网站整站程序,哪里网站用vue.js做的,怎么做自己的博客网站,好公司的网站设计分页查找#5.随意写一个20行以上的文件(divmod)# 运行程序#xff0c;先将内容读到内存中#xff0c;用列表存储。# l []# 提示#xff1a;一共有多少页# 接收用户输入页码#xff0c;每页5条#xff0c;仅输出当页的内容def read_page(bk_list,n,endlineNone):startline …分页查找#5.随意写一个20行以上的文件(divmod)# 运行程序先将内容读到内存中用列表存储。# l []# 提示一共有多少页# 接收用户输入页码每页5条仅输出当页的内容def read_page(bk_list,n,endlineNone):startline 5 * (n-1)endline endlinestartline-1 if endline else startline 4# print(startline,endline)for i in range(startline,endline1):print(bk_list[i],end )def read_book(filename):f open(filename)book_list f.readlines()f.close()return book_listbook_list read_book(tmp_file)line_num len(book_list)x,y divmod(line_num,5)print(line_num,x,y)# if y:# page x1# else:# page xpage x1 if y else xprint(一共有%s页%page)while True:page_num input(请输入您要阅读的页码 ).strip()if page_num.isdigit():page_num int(page_num)if page_num page:read_page(book_list,page_num)elif page_num page:read_page(book_list,page_num,y)else:print(您输入的内容有误)一、可迭代对象可以将某个数据集内的数据“一个挨着一个的取出来”就叫做迭代。可迭代协议假如我们自己写了一个数据类型希望这个数据类型里的东西也可以使用for被一个一个的取出来那我们就必须满足for的要求。这个要求就叫做“协议”。可以被迭代要满足的要求就叫做可迭代协议。可迭代协议的定义非常简单就是内部实现了__iter__方法。可以被for循环的都是可迭代的要想可迭代内部必须有一个__iter__方法。l [1,2,3,4,5]s {1,2,3,4}#索引#for# for i in l:# print(i)# for i in 50:# print(i)#iterable 可迭代的#迭代#str#列表#tuple#set#dict#可迭代的 ——对应的标志 __iter__# print(__iter__ in dir([1,2,3])) #判断一个变量是不是一个可迭代的二、迭代器接着分析__iter__方法做了什么事情呢print([1,2].__iter__())结果#可迭代协议l [1,2,3,4,5]# for i in l:# print(i)# print(iter(l)) #内置函数l.__iter__()#iterator #迭代器#iterator iterablel_iterator iter(l)# print(set(dir(l_iterator))-set(dir(l)))#__next__# iter({1,2,3})迭代器协议既什么叫“可迭代”之后又一个历史新难题什么叫“迭代器”虽然我们不知道什么叫迭代器但是我们现在已经有一个迭代器了这个迭代器是一个列表的迭代器。我们来看看这个列表的迭代器比起列表来说实现了哪些新方法这样就能揭开迭代器的神秘面纱了吧可迭代协议——凡是可迭代的内部都有一个__iter__方法迭代器里既有iter方法又有next方法 ——迭代器协议通过iter(o)得到的结果就是一个迭代器dir([1,2].__iter__())是列表迭代器中实现的所有方法dir([1,2])是列表中实现的所有方法,都是以列表的形式返回给我们的为了看的更清楚我们分别把他们转换成集合然后取差集。#print(dir([1,2].__iter__()))#print(dir([1,2]))print(set(dir([1,2].__iter__()))-set(dir([1,2])))结果{__length_hint__, __next__, __setstate__}我们看到在列表迭代器中多了三个方法那么这三个方法都分别做了什么事呢iter_l [1,2,3,4,5,6].__iter__()#获取迭代器中元素的长度print(iter_l.__length_hint__())#根据索引值指定从哪里开始迭代print(*,iter_l.__setstate__(4))#一个一个的取值print(**,iter_l.__next__())print(***,iter_l.__next__())在for循环中就是在内部调用了__next__方法才能取到一个一个的值。那接下来我们就用迭代器的next方法来写一个不依赖for的遍历。l[1,2,8,1,9,4]l_iteratoriter(l)print(l_iterator.__next__())print(l_iterator.__next__())while True:try:print(next(l_iterator))except:break判断是否是迭代器 和 可迭代对象的简便方法#迭代器 大部分都是在python的内部去使用的我们直接拿来用就行了#迭代器内置__iter__和__next__方法from collections import Iterablefrom collections import Iterator#判断是否是迭代器 和 可迭代对象的简便方法# s abc# print(isinstance(s,Iterable))# print(isinstance(s,Iterator))# print(isinstance(iter(s),Iterator))map_o map(abs,[1,2,-3,4])#map_o [1,2,3,4]print(isinstance(map_o,Iterable))print(isinstance(map_o,Iterator))range()#不管是一个迭代器还是一个可迭代对象都可以使用for循环遍历#迭代器出现的原因 帮你节省内存from collections import Iterablefrom collections import Iteratora range(100)print(isinstance(a,Iterable))print(isinstance(a,Iterator))为什么要有for循环基于上面讲的列表这一大堆遍历方式聪明的你立马看除了端倪于是你不知死活大声喊道你这不逗我玩呢么有了下标的访问方式我可以这样遍历一个列表啊l[1,2,3]index0while index len(l):print(l[index])index1#要毛线for循环要毛线可迭代要毛线迭代器for循环就是基于迭代器协议提供了一个统一的可以遍历所有对象的方法即在遍历之前先调用对象的__iter__方法将其转换成一个迭代器然后使用迭代器协议去实现循环访问这样所有的对象就都可以通过for循环来遍历了#可迭代协议 : 内部实现了__iter__方法#迭代器协议 : 内部实现了__iter__ __next__方法#可迭代和迭代器的不同点 : 迭代器多实现了一个__next__方法#可迭代和迭代器的相同点 : 都可以用for循环#判断迭代器和可迭代的方法#第一种判断内部是不是实现了 __next__#__next__ in dir(o)#第二种# from collections import Iterable #可迭代# from collections import Iterator #迭代器# isinstance(o,Iterable)# isinstance(o,Iterator)#迭代器的特点#可以用for循环#可以节省内存#你只能用一次 l [1,2,3,4]初识生成器我们知道的迭代器有两种一种是调用方法直接返回的一种是可迭代对象通过执行iter方法得到的迭代器有的好处是可以节省内存。如果在某些情况下我们也需要节省内存,就只能自己写。我们自己写的这个能实现迭代器功能的东西就叫生成器。Python中提供的生成器1.生成器函数常规函数定义但是使用yield语句而不是return语句返回结果。yield语句一次返回一个结果在每个结果中间挂起函数的状态以便下次重它离开的地方继续执行2.生成器表达式类似于列表推导但是生成器返回按需产生结果的一个对象而不是一次构建一个结果列表生成器Generator本质迭代器(所以自带了__iter__方法和__next__方法不需要我们去实现)特点惰性运算,开发者自定义生成器函数一个包含yield关键字的函数就是一个生成器函数。yield可以为我们从函数中返回值但是yield又不同于returnreturn的执行意味着程序的结束调用生成器函数不会得到返回的具体的值而是得到一个可迭代的对象。每一次获取这个可迭代对象的值就能推动函数的执行获取新的返回值。直到函数执行结束。import timedef genrator_fun1():a 1print(现在定义了a变量)yield ab 2print(现在又定义了b变量)yield bg1 genrator_fun1()print(g1 : ,g1) #打印g1可以发现g1就是一个生成器print(-*20) #我是华丽的分割线print(next(g1))time.sleep(1) #sleep一秒看清执行过程print(next(g1))生成器有什么好处呢就是不会一下子在内存中生成太多数据假如我想让工厂给学生做校服生产2000000件衣服我和工厂一说工厂应该是先答应下来然后再去生产我可以一件一件的要也可以根据学生一批一批的找工厂拿。而不能是一说要生产2000000件衣服工厂就先去做生产2000000件衣服等回来做好了学生都毕业了。。。初识生成器二def produce():生产衣服for i in range(2000000):yield 生产了第%s件衣服%iproduct_g produce()print(product_g.__next__()) #要一件衣服print(product_g.__next__()) #再要一件衣服print(product_g.__next__()) #再要一件衣服num 0for i in product_g: #要一批衣服比如5件print(i)num 1if num 5:break#到这里我们找工厂拿了8件衣服我一共让我的生产函数(也就是produce生成器函数)生产2000000件衣服。#剩下的还有很多衣服我们可以一直拿也可以放着等想拿的时候再拿读取文件import timedef tail(filename):f open(filename)f.seek(0, 2) #从文件末尾算起while True:line f.readline() # 读取文件中新的文本行if not line:time.sleep(0.1)continueyield linetail_g tail(tmp)for line in tail_g:print(line)计算移动平均值‘#计算移动平均值#7日平均年化收益#10,12,11 (101211)/3#total 10 12 11#day 1 1 1#avg 10/1 22/2 33/3# 10 11 11def averager():total 0day 0avrage 0while True:day_num yield avrage #return avragetotal day_numday 1avrage total/day# avg averager()# num next(avg) #激活生成器 avg.send(),什么都不send和next效果一样# print(avg.send(10)) #传值 next# print(avg.send(20))__author__ Administratordef wapper(fun):def inner(*args,**kwargs):gfun(*args,**kwargs)next(g)return greturn innerwapperdef aa():day0total0avrage 0while True:day_numyield avragetotalday_numday1avragetotal/daygaa()print(g.send(20))yield from# __author__ Administrator# def fun():# for i in ab:# yield i# print(....)# yield 1## aafun()# while True:# try:# print(next(aa))# except:# break# print(next(aa))def fun():yield from abcyield from [1,2,4,5]aafun()print(next(aa))print(aa.__next__())print(next(aa))print(aa.__next__())while True:try:print(next(aa))except:breakn yield r //yield,放弃本函数的执行同时把r的值返回给调用者send()。 n的值就是send(n)的参数值r c.send(n) //r的值就是yield的参数值。next()让包含yield的函数(Generator)执行next()和send()在一定意义上作用是相似的区别是send()可以传递值给yield表达式而next()不能传递特定的值只能传递None进去。因此我们可以看做c.next() 和 c.send(None) 作用是一样的。第一次调用时请使用next()语句或是send(None)不能使用send发送一个非None的值否则会出错的因为没有yield语句来接收这个值。123456def x():print bai weim yield 5print md yield 12print reach here c x()c.next() //启动generatorc.next() //给yield表达式传一个None值输出bai weiNonec x()c.next() /启动generator,运行到第一个yield处停止c.send(hi) //从停止的yield处继续运行并把值hi传过去输出bai weihic x()c.send(hi) //出错generator还没启动输出Traceback (most recent call last):File yield.py, line 36, in c.send(hi)TypeError: cant send non-None value to a just-started generator5. send(msg) 与 next()的返回值send(msg) 和 next()是有返回值的它们的返回值很特殊返回的是下一个yield表达式的参数。比如yield 5则返回 5 。到这里是不是明白了一些什么东西本文第一个例子中通过for i in alist 遍历 Generator其实是每次都调用了alist.Next()而每次alist.Next()的返回值正是yield的参数即我们开始认为被压进去的东东。我们再延续上面的例子def h():print Wen Chuan,m yield 5print md yield 12print We are together!c h()m c.next() #m 获取了yield 5 的参数值 5d c.send(Fighting!) #d 获取了yield 12 的参数值12print We will never forget the date, m, ., d输出结果Wen Chuan Fighting!We will never forget the date 5 . 12列表推导式和生成器表达式#老男孩由于峰哥的强势加盟很快走上了上市之路,alex思来想去决定下几个鸡蛋来报答峰哥egg_list[鸡蛋%s %i for i in range(10)] #列表解析#峰哥瞅着alex下的一筐鸡蛋,捂住了鼻子,说了句:哥,你还是给我只母鸡吧,我自己回家下laomuji(鸡蛋%s %i for i in range(10))#生成器表达式print(laomuji)print(next(laomuji)) #next本质就是调用__next__print(laomuji.__next__())print(next(laomuji))# for i in range(100):# print(i*i)# l [i*i for i in range(100)]# print(l)# l [{name:v,age:28},{name:v}]# name_list [dic[name] for dic in l]# print(name_list)# l [{name:v1,age:28},{name:v2}]# name_list_generator (dic[name] for dic in l)# print(name_list_generator)# print(next(name_list_generator))# print(next(name_list_generator))# egg_list[鸡蛋%s %i for i in range(10)]# print(egg_list)# laomuji (鸡蛋%s %i for i in range(1,11))# print(laomuji)# print(next(laomuji))# print(next(laomuji))# print(sum([1,2,3]))# print(sum(range(1,4)))def func():# yield from ABCfor i in ABC:yield i# g func()# print(next(g))# print(next(g))for i in range(10):print(i)[i for i in range(10)]a 10b20if a b :print(a)else:print(b)a if ab else b一、复习迭代器拥有__iter__,__next__;怎样从迭代器中取值:_next 和 for生成器自己定义一个能实现迭代器功能的函数就是生成器生成器函数带yield的函数调用生成器函数不会执行函数中的任何功能只是返回一个生成器调用next、时才执行函数中内容遇到yield停止并返回yield的值send方法就是向函数中传值把值赋给yield对应的变量同时还执行next方法一个要用send方法的生成器函数中至少要有两个yield、一个生成器函数中有多少个yield就可以调用多少个(nextsend)方法、生成器的激活只能用next方法#2.生成器表达式#new_g (i*i for i in range(100)) #new_g是一个生成器表达式二、作业读文件找带关键字的行# 3.处理文件用户指定要查找的文件和内容# 将文件中包含要查找内容的每一行都输出到屏幕def read(fname,str):with open(fname,encodingutf-8)as f:lf.readlines();for i in l:if str in i:yield iaaread(1,奥特曼)for i in aa:print(i)、进阶版本__author__ Administratordef init(fun):def inner(*args,**kwargs):gfun(*args,**kwargs)next(g)return greturn innerinitdef read(g_read_line):while True:fnameyieldstryieldwith open(fname,encodingutf-8)as f:lf.readlines()for line in l:if str in line:g_read_line.send(line)initdef read_line():while True:lineyieldif line:print(line)g_readread(read_line())g_read.send(1)g_read.send(奥特曼)列表推倒式和生成器表达式new_l []for i in range(100):new_l.append(i*i)#list(range(100))new_l [i*i for i in range(100)]new_l (i*i for i in range(100)) #生成器表达式生成器相关面试题# def demo():# for i in range(4):# yield i# gdemo()# g1(i for i in g)# g2(i for i in g1)# print(list(g2))# print(list(g1))def add(n,i):return nidef test():for i in range(4):yield igtest()for n in [1,10]:g(add(n,i) for i in g)# # g(add(n,i) for i in g)# n 10# g(add(n,i) for i in (add(n,i) for i in g))# print(list(g))# for i in [1,2]:# pass## print(i)import osdef init(func): #预激活生成器的一个装饰器def wrapper(*args,**kwargs):gfunc(*args,**kwargs) #func是一个生成器函数返回的g是一个生成器next(g) #预激活生成器return g #返回激活后的生成器greturn wrapperinit #list_files init(list_files) wrapperdef list_files(target): #target opener_gwhile 1:dir_to_searchyieldfor top_dir,dir,files in os.walk(dir_to_search): #os.walk (路径文件夹文件)for file in files: #从文件列表中获取一个一个的文件target.send(os.path.join(top_dir,file)) #把文件的绝对路径传给了opener_ginit #opener init(opener) wrapperdef opener(target): #target cat_gwhile 1:fileyield #拿到了一个文件的路径fnopen(file,encodingutf-8) #打开文件获取了一个文件句柄target.send((file,fn)) #cat_g发送了一个文件的路径和句柄init #cat init(cat) wrapperdef cat(target): #target grep_gwhile 1:file,fnyield #文件路径和文件的句柄for line in fn:target.send((file,line)) #文件路径文件中的一行init #grep init(grep) wrapperdef grep(pattern,target): #要搜索的关键字printer_glst []while 1:file,lineyield #文件的路径和每一行if pattern in line and file not in lst: #判断关键字是否在当前行lst.append(file)target.send(file) #printer_g.send文件路径init #printer init(printer) wrapperdef printer():while 1:fileyield #获取一个文件路径if file:print(file) #打印文件的路径文件里包含了要搜索的关键字glist_files(opener(cat(grep(python,printer()))))# glist_files(opener(cat(grep(python,printer_g))))# glist_files(opener(cat(grep_g)))# glist_files(opener(catg)))# glist_files(opener_g)g.send(D:\Python代码文件存放目录\S6\day18)#用户给一个路径和关键字#可以从一个文件路径中找到所有包含关键字的文件二、匿名函数、匿名函数 简单的需要用函数去解决的问题 匿名函数的函数体 只有一行也叫lambda表达式# cal2 lambda n : n*n# ret cal2(20)# print(ret)# def add(x,y):return xy# add2 lambda x,y : xy# ret add2(1,2)# print(ret)print(max(dic))func lambda k:dic[k]print(max(dic,key func))print(max(dic,keylambda k:dic[k]))l [1,2,3,4]dlambda x:x*xprint(list(map(d,l)))l [10,11,8,12]# def func(x):# return x10# print(list(filter(func,l)))# print(list(filter(lambda x:x10,l)))#现有两个元组((a),(b)),((c),(d))请使用python中匿名函数生成列表[{a:c},{b:d}]t1 ((a),(b))t2 ((c),(d))print(list(zip(t1,t2)))clambda t:{t[0]:t[1]}dmap(c,zip(t1,t2))print (list(d))dlist(map(lambda z:{z[0],z[1]},zip(t1,t2)))print(d)l[i for i in range(100) if i%30]print(l)print(len(l))# names [[Tom, Billy, Jefferson, Andrew, Wesley, Steven, Joe],# [Alice, Jill, Ana, Wendy, Jennifer, Sherry, Eva]]# print([name for lst in names for name in lst if name.count(e) 2])mcase {a: 10, b: 34}for i in mcase:print(i)[i for i in mcase]print({key:key1 for key in mcase})print({key:mcase[key] for key in mcase})print({mcase[key]:key for key in mcase})mcase {a: 10, b: 34, A: 7, Z: 3}mcase_frequency {k.lower(): mcase.get(k.lower(), 0) mcase.get(k.upper(), 0) for k in mcase}print(mcase_frequency)
