Python之路,Day4

分类：Python作者：编程之家用户

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

的过程当中系统为每一层的返回点、局部量等开辟了栈来存储。递归次数过多容易造成等。所以一般不提倡用递归算法设计程序。

，因而每次递归调用都是有条件的(以规模未达到直接解答的大小为条件)，无条件递归调用将会成为死循环而不能正常结束。
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)),称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

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'(?P\w+),(?P\w+): (?P\S+)',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 

　　

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。

相关推荐

使用OpenCV实现视频去抖
使用OpenCV实现视频去抖 整体步骤： 设置输入输出视频 寻找帧之间的移动：使用opencv的特征检测器，检测前一帧的特征，并使用Lucas-Kanade光流算法在下一帧跟踪这些特征，根据两组点，将前一个坐标系映射到当前坐标系完成刚性（欧几里得）变换，最后使用数组纪录帧之间的运动。 计算帧之间的平
中文标题相似度检测
前言 对中文标题使用余弦相似度算法和编辑距离相似度分析进行相似度分析。 准备数据集part1 本次使用的数据集来源于前几年的硕士学位论文，可根据实际需要更换。结构如下所示： 学位论文题名 基于卷积神经网络的人脸识别研究 P2P流媒体视频点播系统设计和研究 校园网安全体系的设计与实现 无线传感器网络中
爬取天气信息
前言 之前尝试写过一个爬虫，那时对网页请求还不够熟练，用的原理是：爬取整个html文件，然后根据标签页筛选有效信息。 现在看来这种方式无疑是吃力不讨好，因此现在重新写了一个爬取天气的程序。 准备工作 网上能轻松找到的是 101010100 北京这种编号，而查看中国气象局URL，他们使用的是北京545
模式识别实验：基于主成分分析（PCA）的人脸识别
前言 本文使用Python实现了PCA算法，并使用ORL人脸数据集进行了测试并输出特征脸，简单实现了人脸识别的功能。 1. 准备 ORL人脸数据集共包含40个不同人的400张图像，是在1992年4月至1994年4月期间由英国剑桥的Olivetti研究实验室创建。此数据集包含40个类，每个类含10张图
基于OpenCV-Python的图像位置校正和版面分析
前言 使用opencv对图像进行操作，要求：（1）定位银行票据的四条边，然后旋正。（2）根据版面分析，分割出小写金额区域。 图像校正 首先是对图像的校正 读取图片 对图片二值化 进行边缘检测 对边缘的进行霍夫曼变换 将变换结果从极坐标空间投影到笛卡尔坐标得到倾斜角 根据倾斜角对主体校正 import
Python 天气爬虫接口
天气预报API 功能 从中国天气网抓取数据返回1-7天的天气数据，包括： 日期 天气 温度 风力 风向 def get_weather(city): 入参： 城市名，type为字符串，如西安、北京，因为数据引用中国气象网，因此只支持中国城市 返回： 1、列表，包括1-7的天气数据，每一天的分别为一个
数据分析（以kaggle上的加州房价为例）
数据来源：House Prices - Advanced Regression Techniques 参考文献： Comprehensive data exploration with Python 1. 导入数据 import pandas as pd import warnings warnin
Python关键字 asynico
同步和异步 同步和异步是指程序的执行方式。在同步执行中，程序会按顺序一个接一个地执行任务，直到当前任务完成。而在异步执行中，程序会在等待当前任务完成的同时，执行其他任务。 同步执行意味着程序会阻塞，等待任务完成，而异步执行则意味着程序不会阻塞，可以同时执行多个任务。 同步和异步的选择取决于你的程序需
《原神》那维莱特自动旋转的Python脚本
实现代码 import time import pydirectinput import keyboard if __name__ == &#39;__main__&#39;: revolve = False while True: time.sleep(0.1) if keyboard.is_pr
vi编辑器保存退出命令
本文从多个角度分析了vi编辑器保存退出命令。我们介绍了保存和退出vi编辑器的命令，以及如何撤销更改、移动光标、查找和替换文本等实用命令。希望这些技巧能帮助你更好地使用vi编辑器。
python回车换行
Python中的回车和换行是计算机中文本处理中的两个重要概念，它们在代码编写中扮演着非常重要的角色。本文从多个角度分析了Python中的回车和换行，包括回车和换行的概念、使用方法、使用场景和注意事项。通过本文的介绍，读者可以更好地理解和掌握Python中的回车和换行，从而编写出更加高效和规范的Python代码。
sqlserver启动不了错误1067
SQL Server启动不了错误1067是一种比较常见的故障，主要原因是数据库服务启动失败、权限不足和数据库文件损坏等。要解决这个问题，我们需要检查服务日志、重启服务器、检查文件权限和恢复数据库文件等。在日常的数据库运维工作中，我们应该时刻关注数据库的运行状况，及时发现并解决问题，以确保数据库的正常运行。
信息模块是如何端接的
信息模块是一种可重复使用的、可编程的、可扩展的、可维护的、可测试的、可重构的软件组件。信息模块的端接需要从接口设计、数据格式、消息传递、函数调用等方面进行考虑。信息模块的端接需要满足高内聚、低耦合的原则，以保证系统的可扩展性和可维护性。
win10启动不了pycharm
本文从电脑配置、PyCharm版本、Java版本、配置文件以及程序冲突等多个角度分析了Win10启动不了PyCharm的可能原因，并提供了解决方法。
安装sql2012时出现以下错误
本文主要从多个角度分析了安装SQL Server 2012时可能出现的错误，并提供了解决方法。
pycharm如何设置解释器
Pycharm是一款非常优秀的Python集成开发环境，它可以让Python开发者更加高效地进行代码编写、调试和测试。在Pycharm中设置解释器非常简单，我们可以通过创建新项目、修改项目解释器、设置全局解释器等多种方式进行设置。
python str转int
Python中有多种方法可以将字符串转换为整数，包括使用int()函数、try-except语句、正则表达式、map()函数、ord()函数和reduce()函数。在实际应用中，应根据具体情况选择最合适的方法。
导入csv文件
本文介绍了导入CSV文件的多种方法，包括使用Excel、Python和R等工具。同时，还介绍了导入CSV文件时需要注意的一些细节和问题。CSV文件是数据处理和分析中不可或缺的一部分，希望本文能够对读者有所帮助。
数据库mongodb
mongodb是一种新型的数据库，它采用了面向文档的数据模型，具有灵活性、高性能和高可用性等优势。但是，mongodb也存在数据结构混乱、安全性和学习成本高等问题。
python运行不了怎么办
当Python运行不了时，我们应该从代码、Python环境、操作系统和硬件设备等多个角度来排查问题，并采取相应的解决措施。
pythonJavaScriptjavaHTMLPHPreactjsC#AndroidCSSNode.jssqlrpython-3.xMysqLjQueryc++pandasFlutterangularIOSdjangolinuxswifttypescript路由器JSON路由器设置无线路由器h3c华三华三路由器设置华三路由器电脑软件教程arraysdocker软件图文教程Cvue.jslaravelspring-boot
Description