个匹配

re.split()            # 将匹配到的格式当做分割点对字符串分割成列表

>>m = re.split("[0-9]","alex1rain2jack3helen rachel8") >>>print(m)

输出: ['alex','rain','jack','helen rachel','']

re.findall()          # 找到所有要匹配的字符并返回列表格式

>>m = re.findall("[0-9]","alex1rain2jack3helen rachel8") >>>print(m)

输出:['1','2','3','8']

re.sub(pattern,repl,string,count,flag)?   # 替换匹配到的字符

输出:alex|rain|jack3helen rachel8  

?

正则表达式实例

字符匹配

描述
实例 字符类
描述
实例 特殊字符类
描述
实例 re.match与re.search的区别

re.match只匹配字符串的开始,如果字符串开始不符合正则表达式,则匹配失败,函数返回None;而re.search匹配整个字符串,直到找到一个匹配。

Regular Expression Modifiers: Option Flags

Regular expression literals may include an optional modifier to control various aspects of matching. The modifiers are specified as an optional flag. You can provide multiple modifiers using exclusive OR (|),as shown previously and may be represented by one of these ?

描述
Modifier 几个常见正则例子:

匹配手机号

m = re.search("(1)([358]d{9})",phone_str2)
if m:
print(m.group())

匹配IP V4

m = re.search("d{1,3}.d{1,3}",ip_addr)

print(m.group())

分组匹配地址  

>> match.group(1) 'Doe' >>> match.group(2) 'John' >>> match.group(3) '555-1212' """ match = re.search(r'(?Pw+),(?Pw+): (?PS+)',contactInfo) """ >>> match.group('last') 'Doe' >>> match.group('first') 'John' >>> match.group('phone') '555-1212' """

匹配email

m = re.search(r"[0-9.a-z]{0,26}@[0-9.a-z]{0,20}.[0-9a-z]{0,8}",email)
print(m.group())

json 和?pickle?

用于序列化的两个模块

  • json,用于字符串 和 python数据类型间进行转换
  • pickle,用于python特有的类型 和 python的数据类型间进行转换

Json模块提供了四个功能:dumps、dump、loads、load

pickle模块提供了四个功能:dumps、dump、loads、load

?其它常用模块学习

http://www.cnblogs.com/wupeiqi/articles/4963027.html?

  

(编辑:李大同)

【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容!

Description