py tips

from pixiv

Python Bases

Python Data Types

String and Methords

range and list and dict

dict = {'a':1, 'b':2, 'c':3, 'd':1}
values = dict.values()
print(values)

output: dict_values([1, 2, 3, 1])

返回dict_values对象，其是一个可迭代对象，同时可通过list(values)得到列表

tips: list() 是一个内置函数，任何可迭代对象（iterable）可以通过 list() 转换为列表。
more detail

了解上述知识后就很好理解如下常见代码：

for i in range(5):
	print(i)

range 是一个内建的函数，返回的是一个 range 对象, range为可迭代对象。
所有可迭代对象均可如上使用for进行循环迭代。

---

上述dict.values()是获得字典中value的方法，那有没有什么方法可以获得key呢？

dict = {'a':1, 'b':2, 'c':3, 'd':1}
keys = dict.keys()
print(keys)

output: dict_keys(['a', 'b', 'c', 'd'])

python中同样可以使用dict[a] dict[a] = 2访问和修改dict

tips: 在 Python 中，如果你在一个类中实现了 getitem 和 setitem 方法，你的类将支持索引操作和项赋值操作。这意味着你可以使用方括号（[]）来获取和设置对象的属性.

class MyDict:
    def __init__(self):
        self.data = {}
 
    def __getitem__(self, key):
        print(f"Getting value for key: {key}")
        return self.data[key]  # 获取字典中的值
 
    def __setitem__(self, key, value):
        print(f"Setting value for key: {key} to {value}")
        self.data[key] = value  # 设置字典中的值

__getitem__ 方法定义了如何通过索引来访问对象中的元素。当你使用 obj[key] 语法时，Python 会调用 obj.__getitem__(key) 方法。
__setitem__ 方法定义了如何通过索引来修改对象中的元素。当你使用 obj[key] = value 语法时，Python 会调用 obj.__setitem__(key, value) 方法。

---

列表推导式（List Comprehension）: 创建列表的语法糖, 基本结构如下：

#[expression for item in iterable if condition]
 
nodes_values = [
    {
        "func_name": x.func_name,
        "module_name": x.module_name,
        "cycles": x.get_cycles(),
    }
    for x in graph.nodes()
]

expression通常为一个对象，这里为一个字典对象。
for x in graph.nodes()即for item in iterable

生成表达式

生成器表达式是一种惰性计算的语法结构，用于按需生成值，而不是一次性生成所有值。它的语法与列表推导式（List Comprehension）非常相似，但使用圆括号 () 而不是方括号 []。

(表达式 for 变量 in 可迭代对象 if 条件)

示例

# 生成器表达式
gen = (x * 2 for x in range(5) if x % 2 == 0)
 
# 输出
for value in gen:
    print(value)

输出：

0
4
8

生成器表达式是迭代器
生成器表达式返回的是一个生成器对象，而生成器对象是 Python 中的一种迭代器。因此，生成器表达式具有迭代器的所有特性：

迭代器的特性：

1. 惰性计算：值是按需生成的，而不是一次性生成所有值。
2. 只能遍历一次：生成器对象在遍历完后会被耗尽，无法再次使用。
3. 支持 next() 函数：可以通过 next() 逐个获取值。

gen = (x for x in range(3))
 
# 使用 next() 逐个获取值
print(next(gen))  # 输出 0
print(next(gen))  # 输出 1
print(next(gen))  # 输出 2
print(next(gen))  # 抛出 StopIteration 异常

Python Iterators

可迭代对象（Iterable objects）是一个容器，我们使用iter()方法可得到迭代器(Iterator)。Lists, tuples, dictionaries, and sets这些数据类型都是可迭代对象。

在 Python 中，要使一个类成为可迭代对象（Iterable），需要在类中实现 __iter__ 方法，且这个方法应该返回一个迭代器，迭代器本身必须实现 __next__ 方法。

迭代器是一个包含__iter__ 方法和__next__ 方法的对象。
__iter__进行初始化操作最终返回一个迭代器
__next__最终返回下一个元素

class MyIterable:
	def __init__(self, start, end):
		self.start = start
		self.end = end
	def __iter__(self):
		return self
	def __next__(self):
		if self.start >= self.end:
			raise StopIteration
		self.start += 1
		return self.start - 1

上述例子中，我定义了一个类MyIterable，在__iter__其返回了一个迭代器即自身（因为MyIterable也实现了__next__所以MyIterable也算迭代器）。所以实现了MyIterable为一个可迭代对象。

class NodeTable:
	def __init__(self, nodes: Dict[str, Node] | None = None):
		self._nodes: Dict[str, Node] = node if nodes else {}
	def __iter__(self):
		return iter(self._nodes)

上述例子中__iter__中因为dictionaries本身就是可迭代对象，通过iter()得到字典的迭代器并返回，所以使得NodeTable成功实现为了可迭代对象

---

可迭代对象使用迭代器能够通过next函数访问元素：

mytuple = ("apple", "banana", "cherry")
myit = iter(mytuple)
 
print(next(myit))
print(next(myit))
print(next(myit))

more details

Python lamba表达式

df["semantics"] = df["symbol"].map( 
    lambda x: next((k for k, v in semantics_mapping.items() if x in v), None) 
)

这段代码的作用是为 DataFrame 的 symbol 列创建一个新列 semantics，其值基于 semantics_mapping 字典的映射。我将用通俗易懂的方式逐步解释每个语法元素，并提供具体示例帮助你理解。

lambda 表达式：

• lambda 是 Python 中定义匿名函数的关键字，用于快速创建小型临时函数。
• 语法：lambda 参数: 表达式
• 特点：没有函数名，只能包含单行表达式，自动返回结果。

lambda x: next((k for k, v in semantics_mapping.items() if x in v), None)

• 参数：x 是输入值（即 DataFrame 中 symbol 列的每个值）。
• 表达式：next(...) 是返回值。

next() 函数：

• next(iterator, default) 用于从迭代器中获取下一个元素。
• 参数：
  • iterator：可迭代对象（如生成器、列表等）。
  • default（可选）：当迭代器耗尽时返回的默认值。

生成器表达式 (k for ...)：

• 生成器表达式用于惰性生成值，逐个产生结果，节省内存。
• 语法：(表达式 for 变量 in 可迭代对象 if 条件)

代码中的生成器：

(k for k, v in semantics_mapping.items() if x in v)

• 遍历：semantics_mapping.items() 的每个键值对 (k, v)。
• 条件：如果当前 x（symbol 的值）在 v（字典值的列表）中。
• 返回值：符合条件的键 k。

Python Pandas

Pandas Basics

Pandas Series and DataFrames

Series对象就像表格中的一列：

index	value
x	1
y	7
z	2

values = [1, 7, 2]
myseries = pd.Series(values, index = ["x", "y", "z"])

若去除index，即myseries = pd.Series(values)那么下标默认为1,2,3...
除了list可以转换为series，dict同样可以转换：

dict = {"x":1, "y":7, "z":2}
myseries = pd.Series(dict)

Note: The keys of the dictionary become the labels(index).即上述代码效果和上述表格一致

---

按照上述思路，DataFrame就像表格：

index	Name	Age	Salary
0	Alice	25	500
1	Bob	30	600
2	Charlie	35	700

列表和字典同样可以转换为DataFrame:

data1 = [
	["Alice", 25, 500],
	["Bob", 30, 600],
	["Charlie", 35, 700]
]
df = pd.DataFrame(data1, columns=["Name", "Age", "Salary"], index=[1,2,3])
 
data2 = {
    "Name": ["Alice", "Bob", "Charlie"],
    "Age": [25, 30, 35],
    "Salary": [500, 600, 700],
}
df = pd.DataFrame(data2, index=[1,2,3])

simple info

df.head(n) # 表头数据
 
df.tail(n) # 表尾巴数据
 
df.info() # 总结各列数据信息
# output:
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 3 columns):
 #   Column  Non-Null Count  Dtype
---  ------  --------------  -----
 0   Name    3 non-null      object
 1   Age     3 non-null      int64
 2   Salary  3 non-null      int64
dtypes: int64(2), object(1)
memory usage: 204.0+ bytes
None