所以這篇文章，我們先來回顧和總結Python數(shù)據(jù)結構里常用操作。Python中常見的數(shù)據(jù)結構可以統(tǒng)稱為容器（container）。序列（如列表和元組）、映射（如字典）以及集合（set）是三類主要的容器。而扁平序列如str、bytes、bytearray、memoryview 和 array.array等不在這篇文章的討論范圍內。
成都創(chuàng)新互聯(lián)長期為近千家客戶提供的網(wǎng)站建設服務，團隊從業(yè)經(jīng)驗10年，關注不同地域、不同群體，并針對不同對象提供差異化的產(chǎn)品和服務；打造開放共贏平臺，與合作伙伴共同營造健康的互聯(lián)網(wǎng)生態(tài)環(huán)境。為鹿泉企業(yè)提供專業(yè)的做網(wǎng)站、網(wǎng)站制作，鹿泉網(wǎng)站改版等技術服務。擁有十載豐富建站經(jīng)驗和眾多成功案例,為您定制開發(fā)。
在此，我們先從元組開始說起。
元組區(qū)別于列表的顯著特征之一就是它不能被修改，但其另外一個作用就是 用于沒有字段名的記錄 [1] 。因為后者經(jīng)常被忽略，我們先來看看元組作為記錄的作用。
使用括號就可以定義一個元組。元組中的每個元素都存放了記錄中一個字段的數(shù)據(jù)，外加這個字段的位置。正是這個位置信息給數(shù)據(jù)賦予了意義。下面的例子中，元組就被當作記錄加以利用：
輸出為：
上述for循環(huán)中的操作提取了元組中的元素，也叫作拆包（unpacking）。平行賦值是對元組拆包很好的應用，示例如下：
還有一個經(jīng)典而優(yōu)雅的應用是交換變量的值：
用 * 運算符把一個可迭代對象拆開作為函數(shù)的參數(shù)，例如Python的內置函數(shù)pmod接收兩個數(shù)字類型的參數(shù)，返回商和余數(shù)。以下范例將使用 * 將元組傳入函數(shù)。
輸出為：
有些函數(shù)有多個返回值，將其賦給一個變量時，變量類型即是元組：
輸出為：
zip是Python的內置函數(shù)，能夠接收兩個或多個序列，并組成一個元組列表，在Python3中會返回一個迭代器，如下所示：
輸出為：
元組當然也支持一些常規(guī)操作，如對于元組 a = (1, 'y', 5, 5, 'x') ：
上述內容不僅涵蓋了元組的基本操作，同時也結合了實際工作中常搭配使用的其他函數(shù)、運算符等。在回顧這些知識時主要參考了兩本經(jīng)典的Python編程書籍：《流暢的Python》和《像計算機科學家一樣思考Python》，有興趣的朋友可以深入閱讀！
希望這篇文章對你有幫助，下回將總結Python列表的使用技巧。
[1]《流暢的Python》:
python中l(wèi)en()的用法：
新建一個len()函數(shù)的使用py，中文編碼聲明注釋：#coding=gbk，函數(shù)：len()作用：返回字符串、列表、字典、元組等長度。語法：len(str)。參數(shù)：str：要計算的字符串、列表、字典、元組等。返回值：字符串、列表、字典、元組等元素的長度。
實例：
1、計算字符串的長度。
2、計算列表的元素個數(shù)。
3、計算字典的總長度，即鍵值對總數(shù)。
4、計算元組元素個數(shù)。
在Python中，要知道一個字符串有多少個字符，以獲得字符串的長度，或者一個字符串需要多少字節(jié)，可以使用len函數(shù)。
魔法方法 (Magic Methods) 是Python中的內置函數(shù)，一般以雙下劃線開頭和結尾，例如__ init__ 、 __del__ 等。之所以稱之為魔法方法，是因為這些方法會在進行特定的操作時會自動被調用。
在Python中，可以通過dir()方法來查看某個對象的所有方法和屬性，其中雙下劃線開頭和結尾的就是該對象的魔法方法。以字符串對象為例：
可以看到字符串對象有 __add__ 方法，所以在Python中可以直接對字符串對象使用"+"操作，當Python識別到"+"操作時，就會調用該對象的 __add__ 方法。有需要時我們可以在自己的類中重寫 __add__ 方法來完成自己想要的效果。
我們重寫了 __add__ 方法，當Python識別"+"操作時，會自動調用重寫后的 __add__ 方法?？梢钥吹剑Хǚ椒ㄔ陬惢驅ο蟮哪承┦录霭l(fā)后會自動執(zhí)行，如果希望根據(jù)自己的程序定制特殊功能的類，那么就需要對這些方法進行重寫。使用魔法方法，我們可以非常方便地給類添加特殊的功能。
1、構造與初始化
__ new __ 、 __ init __ 這兩個魔法方法常用于對類的初始化操作。上面我們創(chuàng)建a1 = A("hello")時，但首先調用的是 __ new __ ;初始化一個類分為兩步:
a.調用該類的new方法，返回該類的實例對象
b.調用該類的init方法，對實例對象進行初始化。
__new__ (cls, *args, **kwargs)至少需要一個cls參數(shù)，代表傳入的類。后面兩個參數(shù)傳遞給 __ init __ 。在 __ new __ 可以決定是否繼續(xù)調用 __ init __ 方法，只有當 __ new __ 返回了當前類cls的實例，才會接著調用 __ init __ 。結合 __ new __ 方法的特性，我們可以通過重寫 __ new __ 方法實現(xiàn)Python的單例模式：
可以看到雖然創(chuàng)建了兩個對象，但兩個對象的地址相同。
2、控制屬性訪問這類魔法
方法主要對對象的屬性進行訪問、定義、修改時起作用。主要有：
__getattr__(self, name): 定義當用戶試圖獲取一個屬性時的行為。
__getattribute__(self, name)：定義當該類的屬性被訪問時的行為（先調用該方法，查看是否存在該屬性，若不存在，接著去調用getattr）。
__setattr__(self, name, value)：定義當一個屬性被設置時的行為。
當初始化屬性時如self.a=a時或修改實例屬性如ins.a=1時本質時調用魔法方法self. __ setattr __ (name,values)；當實例訪問某個屬性如ins.a本質是調用魔法方法a. __ getattr __ (name)
3、容器類操作
有一些方法可以讓我們自己定義自己的容器，就像Python內置的List,Tuple,Dict等等；容器分為可變容器和不可變容器。
如果自定義一個不可變容器的話，只能定義__ len__ 和__ getitem__ ；定義一個可變容器除了不可變容器的所有魔法方法，還需要定義__ setitem__ 和__ delitem__ ；如果容器可迭代。還需要定義__ iter __。
__len__(self):返回容器的長度
__getitem__(self,key):當需要執(zhí)行self[key]的方式去調用容器中的對象，調用的是該方法
__setitem__(self,key,value):當需要執(zhí)行self[key] = value時，調用的是該方法
__iter__(self):當容器可以執(zhí)行 for x in container:，或者使用iter(container)時，需要定義該方法
下面舉一個例子，實現(xiàn)一個容器，該容器有List的一般功能，同時增加一些其它功能如訪問第一個元素，最后一個元素,記錄每個元素被訪問的次數(shù)等。
這類方法的使用場景主要在你需要定義一個滿足需求的容器類數(shù)據(jù)結構時會用到，比如可以嘗試自定義實現(xiàn)樹結構、鏈表等數(shù)據(jù)結構（在collections中均已有），或者項目中需要定制的一些容器類型。
魔法方法在Python代碼中能夠簡化代碼，提高代碼可讀性，在常見的Python第三方庫中可以看到很多對于魔法方法的運用。
因此當前這篇文章僅是拋磚引玉，真正的使用需要在開源的優(yōu)秀源碼中以及自身的工程實踐中不斷加深理解并合適應用。
一些小提示和小技巧可能是非常有用的，特別是在編程領域。有時候使用一點點黑客技術，既可以節(jié)省時間，還可能挽救“生命”。
一個小小的快捷方式或附加組件有時真是天賜之物，并且可以成為真正的生產(chǎn)力助推器。所以，這里有一些小提示和小技巧，有些可能是新的，但我相信在下一個數(shù)據(jù)分析項目中會讓你非常方便。
Pandas中數(shù)據(jù)框數(shù)據(jù)的Profiling過程
Profiling（分析器）是一個幫助我們理解數(shù)據(jù)的過程，而Pandas Profiling是一個Python包，它可以簡單快速地對Pandas 的數(shù)據(jù)框數(shù)據(jù)進行 探索 性數(shù)據(jù)分析。
Pandas中df.describe()和df.info()函數(shù)可以實現(xiàn)EDA過程第一步。但是，它們只提供了對數(shù)據(jù)非?；镜母攀觯瑢τ诖笮蛿?shù)據(jù)集沒有太大幫助。 而Pandas中的Profiling功能簡單通過一行代碼就能顯示大量信息，且在交互式HTML報告中也是如此。
對于給定的數(shù)據(jù)集，Pandas中的profiling包計算了以下統(tǒng)計信息：
由Pandas Profiling包計算出的統(tǒng)計信息包括直方圖、眾數(shù)、相關系數(shù)、分位數(shù)、描述統(tǒng)計量、其他信息——類型、單一變量值、缺失值等。
安裝
用pip安裝或者用conda安裝
pip install pandas-profiling
conda install -c anaconda pandas-profiling
用法
下面代碼是用很久以前的泰坦尼克數(shù)據(jù)集來演示多功能Python分析器的結果。
#importing the necessary packages
import pandas as pd
import pandas_profiling
df = pd.read_csv('titanic/train.csv')
pandas_profiling.ProfileReport(df)
一行代碼就能實現(xiàn)在Jupyter Notebook中顯示完整的數(shù)據(jù)分析報告，該報告非常詳細，且包含了必要的圖表信息。
還可以使用以下代碼將報告導出到交互式HTML文件中。
profile = pandas_profiling.ProfileReport(df)
profile.to_file(outputfile="Titanic data profiling.html")
Pandas實現(xiàn)交互式作圖
Pandas有一個內置的.plot（）函數(shù)作為DataFrame類的一部分。但是，使用此功能呈現(xiàn)的可視化不是交互式的，這使得它沒那么吸引人。同樣，使用pandas.DataFrame.plot（）函數(shù)繪制圖表也不能實現(xiàn)交互。 如果我們需要在不對代碼進行重大修改的情況下用Pandas繪制交互式圖表怎么辦呢？這個時候就可以用Cufflinks庫來實現(xiàn)。
Cufflinks庫可以將有強大功能的plotly和擁有靈活性的pandas結合在一起，非常便于繪圖。下面就來看在pandas中如何安裝和使用Cufflinks庫。
安裝
pip install plotly
# Plotly is a pre-requisite before installing cufflinks
pip install cufflinks
用法
#importing Pandas
import pandas as pd
#importing plotly and cufflinks in offline mode
import cufflinks as cf
import plotly.offline
cf.go_offline()
cf.set_config_file(offline=False, world_readable=True)
是時候展示泰坦尼克號數(shù)據(jù)集的魔力了。
df.iplot()
df.iplot() vs df.plot()
右側的可視化顯示了靜態(tài)圖表，而左側圖表是交互式的，更詳細，并且所有這些在語法上都沒有任何重大更改。
Magic命令
Magic命令是Jupyter notebook中的一組便捷功能，旨在解決標準數(shù)據(jù)分析中的一些常見問題。使用命令％lsmagic可以看到所有的可用命令。
所有可用的Magic命令列表
Magic命令有兩種：行magic命令（line magics），以單個％字符為前綴，在單行輸入操作；單元magic命令（cell magics），以雙%%字符為前綴，可以在多行輸入操作。如果設置為1，則不用鍵入%即可調用Magic函數(shù)。
接下來看一些在常見數(shù)據(jù)分析任務中可能用到的命令：
% pastebin
％pastebin將代碼上傳到Pastebin并返回url。Pastebin是一個在線內容托管服務，可以存儲純文本，如源代碼片段，然后通過url可以與其他人共享。事實上，Github gist也類似于pastebin，只是有版本控制。
在file.py文件中寫一個包含以下內容的python腳本，并試著運行看看結果。
#file.py
def foo(x):
return x
在Jupyter Notebook中使用％pastebin生成一個pastebin url。
%matplotlib notebook
函數(shù)用于在Jupyter notebook中呈現(xiàn)靜態(tài)matplotlib圖。用notebook替換inline，可以輕松獲得可縮放和可調整大小的繪圖。但記得這個函數(shù)要在導入matplotlib庫之前調用。
%run
用％run函數(shù)在notebook中運行一個python腳本試試。
%run file.py
%%writefile
%% writefile是將單元格內容寫入文件中。以下代碼將腳本寫入名為foo.py的文件并保存在當前目錄中。
%%latex
%%latex函數(shù)將單元格內容以LaTeX形式呈現(xiàn)。此函數(shù)對于在單元格中編寫數(shù)學公式和方程很有用。
查找并解決錯誤
交互式調試器也是一個神奇的功能，我把它單獨定義了一類。如果在運行代碼單元時出現(xiàn)異常，請在新行中鍵入％debug并運行它。 這將打開一個交互式調試環(huán)境，它能直接定位到發(fā)生異常的位置。還可以檢查程序中分配的變量值，并在此處執(zhí)行操作。退出調試器單擊q即可。
Printing也有小技巧
如果您想生成美觀的數(shù)據(jù)結構，pprint是首選。它在打印字典數(shù)據(jù)或JSON數(shù)據(jù)時特別有用。接下來看一個使用print和pprint來顯示輸出的示例。
讓你的筆記脫穎而出
我們可以在您的Jupyter notebook中使用警示框/注釋框來突出顯示重要內容或其他需要突出的內容。注釋的顏色取決于指定的警報類型。只需在需要突出顯示的單元格中添加以下任一代碼或所有代碼即可。
藍色警示框：信息提示
p class="alert alert-block alert-info"
bTip:/b Use blue boxes (alert-info) for tips and notes.
If it’s a note, you don’t have to include the word “Note”.
/p
黃色警示框：警告
p class="alert alert-block alert-warning"
bExample:/b Yellow Boxes are generally used to include additional examples or mathematical formulas.
/p
綠色警示框：成功
p class="alert alert-block alert-success"
Use green box only when necessary like to display links to related content.
/p
紅色警示框：高危
p class="alert alert-block alert-danger"
It is good to avoid red boxes but can be used to alert users to not delete some important part of code etc.
/p
打印單元格所有代碼的輸出結果
假如有一個Jupyter Notebook的單元格，其中包含以下代碼行：
In [1]: 10+5
11+6
Out [1]: 17
單元格的正常屬性是只打印最后一個輸出，而對于其他輸出，我們需要添加print()函數(shù)。然而通過在notebook頂部添加以下代碼段可以一次打印所有輸出。
添加代碼后所有的輸出結果就會一個接一個地打印出來。
In [1]: 10+5
11+6
12+7
Out [1]: 15
Out [1]: 17
Out [1]: 19
恢復原始設置：
InteractiveShell.ast_node_interactivity = "last_expr"
使用'i'選項運行python腳本
從命令行運行python腳本的典型方法是：python hello.py。但是，如果在運行相同的腳本時添加-i，例如python -i hello.py，就能提供更多優(yōu)勢。接下來看看結果如何。
首先，即使程序結束，python也不會退出解釋器。因此，我們可以檢查變量的值和程序中定義的函數(shù)的正確性。
其次，我們可以輕松地調用python調試器，因為我們仍然在解釋器中：
import pdb
pdb.pm()
這能定位異常發(fā)生的位置，然后我們可以處理異常代碼。
自動評論代碼
Ctrl / Cmd + /自動注釋單元格中的選定行，再次命中組合將取消注釋相同的代碼行。
刪除容易恢復難
你有沒有意外刪除過Jupyter notebook中的單元格？如果答案是肯定的，那么可以掌握這個撤消刪除操作的快捷方式。
如果您刪除了單元格的內容，可以通過按CTRL / CMD + Z輕松恢復它。
如果需要恢復整個已刪除的單元格，請按ESC + Z或EDIT撤消刪除單元格。
結論
在本文中，我列出了使用Python和Jupyter notebook時收集的一些小提示。我相信它們會對你有用，能讓你有所收獲，從而實現(xiàn)輕松編碼！
4.6. 定義函數(shù)
我們可以創(chuàng)建一個用來生成指定邊界的斐波那契數(shù)列的函數(shù):
def fib(n): # write Fibonacci series up to n
... """Print a Fibonacci series up to n."""
... a, b = 0, 1
... while a n:
... print(a, end=' ')
... a, b = b, a+b
... print()
...
# Now call the function we just defined:
... fib(2000)
0 1 1 2 3 5 8 13 21 34 55 89 144 233 377 610 987 1597
關鍵字 def 引入了一個函數(shù) 定義。在其后必須跟有函數(shù)名和包括形式參數(shù)的圓括號。函數(shù)體語句從下一行開始，必須是縮進的。
函數(shù)體的第一行語句可以是可選的字符串文本，這個字符串是函數(shù)的文檔字符串，或者稱為 docstring。（更多關于 docstrings 的信息請參考 文檔字符串） 有些工具通過 docstrings 自動生成在線的或可打印的文檔，或者讓用戶通過代碼交互瀏覽；在你的代碼中包含 docstrings 是一個好的實踐，讓它成為習慣吧。
函數(shù) 調用 會為函數(shù)局部變量生成一個新的符號表。確切的說，所有函數(shù)中的變量賦值都是將值存儲在局部符號表。變量引用首先在局部符號表中查找，然后是包含函數(shù)的局部符號表，然后是全局符號表，最后是內置名字表。因此，全局變量不能在函數(shù)中直接賦值（除非用 global 語句命名），盡管他們可以被引用。
函數(shù)引用的實際參數(shù)在函數(shù)調用時引入局部符號表，因此，實參總是 傳值調用 （這里的 值 總是一個對象 引用 ，而不是該對象的值）。[1] 一個函數(shù)被另一個函數(shù)調用時，一個新的局部符號表在調用過程中被創(chuàng)建。
一個函數(shù)定義會在當前符號表內引入函數(shù)名。函數(shù)名指代的值（即函數(shù)體）有一個被 Python 解釋器認定為 用戶自定義函數(shù) 的類型。 這個值可以賦予其他的名字（即變量名），然后它也可以被當作函數(shù)使用。這可以作為通用的重命名機制:
fib
f = fib
f(100)
0 1 1 2 3 5 8 13 21 34 55 89
如果你使用過其他語言，你可能會反對說：fib 不是一個函數(shù)，而是一個方法，因為它并不返回任何值。事實上，沒有 return 語句的函數(shù)確實會返回一個值，雖然是一個相當令人厭煩的值（指 None ）。這個值被稱為 None （這是一個內建名稱）。如果 None 值是唯一被書寫的值，那么在寫的時候通常會被解釋器忽略（即不輸出任何內容）。如果你確實想看到這個值的輸出內容，請使用 print() 函數(shù):
1、函數(shù)定義時
－使用單個 * 會將所有的參數(shù)，放入一個元組(tuple)供函數(shù)使用。
－使用兩個 ** 將所有的關鍵字參數(shù)(鍵-值對形式)，放入一個字典(dict)供函數(shù)使用。
2．函數(shù)調用時
?。趌ist,tuple,set前加一個星號會把容器中的所有元素解包(unpack)變成位置參數(shù)。
?。赿ict前加一個星號會把字典的鍵變成位置參數(shù)。
?。赿ict前加兩個星號會把字典的鍵值對變成關鍵字參數(shù)。
1、* 的具體使用。位置參數(shù)和可變參數(shù)的靈活使用
1.1 在函數(shù)定義時候，將所有的位置參數(shù)放入一個元祖中
1.2 在函數(shù)調用時使用*，將list、tuple、set，解包成位置參數(shù)。
2、**的具體使用。關鍵字參數(shù)和可變參數(shù)的具體使用。
2.1 在函數(shù)定義時
3、 和 * 在函數(shù)中一起使用
注意，在*arg之后，函數(shù)只接收關鍵字參數(shù)
重慶分公司
重慶分公司
