listtosetpython

㈠ 如何对列表进行排序 python

很多时候，我们需要对List进行排序，Python提供了两个方法，对给定的List
L进行排序：
方法1.用List的成员函数sort进行排序
方法2.用built-in函数sorted进行排序（从2.4开始）
这两种方法使用起来差不多，以第一种为例进行讲解：
从Python2.4开始，sort方法有了三个可选的参数，Python
Library
Reference里是这样描述的
复制代码代码如下:
cmp:cmp
specifies
a
custom
comparison
function
of
two
arguments
(iterable
elements)
which
should
return
a
negative,
zero
or
positive
number
depending
on
whether
the
first
argument
is
considered
smaller
than,
equal
to,
or
larger
than
the
second
argument:
"cmp=lambda
x,y:
cmp(x.lower(),
y.lower())"
key:key
specifies
a
function
of
one
argument
that
is
used
to
extract
a
comparison
key
from
each
list
element:
"key=str.lower"
reverse:reverse
is
a
boolean
value.
If
set
to
True,
then
the
list
elements
are
sorted
as
if
each
comparison
were
reversed.In
general,
the
key
and
reverse
conversion
processes
are
much
faster
than
specifying
an
equivalent
cmp
function.
This
is
because
cmp
is
called
multiple
times
for
each
list
element
while
key
and
reverse
touch
each
element
only
once.
以下是sort的具体实例。
实例1:
复制代码代码如下:
>>>L
=
[2,3,1,4]
>>>L.sort()
>>>L
>>>[1,2,3,4]
实例2:
复制代码代码如下:
>>>L
=
[2,3,1,4]
>>>L.sort(reverse=True)
>>>L
>>>[4,3,2,1]
实例3:
复制代码代码如下:
>>>L
=
[('b',2),('a',1),('c',3),('d',4)]
>>>L.sort(cmp=lambda
x,y:cmp(x[1],y[1]))
>>>L
>>>[('a',
1),
('b',
2),
('c',
3),
('d',
4)]
实例4:
复制代码代码如下:
>>>L
=
[('b',2),('a',1),('c',3),('d',4)]
>>>L.sort(key=lambda
x:x[1])
>>>L
>>>[('a',
1),
('b',
2),
('c',
3),
('d',
4)]
实例5:
复制代码代码如下:
>>>L
=
[('b',2),('a',1),('c',3),('d',4)]
>>>import
operator
>>>L.sort(key=operator.itemgetter(1))
>>>L
>>>[('a',
1),
('b',
2),
('c',
3),
('d',
4)]
实例6:(DSU方法:Decorate-Sort-Undercorate)
复制代码代码如下:
>>>L
=
[('b',2),('a',1),('c',3),('d',4)]
>>>A
=
[(x[1],i,x)
for
i,x
in
enumerate(L)]
#i
can
confirm
the
stable
sort
>>>A.sort()
>>>L
=
[s[2]
for
s
in
A]
>>>L
>>>[('a',
1),
('b',
2),
('c',
3),
('d',
4)]
以上给出了6中对List排序的方法，其中实例3.4.5.6能起到对以List
item中的某一项
为比较关键字进行排序.
效率比较：
复制代码代码如下:
cmp
<
DSU
<
key
通过实验比较，方法3比方法6要慢，方法6比方法4要慢，方法4和方法5基本相当
多关键字比较排序：
实例7:
复制代码代码如下:
>>>L
=
[('d',2),('a',4),('b',3),('c',2)]
>>>
L.sort(key=lambda
x:x[1])
>>>
L
>>>[('d',
2),
('c',
2),
('b',
3),
('a',
4)]
我们看到，此时排序过的L是仅仅按照第二个关键字来排的，如果我们想用第二个关键字
排过序后再用第一个关键字进行排序呢?有两种方法
实例8:
复制代码代码如下:
>>>
L
=
[('d',2),('a',4),('b',3),('c',2)]
>>>
L.sort(key=lambda
x:(x[1],x[0]))
>>>
L
>>>[('c',
2),
('d',
2),
('b',
3),
('a',
4)]
实例9：
复制代码代码如下:
>>>
L
=
[('d',2),('a',4),('b',3),('c',2)]
>>>
L.sort(key=operator.itemgetter(1,0))
>>>
L
>>>[('c',
2),
('d',
2),
('b',
3),
('a',
4)]
为什么实例8能够工作呢？原因在于tuple是的比较从左到右之一比较的，比较完第一个，如果
相等，比较第二个

㈡ 问一下关于python list的问题 请问如何比较两个LIST里数的大小

为什么b[0]可以小于等于而其他都是小于，还有A,B是否都是升序的？

以下是最一般的处理：

c=[]
prev=0
for i in B:
c.append(0)
for j in A:
if j>=prev and i>j：
c[-1]+=1
prev=i

㈢ 如何使用python将大量数据导出到Excel中的小技巧

何使用python将大量数据导出到Excel中的小技巧

（1） 问题描述：为了更好地展示数据，Excel格式的数据文件往往比文本文件更具有优势，但是具体到python中，该如何导出数据到Excel呢？如果碰到需要导出大量数据又该如何操作呢？本文主要解决以上两个问题。

（2）具体步骤如下：

1.第一步，安装openpyxl,

使用pip install openpyxl即可，但是在windows下安装的是2.2.6版本，但是centos自动安装的是4.1版本,（多谢海哥的提醒）。

写的代码在windows下运行没问题，但centos上却报错了，说是ew=ExcelWriter(workbook=wb)少提供一个参数，于是果断在237服务器上我已安装2.2.6版本的，问题解决。

pip install openpyxl==2.2.6

2.第二步，哈哈，没有啦，废话不说了，直接上代码，ps，代码中包含xlwt和openpyxl的两个实现版本。

（3）扩展阅读：通过查阅资料，发现网上众说纷纭，总结起来有如下几点：

• python Excel相关的操作的mole lib有两组，一组是xlrd、xlwt、xlutils，另一组是openpyxl,

• 但是前一组（xlrd，xlwt）比较老，只能处理由Excel 97-2003 或者Excel 97 以前版本生成的xls格式的excel文件，xlwt甚至不支持07版以后的excel，这个格式excel文件一般来说，最大只能支持256列或者65536行的excel文件。

• 因此面对需要导出大量数据到excel的情况，你将有如下三种选择，（1）换一种存储格式，如保存为CSV文件 (2)使用openpyxl—，因为它支持对Excel 2007+ xlsx/xlsm format的处理 (3)win32 COM (Windows only)

当然，我们要直面困难了，为了更好地展示数据给产品和用户，我们依然选择的第二种。

ps,非常lucky，一番搜索后我找到了openpyxl，支持07+的excel，一直有人在维护，文档清晰易读，参照Tutorial和API文档很快就能上手，就是它了~

(4)闲话少说，直接上代码，敬请参考

# coding:utf-8
'''
# 希望对大家有帮助哈，请多提问题
create by yaoyz
date: 2017/01/24
'''
import xlrd
import xlwt
# workbook相关
from openpyxl.workbook import Workbook
# ExcelWriter，封装了很强大的excel写的功能
from openpyxl.writer.excel import ExcelWriter
# 一个eggache的数字转为列字母的方法
from openpyxl.utils import get_column_letter
from openpyxl.reader.excel import load_workbook


class HandleExcel():
'''Excel相关操作类'''
def __init__(self):
self. head_row_labels = [u'学生ID',u'学生姓名',u'联系方式',u'知识点ID',u'知识点名称']
"""
function：
读出txt文件中的每一条记录，把它保存在list中
Param:
filename: 要读出的文件名
Return:
res_list： 返回的记录的list
"""
def read_from_file(self,filename):
res_list=[]
file_obj=open(filename,"r")
for line in file_obj.readlines():
res_list.append(line)
file_obj.close()
return res_list
"""
function：
读出*.xlsx中的每一条记录，把它保存在data_dic中返回
Param:
excel_name: 要读出的文件名
Return:
data_dic： 返回的记录的dict
"""
def read_excel_with_openpyxl(self, excel_name="testexcel2007.xlsx"):
# 读取excel2007文件
wb = load_workbook(filename=excel_name)
# 显示有多少张表
print "Worksheet range(s):" , wb.get_named_ranges()
print "Worksheet name(s):" , wb.get_sheet_names()
# 取第一张表
sheetnames = wb.get_sheet_names()
ws = wb.get_sheet_by_name(sheetnames[0])
# 显示表名，表行数，表列数
print "Work Sheet Titile:" ,ws.title
print "Work Sheet Rows:" ,ws.get_highest_row()
print "Work Sheet Cols:" ,ws.get_highest_column()
# 获取读入的excel表格的有多少行，有多少列
row_num=ws.get_highest_row()
col_num=ws.get_highest_column()
print "row_num: ",row_num," col_num: ",col_num
# 建立存储数据的字典
data_dic = {}
sign=1
# 把数据存到字典中
for row in ws.rows:
temp_list=[]
# print "row",row
for cell in row:
print cell.value,
temp_list.append(cell.value)
print ""
data_dic[sign]=temp_list
sign+=1
print data_dic
return data_dic
"""
function：
读出*.xlsx中的每一条记录，把它保存在data_dic中返回
Param:
records: 要保存的，一个包含每一条记录的list
save_excel_name: 保存为的文件名
head_row_stu_arrive_star:
Return:
data_dic： 返回的记录的dict
"""
def write_to_excel_with_openpyxl(self,records,head_row,save_excel_name="save.xlsx"):
# 新建一个workbook
wb = Workbook()
# 新建一个excelWriter
ew = ExcelWriter(workbook=wb)
# 设置文件输出路径与名称
dest_filename = save_excel_name.decode('utf-8')
# 第一个sheet是ws
ws = wb.worksheets[0]
# 设置ws的名称
ws.title = "range names"
# 写第一行，标题行
for h_x in range(1,len(head_row)+1):
h_col=get_column_letter(h_x)
#print h_col
ws.cell('%s%s' % (h_col, 1)).value = '%s' % (head_row[h_x-1])
# 写第二行及其以后的那些行
i = 2
for record in records:
record_list=str(record).strip().split(" ")
for x in range(1,len(record_list)+1):
col = get_column_letter(x)
ws.cell('%s%s' % (col, i)).value = '%s' % (record_list[x-1].decode('utf-8'))
i += 1
# 写文件
ew.save(filename=dest_filename)
"""
function：
测试输出Excel内容
读出Excel文件
Param:
excel_name: 要读出的Excel文件名
Return:
无
"""
def read_excel(self,excel_name):
workbook=xlrd.open_workbook(excel_name)
print workbook.sheet_names()
# 获取所有sheet
print workbook.sheet_names() # [u'sheet1', u'sheet2']
sheet2_name = workbook.sheet_names()[1]
# 根据sheet索引或者名称获取sheet内容
sheet2 = workbook.sheet_by_index(1) # sheet索引从0开始
sheet2 = workbook.sheet_by_name('Sheet1')
# sheet的名称，行数，列数
print sheet2.name,sheet2.nrows,sheet2.ncols
# 获取整行和整列的值（数组）
rows = sheet2.row_values(3) # 获取第四行内容
cols = sheet2.col_values(2) # 获取第三列内容
print rows
print cols
# 获取单元格内容
print sheet2.cell(1,0).value
print sheet2.cell_value(1,0)
print sheet2.row(1)[0].value
# 获取单元格内容的数据类型
print sheet2.cell(1,0).ctype
# 通过名称获取
return workbook.sheet_by_name(u'Sheet1')
"""
function：
设置单元格样式
Param:
name: 字体名字
height: 字体高度
bold: 是否大写
Return:
style: 返回设置好的格式对象
"""
def set_style(self,name,height,bold=False):
style = xlwt.XFStyle() # 初始化样式
font = xlwt.Font() # 为样式创建字体
font.name = name # 'Times New Roman'
font.bold = bold
font.color_index = 4
font.height = height
borders= xlwt.Borders()
borders.left= 6
borders.right= 6
borders.top= 6
borders.bottom= 6
style.font = font
style.borders = borders
return style
"""
function：
按照 设置单元格样式 把计算结果由txt转变为Excel存储
Param:
dataset：要保存的结果数据，list存储
Return:
将结果保存为 excel对象中
"""
def write_to_excel(self, dataset,save_excel_name,head_row):
f = xlwt.Workbook() # 创建工作簿
# 创建第一个sheet:
# sheet1
count=1
sheet1 = f.add_sheet(u'sheet1', cell_overwrite_ok=True) # 创建sheet
# 首行标题：
for p in range(len(head_row)):
sheet1.write(0,p,head_row[p],self.set_style('Times New Roman',250,True))
default=self.set_style('Times New Roman',200,False) # define style out the loop will work
for line in dataset:
row_list=str(line).strip(" ").split(" ")
for pp in range(len(str(line).strip(" ").split(" "))):
sheet1.write(count,pp,row_list[pp].decode('utf-8'),default)
count+=1
f.save(save_excel_name) # 保存文件


def run_main_save_to_excel_with_openpyxl(self):
print "测试读写2007及以后的excel文件xlsx，以方便写入文件更多数据"
print "1. 把txt文件读入到内存中，以list对象存储"
dataset_list=self.read_from_file("test_excel.txt")
'''test use openpyxl to handle EXCEL 2007'''
print "2. 把文件写入到Excel表格中"
head_row_label=self.head_row_labels
save_name="test_openpyxl.xlsx"
self.write_to_excel_with_openpyxl(dataset_list,head_row_label,save_name)
print "3. 执行完毕，由txt格式文件保存为Excel文件的任务"
def run_main_save_to_excel_with_xlwt(self):
print " 4. 把txt文件读入到内存中，以list对象存储"
dataset_list=self.read_from_file("test_excel.txt")
'''test use xlwt to handle EXCEL 97-2003'''
print " 5. 把文件写入到Excel表格中"
head_row_label=self.head_row_labels
save_name="test_xlwt.xls"
self.write_to_excel_with_openpyxl(dataset_list,head_row_label,save_name)
print "6. 执行完毕，由txt格式文件保存为Excel文件的任务"
if __name__ == '__main__':
print "create handle Excel Object"
obj_handle_excel=HandleExcel()
# 分别使用openpyxl和xlwt将数据写入文件
obj_handle_excel.run_main_save_to_excel_with_openpyxl()
obj_handle_excel.run_main_save_to_excel_with_xlwt()
'''测试读出文件，注意openpyxl不可以读取xls的文件,xlrd不可以读取xlsx格式的文件'''
#obj_handle_excel.read_excel_with_openpyxl("testexcel2003.xls") # 错误写法
#obj_handle_excel.read_excel_with_openpyxl("testexcel2003.xls") # 错误写法
obj_handle_excel.read_excel("testexcel2003.xls")
obj_handle_excel.read_excel_with_openpyxl("testexcel2007.xlsx")

㈣ python 读取txt，将每行存为list

import pandas as pd
df=pd.read_table('d:/data.txt',sep=":",encoding='gbk',header=None)
df.columns=['a','b']
df['b']=df.b.map(lambda x:x[1:-1].replace("'",'').replace(' ',''))
df1=pd.concat([df.a,df.b.str.split(',',expand=True)],axis=1)
df1=df1.set_index('a')
df1=df1.stack().reset_index().drop('level_1',axis=1)
df1.to_excel('d:/out_data.xlsx',header=None,index=None)

㈤ python3 对象 |字典|json|yaml|字符串 相互转化

在研究 k8s 的yaml 配置文件的时候，我总担心自己一不小心 会写错，所以我向往 使用将对象 序列化 yaml 的形式，

其实 python object 可以 直接 转 yaml ，甚至也可以 直接 转成yaml文件！！！

这里 会经常用到几个 函数 vars() ast.

我们先尝试用最笨的方法 实现 object到yaml 的转化
在python对象 convert to dict 的形式，使用 vars()函数

然后 dict convert to json 使用 json.mps(dict)函数

然后 json converte to yaml 使用 ya= yaml.load(json.mps(dict)) 然后
再 yaml.safe_mp(ya,default_flow_style=False)

至此我们看到 从 python Object ---> dict ----> json ---> yaml 的转化

其中 obj dict json yaml 转 string ，只要 str()函数即可,或者 str(vars())结合

yaml 格式 写入到文件 ,需要注意的是， open()函数 的mode 一定要是 'w' ,不能是’wb', b代表是二进制写入
yaml 写入的是dict str，使用 ‘wb' 会报错，[yaml TypeError: a bytes-like object is required, not 'str']
【出现该错误往往是通过open()函数打开文本文件时，使用了‘rb’属性，如：fileHandle=open(filename,'rb'),则此时是通过二进制方式打开文件的，所以在后面处理时如果使用了str()函数，就会出现该错误，该错误不会再python2中出现。

具体解决方法有以下两种：

第一种，在open()函数中使用‘r’属性，即文本方式读取，而不是‘rb’,以二进制文件方式读取，可以直接解决问题。

第二种,在open()函数中使用‘rb’,可以在使用之前进行转换，有以下实例，来自： http://stackoverflow.com/questions/33054527/python-3-5-typeerror-a-bytes-like-object-is-required-not-str 】

其实 python object 可以 直接 转 yaml ，甚至也可以 直接 转成yaml文件！！！
比如我已经定义了一个 Dog python class,他有 好几个属性 并已经赋值初始化了

另外生成 yaml 对象

生成yaml文件

结果是

反过来 yaml ----> json ---> 持久化 json 文件 indent=1属性是为了让 json 不以单行展示，而是展开
注意的是 python 的 dict 和set 很相似 ，都是 { }， set 里是list， dict 是键值对
【# set object is not JSON serializable [plicate]
】

打开 demo.json

yaml ---> dict

yaml ---> python object

json --> dict
json.loads()

dict--> json
json.jumps()

str ---> dict
newdict=dict(str)

json -- > python object

一个python object无法直接与json转化，只能先将对象转化成dictionary，再转化成json；对json，也只能先转换成dictionary，再转化成object，通过实践，源码如下：

yaml --> python object
对yaml，也只能先转换成json --->dictionary，再转化成object，通过实践，源码如下：

dict -- ->python object

python对象 默认都有一个 私有的属性 dict 取值 就是 object的 字典形式， 赋值就就可以给对象属性对应赋值

例如json 转 对象

对象 转 json

Python之dict(或对象)与json之间的互相转化
在Python语言中，json数据与dict字典以及对象之间的转化，是必不可少的操作。

dict字典转json数据

对象转json数据

json数据转成dict字典

json数据转成对象

json的load()与mp()方法的使用
mp()方法的使用

㈥ Python学习之惰性求值

惰性求值，也就是延迟求值，表达式不会在它被绑定到变量之后就立即求值，而是等用到时再求值。这个特性可以解决一些巨大甚至无限的集合列表，如菲波那切数列、几十G的文件等等。延迟求值的一个好处是能够建立可计算的无限列表而没有妨碍计算的无限循环或大小问题。

Python中的很多方法没有直接返回列表，而是返回了一个可迭代的generator
(生成器)对象，这便是python的惰性求值，因为在创建一个很大的列表时，对内存的开销非常大，太大时python会直接报错，举个:chestnut:：range()方法是产生一个指定范围列表，在Python3之前，该方法直接产生一个列表，xrange()产生一个生成器：

>>>xrange(100)

xrange(100)

>>>range(100)

[0, 1, 2, 3,
4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21,
22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38,
39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55,
56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72,
73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89,
90, 91, 92, 93, 94, 95, 96, 97, 98, 99]

当参数里面的值足够大时，range()产生了一个巨大的列表，这是内存会吃不消，等待一段时间后程序会直接被Kill掉：

>>>foriinrange(999999999999):

...
printi

...

Killed:
9

占满内存

用xrange()方法就不回出现这种问题，并且可以一直运行：

>>>foriinxrange(999999999999):

...
printi

...

0

1

2

3

4

5

6

7

8

9

10...

在Python3中range已经被改为了xrange,所以在python3中可以放心使用range().

惰性求值不要求你事先准备好整个迭代过程中所有的元素。迭代器仅仅在迭代至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

还有前文所说的list comprehension语句,在两边放上[]，会产生别表，如果数据源很长则会报内存错误:

>>>
print [iforiinrange(9999999999999999)]

Python(1627,0x7fffe5b713c0)
malloc: *** mach_vm_map(size=80000000000000000) failed
(errorcode=3)

***error:
can't allocate region

***seta
breakpointinmalloc_error_breaktodebug

Traceback
(most recentcalllast):

File "",
line 1,in<</span>mole>

MemoryError

这样直接产生列表没有效率，为了创建生成器对象，可以在list
comprehension两边放上()，这样它就有了惰性求值的特性。

>>>
print((ifori
inrange(99999999999999)))

使用next()内建函数访问生成器里的元素：

num =
(iforiinrange(5))

>>>
num

>>>>
next(num)

0

>>>
next(num)

1

>>>
for j in range(4):

...
print(next(num))

...

2

3

4

Traceback
(most recent call last):

File "",
line 2,in<</span>mole>

StopIteration

当访问到最后元素时，再调用next(),Python将会抛出StopIteration异常。Python正是根据是否检查到这个异常来决定是否停止迭代。

step1 =
someLongOperation1()step2 = someLongOperation2()step3 =
concatenate(step1, step2)

以上代码需要分别执行一二两步操作，第三步用到一二两步的结果，在Pyhton中会有序的执行这些函数：首先是someLongOperation1，然后someLongOperation2，最后concatenate，如果确保没有函数修改或依赖于全局变量，第一二步可以被并行执行。假设我们不想并行运行这两个函数，我们只在其他函数依赖于step1和step2时才需要执行这两个函数。我们甚至在concatenate调用之前都不必执行他们，可以把他们的求值延迟到concatenate函数内实际用到他们的位置。如果函数中用到了if分支语句，条件无关step1和step2则可以尽量将判断条件放前面以减少不必要的计算：

step1 =
someLongOperation1()

step2 =
someLongOperation2()ifcondition:

step3 =
concatenate(step1, step2)

换为：ifcondition:

step1 =
someLongOperation1()

step2 =
someLongOperation2()

step3 =
concatenate(step1, step2)

如果concatenate是一个带有条件分支的函数并且有的分支中只用了两个参数中的一个，另一个参数就永远没有必要被求值。

㈦ python的setdistance什么用

在Python set是基本数据类型的一种集合类型，它有可变集合(set())和不可变集合(frozenset)两种。

创建集合set、集合set添加、集合删除、交集、并集、差集培闷的操作都是非常实用的方法。

set 是一个无序的元素集合，支持并、交、差及对称差等数学运算， 但由于 set 不记录元素位置，因此不支持索引、分片等类序列的操作。

tuple算是list和str的杂合(杂交的都有自己的优势,上一节的末后已经显示了),那么set则可以堪称是list和dict的杂合.

set拥有类似dict的特点:可以用{}花括号来定义；其中的元素没有序列,也就是是非序列类型的数据;而且,set中的元素不可重复,这就类似dict的键.

set也有一点list的特点:有一种集合可以原处修改.

一：创建集合set：

python set类是在python的sets模块中，大家现在使用的python2.3中，不需要导入sets模块可以直接创建集合。

>>>set('boy')

set(['y', 'b', 'o'])

二：集合添加、删除

集合的添加有两种常用方法，分别是add和update。集合add方法：是把要传入的元素做为一个整个添加到集合中，例如：

>>> a = set('boy')

>>> a.add('python')

>>> a

set(['y', 'python', 'b', 'o'])

集合update方法：是把要传誉肆入的元素拆分，做为个体传入到集合中，例如：

>>> a = set('boy')

>>> a.update('python')

>>> a

set(['b', 'h', 'o', 'n', 'p', 't', 'y'])

集合删除操作方法：remove

set(['y', 'python', 'b', 'o'])

>>> a.remove('python')

>>> a

set(['y', 'b', 'o'])

set的常用方法

add, update

>>> help(set.add)

Help on method_descriptor:

add(...)

Add an element to a set.

This has no effect if the element is already present.

下面在交互模式这个最好的实验室里面做实验:

>>> a_set = {} #我想当然地认为这样也可以建立一个set

>>> a_set.add("qiwsir") #报错.看看错误信息,居然告诉我dict没有add.我分明建立的是set呀.

Traceback (most recent call last):

File "", line 1, in

AttributeError: 'dict' object has no attribute 'add'

>>> type(a_set) #type之后发现,计算机认为我建立的是一个dict

特别说明一下,{}这个东西,在dict和set中都用.但是,如上面的方法建立的是dict,不是set.这是python规定的.要建立set,只能用庆中轿前面介绍的方法了.

>>> a_set = {'a','i'} #这回就是set了吧

>>> type(a_set)

#果然

>>> a_set.add("qiwsir") #增加一个元素

>>> a_set #原处修改,即原来的a_set引用对象已经改变

set(['i', 'a', 'qiwsir'])

>>> b_set = set("python")

>>> type(b_set)

>>> b_set

set(['h', 'o', 'n', 'p', 't', 'y'])

>>> b_set.add("qiwsir")

>>> b_set

set(['h', 'o', 'n', 'p', 't', 'qiwsir', 'y'])

>>> b_set.add([1,2,3]) #报错.list是不可哈希的，集合中的元素应该是hashable类型。

Traceback (most recent call last):

File "", line 1, in

TypeError: unhashable type: 'list'

>>> b_set.add('[1,2,3]') #可以这样!

>>> b_set

set(['[1,2,3]', 'h', 'o', 'n', 'p', 't', 'qiwsir', 'y'])

除了上面的增加元素方法之外,还能够从另外一个set中合并过来元素,方法是set.update(s2)

>>> help(set.update)

update(...)

Update a set with the union of itself and others.

>>> s1

set(['a', 'b'])

>>> s2

set(['github', 'qiwsir'])

>>> s1.update(s2) #把s2的元素并入到s1中.

>>> s1 #s1的引用对象修改

set(['a', 'qiwsir', 'b', 'github'])

>>> s2 #s2的未变

set(['github', 'qiwsir'])

如果仅仅是这样的操作，容易误以为update方法的参数只能是集合。非也。看文档中的描述，这个方法的作用是用原有的集合自身和其它的什么东西构成的新集合更新原来的集合。这句话有点长，可以多读一遍。分解开来，可以理解为：others是指的作为参数的不可变对象，将它和原来的集合组成新的集合，用这个新集合替代原来的集合。举例：

>>> s2.update("goo")

>>> s2

set(['github', 'o', 'g', 'qiwsir'])

>>> s2.update((2,3))

>>> s2

set([2, 3, 'g', 'o', 'github', 'qiwsir'])

所以，文档的寓意还是比较深刻的。

pop, remove, discard, clear

>>> help(set.pop)

pop(...)

Remove and return an arbitrary set element.

Raises KeyError if the set is empty.

>>> b_set

set(['[1,2,3]', 'h', 'o', 'n', 'p', 't', 'qiwsir', 'y'])

>>> b_set.pop() #从set中任意选一个删除,并返回该值

'[1,2,3]'

>>> b_set.pop()

'h'

>>> b_set.pop()

'o'

>>> b_set

set(['n', 'p', 't', 'qiwsir', 'y'])

>>> b_set.pop("n") #如果要指定删除某个元素,报错了.

Traceback (most recent call last):

File "", line 1, in

TypeError: pop() takes no arguments (1 given)

set.pop()是从set中任意选一个元素,删除并将这个值返回.但是,不能指定删除某个元素.报错信息中就告诉我们了,pop()不能有参数.此外,如果set是空的了,也报错.这条是帮助信息告诉我们的,看官可以试试.要删除指定的元素,怎么办?

>>> help(set.remove)

remove(...)

Remove an element from a set; it must be a member.

If the element is not a member, raise a KeyError.

set.remove(obj)中的obj,必须是set中的元素,否则就报错.试一试:

>>> a_set

set(['i', 'a', 'qiwsir'])

>>> a_set.remove("i")

>>> a_set

set(['a', 'qiwsir'])

>>> a_set.remove("w")

Traceback (most recent call last):

File "", line 1, in

KeyError: 'w'

跟remove(obj)类似的还有一个discard(obj):

>>> help(set.discard)

discard(...)

Remove an element from a set if it is a member.

If the element is not a member, do nothing

与help(set.remove)的信息对比,看看有什么不同.discard(obj)中的obj如果是set中的元素,就删除,如果不是,就什么也不做,do nothing.新闻就要对比着看才有意思呢.这里也一样.

>>> a_set.discard('a')

>>> a_set

set(['qiwsir'])

>>> a_set.discard('b')

>>>

在删除上还有一个绝杀,就是set.clear(),它的功能是:Remove all elements from this set.(看官自己在交互模式下help(set.clear))

>>> a_set

set(['qiwsir'])

>>> a_set.clear()

>>> a_set

set([])

>>> bool(a_set) #空了,bool一下返回False.

㈧ 如何使用python 统计网站访问量并生成报表

统计网站访问量
统计出每个IP的访问量有多少？（从日志文件中查找）

#!/usr/bin/env python
#!coding=utf-8
list = []
f = file('/tmp/1.log')
str1 = f.readlines()
f.close()
for i in str1:
ip = i.split()[0] //split()通过指定分隔符对字符串进行切片，默认为所有的空字符；split分隔后是一个列表，[0]表示取其第一个元素；
list.append(ip)//追加
list_num = set(list)
for j in list_num:
num = list.count(j)
print '%s : %s' %(j,num)

生成报表
#_*_coding:utf-8_*_

import Mysqldb
import xlwt
from datetime import datetime

def get_data(sql):

# 创建数据库连接.
conn = MySQLdb.connect(host='127.0.0.1',user='root'\
,passwd='123456',db='test',port=3306,charset='utf8')
# 创建游标
cur = conn.cursor()
# 执行查询，
cur.execute(sql)
# 由于查询语句仅会返回受影响的记录条数并不会返回数据库中实际的值，所以此处需要fetchall()来获取所有内容。
result = cur.fetchall()
#关闭游标
cur.close()
#关闭数据库连接
conn.close
# 返给结果给函数调用者。
return result

def write_data_to_excel(name,sql):

# 将sql作为参数传递调用get_data并将结果赋值给result,(result为一个嵌套元组)
result = get_data(sql)
# 实例化一个Workbook()对象(即excel文件)
wbk = xlwt.Workbook()
# 新建一个名为Sheet1的excel sheet。此处的cell_overwrite_ok =True是为了能对同一个单元格重复操作。
sheet = wbk.add_sheet('Sheet1',cell_overwrite_ok=True)
# 获取当前日期，得到一个datetime对象如：(2016, 8, 9, 23, 12, 23, 424000)
today = datetime.today()
# 将获取到的datetime对象仅取日期如：2016-8-9
today_date = datetime.date(today)
# 遍历result中的没个元素。
for i in xrange(len(result)):
#对result的每个子元素作遍历，
for j in xrange(len(result[i])):
#将每一行的每个元素按行号i,列号j,写入到excel中。
sheet.write(i,j,result[i][j])
# 以传递的name+当前日期作为excel名称保存。
wbk.save(name+str(today_date)+'.xls')

# 如果该文件不是被import,则执行下面代码。
if __name__ == '__main__':
#定义一个字典，key为对应的数据类型也用作excel命名，value为查询语句
db_dict = {'test':'select * from student'}
# 遍历字典每个元素的key和value。
for k,v in db_dict.items():
# 用字典的每个key和value调用write_data_to_excel函数。
write_data_to_excel(k,v)

㈨ python class 内的 next()，last()，set() 写法

classSchele(calender):
def__init__(self,date,usage,owner):
self.usage=usage
self.owner=owner
#保存所有的日期
self._list=[date,]
self.current=date
defadd(self,date):
self._list.append(date)
#假定date对象是支持比较的
self._list.sort()
defset(self,date):
ifdatenotinself._list:
如早搜self.add(date)
self.current=date
def睁肢next(self):
渣历index=self._list.index(self.current)+1
ifindex>=len(self._list):
print"nonext"
else:
returnself._list[index]

last类似，略

㈩ python中ls【】【】是什么意思

‍

【CSDN 编者按】Python 风头正盛，未来一段时间内想必也会是热门编程语言之一。因此，熟练掌握 Python 对开发者来说极其重要，说不定能给作为开发者的你带来意想不到的财富。

作者 | Sebastian Opałczyński

编译 | 弯月 责编 | 张文

出品 | CSDN（ID：CSDNnews）

在本文中，我们来看一看日常工作中经常使用的一些 Python 小技巧。

集合

开发人员常常忘记 Python 也有集合数据类型，大家都喜欢使用列表处理一切。

集合（set）是什么？简单来说就是：集合是一组无序事物的汇集，不包含重复元素。

如果你熟练掌握集合及其逻辑，那么很多问题都可以迎刃而解。举个例子，如何获取一个单词中出现的字母？

myword = "NanananaBatman"set(myword){'N', 'm', 'n', 'B', 'a', 't'}

就这么简单，问题解决了，这个例子就来自 Python 的官方文档，大可不必过于惊讶。

再举一个例子，如何获取一个列表的各个元素，且不重复？

# first you can easily change set to list and other way aroundmylist = ["a", "b", "c","c"]# let's make a set out of itmyset = set(mylist)# myset will be:{'a', 'b', 'c'}# and, it's already iterable so you can do:for element in myset:print(element)# but you can also convert it to list again:mynewlist = list(myset)# and mynewlist will be:['a', 'b', 'c']

我们可以看到，“c”元素不再重复出现了。只有一个地方你需要注意，mylist 与 mynewlist 之间的元素顺序可能会有所不同：

mylist = ["c", "c", "a","b"]mynewlist = list(set(mylist))# mynewlist is:['a', 'b', 'c']

可以看出，两个列表的元素顺序不同。

下面，我们来进一步深入。

假设某些实体之间有一对多的关系，举个更加具体的例子：用户与权限。通常，一个用户可以拥有多个权限。现在假设某人想要修改多个权限，即同时添加和删除某些权限，应当如何解决这个问题？

# this is the set of permissions before change;original_permission_set = {"is_admin","can_post_entry", "can_edit_entry", "can_view_settings"}# this is new set of permissions;new_permission_set = {"can_edit_settings","is_member", "can_view_entry", "can_edit_entry"}# now permissions to add will be:new_permission_set.difference(original_permission_set)# which will result:{'can_edit_settings', 'can_view_entry', 'is_member'}# As you can see can_edit_entry is in both sets; so we do notneed# to worry about handling it# now permissions to remove will be:original_permission_set.difference(new_permission_set)# which will result:{'is_admin', 'can_view_settings', 'can_post_entry'}# and basically it's also true; we switched admin to member, andadd# more permission on settings; and removed the post_entrypermission

总的来说，不要害怕使用集合，它们能帮助你解决很多问题，更多详情，请参考 Python 官方文档。

日历

当开发与日期和时间有关的功能时，有些信息可能非常重要，比如某一年的这个月有多少天。这个问题看似简单，但是我相信日期和时间是一个非常有难度的话题，而且我觉得日历的实现问题非常多，简直就是噩梦，因为你需要考虑大量的极端情况。

那么，究竟如何才能找出某个月有多少天呢？

import calendarcalendar.monthrange(2020, 12)# will result:(1, 31)# BUT! you need to be careful here, why? Let's read thedocumentation:help(calendar.monthrange)# Help on function monthrange in mole calendar:# monthrange(year, month)# Return weekday (0-6~ Mon-Sun) and number of days (28-31) for# year, month.# As you can see the first value returned in tuple is a weekday,# not the number of the first day for a given month; let's try# to get the same for 2021calendar.monthrange(2021, 12)(2, 31)# So this basically means that the first day of December 2021 isWed# and the last day of December 2021 is 31 (which is obvious,cause# December always has 31 days)# let's play with Februarycalendar.monthrange(2021, 2)(0, 28)calendar.monthrange(2022, 2)(1, 28)calendar.monthrange(2023, 2)(2, 28)calendar.monthrange(2024, 2)(3, 29)calendar.monthrange(2025, 2)(5, 28)# as you can see it handled nicely the leap year;

某个月的第一天当然非常简单，就是 1 号。但是，“某个月的第一天是周X”，如何使用这条信息呢？你可以很容易地查到某一天是周几：

calendar.monthrange(2024, 2)(3, 29)# means that February 2024 starts on Thursday# let's define simple helper:weekdays = ["Monday", "Tuesday","Wednesday", "Thursday", "Friday","Saturday", "Sunday"]# now we can do something like:weekdays[3]# will result in:'Thursday'# now simple math to tell what day is 15th of February 2020:offset = 3 # it's thefirst value from monthrangefor day in range(1, 29):print(day,weekdays[(day + offset - 1) % 7])1 Thursday2 Friday3 Saturday4 Sunday...18 Sunday19 Monday20 Tuesday21 Wednesday22 Thursday23 Friday24 Saturday...28 Wednesday29 Thursday# which basically makes sense;

也许这段代码不适合直接用于生产，因为你可以使用 datetime 更容易地查找星期：

from datetime import datetimemydate = datetime(2024, 2, 15)datetime.weekday(mydate)# will result:3# or:datetime.strftime(mydate, "%A")'Thursday'

总的来说，日历模块有很多有意思的地方，值得慢慢学习：

# checking if year is leap:calendar.isleap(2021) #Falsecalendar.isleap(2024) #True# or checking how many days will be leap days for given yearspan:calendar.leapdays(2021, 2026) # 1calendar.leapdays(2020, 2026) # 2# read the help here, as range is: [y1, y2), meaning that second# year is not included;calendar.leapdays(2020, 2024) # 1
枚举有第二个参数

是的，枚举有第二个参数，可能很多有经验的开发人员都不知道。下面我们来看一个例子：

mylist = ['a', 'b', 'd', 'c', 'g', 'e']for i, item in enumerate(mylist):print(i, item)# Will give:0 a1 b2 d3 c4 g5 e# but, you can add a start for enumeration:for i, item in enumerate(mylist, 16):print(i, item)# and now you will get:16 a17 b18 d19 c20 g21 e

第二个参数可以指定枚举开始的地方，比如上述代码中的 enumerate(mylist,16)。如果你需要处理偏移量，则可以考虑这个参数。

if-else 逻辑

你经常需要根据不同的条件，处理不同的逻辑，经验不足的开发人员可能会编写出类似下面的代码：

OPEN = 1IN_PROGRESS = 2CLOSED = 3def handle_open_status():print('Handling openstatus')def handle_in_progress_status():print('Handling inprogress status')def handle_closed_status():print('Handling closedstatus')def handle_status_change(status):if status == OPEN:handle_open_status()elif status ==IN_PROGRESS:handle_in_progress_status()elif status == CLOSED:handle_closed_status()handle_status_change(1) #Handling open statushandle_status_change(2) #Handling in progress statushandle_status_change(3) #Handling closed status

虽然这段代码看上去也没有那么糟，但是如果有 20 多个条件呢？

那么，究竟应该怎样处理呢？

from enum import IntEnumclass StatusE(IntEnum):OPEN = 1IN_PROGRESS = 2CLOSED = 3def handle_open_status():print('Handling openstatus')def handle_in_progress_status():print('Handling inprogress status')def handle_closed_status():print('Handling closedstatus')handlers = {StatusE.OPEN.value:handle_open_status,StatusE.IN_PROGRESS.value: handle_in_progress_status,StatusE.CLOSED.value:handle_closed_status}def handle_status_change(status):if status not inhandlers:raiseException(f'No handler found for status: {status}')handler =handlers[status]handler()handle_status_change(StatusE.OPEN.value) # Handling open statushandle_status_change(StatusE.IN_PROGRESS.value) # Handling in progress statushandle_status_change(StatusE.CLOSED.value) # Handling closed statushandle_status_change(4) #Will raise the exception

在 Python 中这种模式很常见，它可以让代码看起来更加整洁，尤其是当方法非常庞大，而且需要处理大量条件时。

enum 模块

enum 模块提供了一系列处理枚举的工具函数，最有意思的是 Enum 和 IntEnum。我们来看个例子：

from enum import Enum, IntEnum, Flag, IntFlagclass MyEnum(Enum):FIRST ="first"SECOND ="second"THIRD ="third"class MyIntEnum(IntEnum):ONE = 1TWO = 2THREE = 3# Now we can do things like:MyEnum.FIRST ## it has value and name attributes, which are handy:MyEnum.FIRST.value #'first'MyEnum.FIRST.name #'FIRST'# additionally we can do things like:MyEnum('first') #, get enum by valueMyEnum['FIRST'] #, get enum by name

使用 IntEnum 编写的代码也差不多，但是有几个不同之处：

MyEnum.FIRST == "first" # False# butMyIntEnum.ONE == 1 # True# to make first example to work:MyEnum.FIRST.value == "first" # True

在中等规模的代码库中，enum 模块在管理常量方面可以提供很大的帮助。

enum 的本地化可能有点棘手，但也可以实现，我用django快速演示一下：

from enum import Enumfrom django.utils.translation import gettext_lazy as _class MyEnum(Enum):FIRST ="first"SECOND ="second"THIRD ="third"@classmethoddef choices(cls):return [(cls.FIRST.value, _('first')),(cls.SECOND.value, _('second')),(cls.THIRD.value, _('third'))# And later in eg. model definiton:some_field = models.CharField(max_length=10,choices=MyEnum.choices())

iPython

iPython 就是交互式 Python，它是一个交互式的命令行 shell，有点像 Python 解释器。

首先，你需要安装 iPython：

pip install ipython

接下来，你只需要在输入命令的时候，将 Python 换成 ipython：

# you should see something like this after you start:Python 3.8.5 (default, Jul 28 2020, 12:59:40)Type 'right', 'credits' or 'license' for more informationIPython 7.18.1 -- An enhanced Interactive Python. Type '?' forhelp.In [1]:

ipython 支持很多系统命令，比如 ls 或 cat，tab 键可以显示提示，而且你还可以使用上下键查找前面用过的命令。更多具体信息，请参见官方文档。

参考链接：https://levelup.gitconnected.com/python-tricks-i-can-not-live-without-87ae6aff3af8