单元素元祖：
a = (1) # 这是整数1a = (1,) # 这才是元祖也许这两行，你们当时疑惑过，并且现在也都知道了，当然重点并不在这里。。我无聊的时候想过，为什么单元素元祖要这样设计 -> (1,)?不多废话，看下面代码，自己理解： a = (3,) a = (3) a = (1+2) a = (1+2,) a = (1+2) + (3+4) a = (1+2,) + (3+4,)注： 这是我个人原创理解的一个微不足道的知识点，但是印象却特别深刻。 因为我反向推测出 设计者为什么会设计出这种语法。 （当然，也许我的推测和设计者当时的想法的并不一样~~~手动滑稽）
深/浅拷贝-copy/deepcopy（皮/肉）
""" 最开始接触深浅拷贝的时候没太大感觉，只是普通的觉得避免数据污染就够了 后来有一次用scrapy写爬虫的时候，层次太多导致内存有些顶不住。 后来用的 deepcopy() 来 优化 scrapy 的 meta， 虽然效果不是特别明显，但是感觉深浅拷贝很有用""" 1. =号，不拷贝 =号就意味着，引用指向同一个地址空间，‘敌动我动，敌不动我不懂’ 的感觉。 LOL一句话:"连体婴儿"~~ 2. copy：也称浅拷贝 我用最简单的话解释一下：浅拷贝就是只能拷贝最外面的一层皮，来独立开辟空间使用，再深还是共用的 eg: from copy import copy from copy import deepcopy a = [[1,2,3],[4,5,6]] b = deepcopy(a) b[0] = 0 # 这就是最外面的一层皮 print(b) print(a) 3. deepcopy：顾名思义了，深拷贝 如果你听懂我上面的话，我感觉这个就更好理解了， 浅拷贝是皮，深拷贝那就是肉了呗。 没错，无论套了几层的序列结构，每一层都是独立开辟空间，独立指向。 from copy import copy from copy import deepcopy a = [[1,2,3],[4,5,6]] b = deepcopy(a) b[0][1] = 0 # 看清楚，这回就是里面的肉了， 深拷贝：你改哪里都行，哪里都与我无关 print(b) print(a)
lambda黑科技
"""lambda相当于匿名函数，可以使代码简介，但有时也会被人唾弃，但我仍然喜欢用lambda"""1. 试想：如果你想在lambda调用多个函数，该如何写？ lambda: (print(1),print(2)) # 最外层加个括号即可 2. 如果你想让这个 lambda函数直接自执行，而不是通过赋予一个函数引用再执行？ 1. 这个也是我自己瞎鼓捣出来的。 2. 虽然我JS水平很垃圾，但是我知道JS匿名函数有一种执行方式叫做 ‘自执行’。 3. 把上面类比一下。 看吧，这就是Python版的匿名函数自执行方法。 Python版本： (lambda a:print(a))(1) JS版： (function(){})()
lambda的虚伪替代品-operator
""" 据说这个模块可以替代lambda， 个人理解此模块并不那么太有实用价值，理解成本也偏高， 建议：如果不喜欢lambda或者lambda用的很少的人，可以研究一下此模块。此模块的意图还是可以的。 我还是喜欢使用 lambda"""直接上个例子：（字典基于Value来排序） 传统lambda写法： In [27]: a = {'1':6, '2':5, '3':4} In [28]: sorted(a.items(), key=lambda a:a[1]) # 看key= 这里 Out[28]: [('3', 4), ('2', 5), ('1', 6)] operator写法： from operator import itemgetter In [25]: a = {'1':6, '2':5, '3':4} In [26]: sorted(a.items(), key=itemgetter(1)) # 就是key= 这里有区别 Out[26]: [('3', 4), ('2', 5), ('1', 6)]如果上面两种新旧方法都很模糊，那么我再解释一下： 我认为上面能让人头疼的也就是 索引 1 了！！！！ sorted, map这种高阶函数，我之前也单独讲过，它会把 一个序列的每一个元素用管道函数进行映射。 sorted稍微特殊一点，它的管道函数方法变成了key=这里： (变相理解为 指定排序的基准/参考) 1. key=lambda a:a[1] 指定基准：序列a的 每子元素 的 第1号索引子元素 # eg： [[1,2],[3,4],[5,6]] 就是2,4,6 2. key=itemgetter(1) 指定基准：同上一模一样，只不过写法不一样，逻辑步骤就是 原原本本从 lambda那里演变过来的。 总结与个人观点： 1. operator 模块只是 lambda 使用思想 的 高一层的封装 2. 让使用者可以忽略lambda格式细节 3. 但是我认为 如果lambda都用不好， 那么 这个 itemgetter(1) 这种子元素 索引的指定 也会很困难 4. 所以我还是建议用 lambda, 当你 lambda思想练熟了之后， 用 operator看看官方文档就是很快的事情
封包/拆包(解构赋值)/函数占位参数骚操作
""" 再次说明一下：我写的所有的都是Py3的/ Py2的解构赋值可能有些出入，此处我只说Py3"""封包： 1） def f(a,*b): print(a) # 1 print(b) # (2,3,4) f(1,2,3,4) 2） def f(**kwargs): print(kwargs) # {'a': 3, 'b': 4} f(**dict(a=3,b=4)) 拆包（解构赋值）： """ 我说过太多次了， ES6的语法和Python很像。解构赋值这个词也是从ES6听到的。 不过ES6的解构，还可以解构 {} 和 解构空值 和 解构默认值, 而Python不可以 """ 1) 只要第一个 a, *_ = range(5) print(a, _) # 0 [1, 2, 3, 4] 2) 只要第一个和最后一个 a, *_, c = range(5) print(a, _, c) # 0 [1, 2, 3] 4 3) 只要最后一个 *_, b = range(5) print(_, b) # [0, 1, 2, 3] 4函数占位参数骚操作： """ 这是我在源码中看到的，当时觉得很惊讶，自己试了一下，下面说下自己的理解: 这个*的作用就是： （*后面的参数是 调用时 必须命名 且 必须传递 的参数） a你必须给我传过来，但是你不写 a= b你必须给我传过来，但是你必须写 b= """ def f(a,*,b): print(a) print(b) f(1,b=3) # f(a=1,b=3) # 只能通过这两种方式调用
反射-getattr & setattr & hasattr & delattr & import_module
综合例子: from importlib import import_module random = import_module('random') # 动态反射导入模块 # 或 random = __import__('random') if hasattr(random, 'randint'): # 检测模块中是否有函数 randint = getattr(random,'randint') # 动态反射导入函数 print(eval('randint(0,1)')) # 字符串转语句执行（类似反射） getattr & setattr & hasattr & delattr 讲解： hasattr & getattr random = __import__('random') if hasattr(random,'randint'): # 检测 random 模块中是否有 randint 函数 randint = getattr(random,'randint') print(randint(0,1)) delattr & hasattr delattr(random, 'randint') # 动态删除模块中的 randint函数 if not hasattr(random,'randint'): print('没有此函数了，让delattr删除了') setattr & getattr # 动态重新设置模块的 randint函数，并给个函数体 setattr(random, 'randint', lambda:print('设置这个方法凑合用把。')) randint = getattr(random, 'randint') randint()
模块重新导入到内存-reload
from imp import reloadimport timereload(time)print(time.time())
进度条-tqdm
for x in tqdm(range(100)): import time time.sleep(1) print(x)tqdm包装一个可迭代对象， 只是装饰了一下，使用方法还是像原来一样使用。
票数统计-Counter
In [2]: from collections import CounterIn [3]: Counter([1,2,3,4])Out[3]: Counter({1: 1, 2: 1, 3: 1, 4: 1})In [4]: Counter([1,1,1,2,2,3]) # 统计频次Out[4]: Counter({1: 3, 2: 2, 3: 1})In [5]: Counter([1,1,1,2,2,3]).most_common(1) # 频次最多的前1个Out[5]: [(1, 3)]
文件 复制/移动-shutil
import shutilshutil.copy(源，目标) # 复制shutil.move(源，目标) # 移动，改名shutil.rmtree(r'目录名') # 删除目录（级联删除） # 参数只能是目录
文件遍历-os.walk
""" os.walk() 是一个深度遍历模式的文件遍历函数 返回值是一个迭代器，遍历这个迭代器后，每一次的返回值都是如下顺序三种构成 1. current_path: 当前路径 2. dir_list: 其下目录列表 3. file_list: 其下文件列表 """import osfile_generator = os.walk('D:/虚拟E盘-代码空间/TF2')for current_dir, dir_list, file_list in file_generator: print(current_dir, dir_list, file_list)
非阻塞执行cmd/shell-subprocess
""" 主要代替os.system""" import subprocessres = subprocess.run('dir', shell=True, stdout=subprocess.PIPE) # 结果输入到res管道中去print(res.stdout.decode('gbk')) # res管道中有输出日志，如果在win下，需要 decode
排列组合-itertools模块
import itertoolslist(itertools.product([1,2,3],repeat=3)) # 复制3份有序全排列， repeat=3 list(itertools.permutations([1,2,3], 3)) # 内部有序排列， 3表示最后排列为几位list(itertools.permutations([1,2,3,4],3)) # 无序组合， 3表示3位
枚举-emunerate
In [100]: list(enumerate(list('abcde'),start=1)) # 默认从0，开始标号， start=1就从1开始Out[100]: [(1, 'a'), (2, 'b'), (3, 'c'), (4, 'd'), (5, 'e')]In [108]: list(enumerate(((1,2),(3,4))))Out[108]: [(0, (1, 2)), (1, (3, 4))] In [106]: list(enumerate({"a":'c','b':'d'}))Out[106]: [(0, 'a'), (1, 'b')]
global & nonlocal & globals() & locals()
global: 函数外的变量只能在函数内部取值，而不能修改， 如果想要在函数内部修改外部变量, ‘global 变量名’ 即可 a = 1 def f(): global a a += 1 print(a) f() nonlocal: 原理同上一模一样，只不过应用场景是闭包了，代码如下： def f(): a = 1 def f1(): nonlocal a a = a+1 print(a) f1() f()
日历-calendar
import calendarcalendar.calendar(2019) # 返回2019年的日历calendar.month(2919,5) # 返回2019年5月的日历calendar.isleap(2000) # 判断2000年是否为闰年
时间/日期-time/datetime
import time1. 时间戳： time.time() 2. 字符串转时间(p-pass方便记忆) from datetime import datetime fordate = datetime.strptime('2019-5-25 9:30:30', '%Y-%m-%d %H:%M:%S') print(fordate)3. 时间转字符串(f-from方便记忆) from datetime import datetime strdate = datetime.strftime(fordate, '%Y-%m-%d %H:%M:%S') print(strdate) 4. 初始化时间 from datetime import datetime dt1 = datetime(2019,5,25,9,37) # 初始化时间为 datetime格式 dt1 = datetime.now() # 获取当前时间为 datetime格式 print(dt1.year) print(dt1.month) print(dt1.day) print(dt1.hour) print(dt1.minute) print(dt1.second)