Python之路-python（set集合、文本操作、字符编码 ）

一、集合操作（set）                                                                                                                          

    1、定义：

      set集合，是一个无序且不重复的元素集合。

 

      集合对象是一组无序排列的可哈希的值，集合成员可以做字典中的键。集合支持用in和not in操作符检查成员，由len()内建函数得到集合的基数(大小)， 用 for 循环迭代集合         的成员。但是因为集合本身是无序的，不可以为集合创建索引或执行切片(slice)操作，也没有键(keys)可用来获取集合中元素的值。

 

    2、特性：

      1、无序

      2、去重

      3、关系测试 

    3、常用操作：

 

      交集（&）（intersection）：两者都存在的      

>>>a = [1,2,3,4,5]
>>>b = [4,5,6,7,8]
>>>a_set = set(a)
>>>b_set = set(b)
>>>rint(a_set.intersection(b_set))
>>>print(a_set.intersection(b_set),type(a_set.intersection(b_set)))
>>>{4, 5} <class 'set'>#可以看出字典和集合都是{}，先将a和b都转成集合，然后求出交集（它们两都有的）

 

      并集（|）（union）：去重后所有元素放一起

>>>a = [1,2,3,4,5]
>>>b = [4,5,6,7,8]
>>>a_set = set(a)
>>>b_set = set(b)
>>>print(a_set.union(b_set))

 

      差集（-）（difference）：语法使用规则是你有我没有

>>>a = [1,2,3,4,5]
>>>b = [4,5,6,7,8]
>>>a_set = set(a)
>>>b_set = set(b)
>>>print(a_set.difference(b_set))#(前后存在顺序问题，a里面有的b里面没有的（有---没有）)
>>>print(b_set.difference(a_set))#b里面有的a里面没有

 

      子集（issubset）：a是不是b的子集和b是不是a的子集

>>>a = [1,2,3,4,5]
>>>b = [4,5,6,7,8]
>>>a_set = set(a)
>>>b_set = set(b)
>>>print(a_set.issubset(b_set))
>>>print(b_set.issubset(a_set))
>>>False
>>>False

     

        父集（issuperset）：a是不是b的父集和b是不是a的子集

>>>a = [1,2,3,4,5]
>>>b = [4,5,6,7,8]
>>>a_set = set(a)
>>>b_set = set(b)
>>>print(a_set.issuperset(b_set))
>>>print(b_set.issuperset(a_set))
>>>False
>>>False

        

        对称差集（^）（symmetric_difference）:a和b都互相都没有（去重后放到一起）

>>>a = [1,2,3,4,5]
>>>b = [4,5,6,7,8]
>>>a_set = set(a)
>>>b_set = set(b)
>>>print(a_set.symmetric_difference(b_set))
>>>{1, 2, 3, 6, 7, 8}

a = [1,2,3,4,5]
b = [4,5,6,7,8]
a_set = set(a)
b_set = set(b)
print(a_set.isdisjoint(b_set))#前后两者存在交集就返回False，没有交集就打印True
解释：
    isdisjoint是判断a和b是否存在交集，如果存在返回False，不存在交集返回Trun

 

 

        4、基本操作

    

      .add(增加)添加一项

>>>a = [1,2,3,4,5]
>>>a_set = set(a)
>>>print(a_set)
>>>a_set.add(55)#一次只能添加一个元素，否则会报错
>>>print(a_set)

     

      .update（[增加多项]）

>>>a = [1,2,3,4,5]
>>>a_set = set(a)
>>>print(a_set)
>>>a_set.update('88','lei','lei')
>>>print(a_set,type(a_set))
>>>{1, 2, 3, 4, 5}
>>>{1, 2, 3, 4, 5, '8', 'e', 'l', 'i'} <class 'set'>#通过结果不难看出集合天然去重

 

      .remove('删除')（没有的话报错）

>>>a = [1,2,3,4,5]
>>>a_set = set(a)
>>>print(a_set)
>>>a_set.remove(1)#一次只能删除一个，否则会报错
>>>print(a_set,type(a_set))

 

      .copy(复制)

>>>a = [1,2,3,4,5]
>>>a_set = set(a)
>>>b_set = a_set.copy()
>>>print(a_set,type(a_set))
>>>print(b_set,type(b_set))
>>>{1, 2, 3, 4, 5} <class 'set'>
>>>{1, 2, 3, 4, 5} <class 'set'>

      .pop(删除任意一个并返回这个元素)

>>>a = [1,2,3,4,5]
>>>a_set = set(a)
>>>b_set = a_set.pop()#随机删除，并返回删除的元素
>>>print(a_set,type(a_set))
>>>print(b_set)
>>>{2, 3, 4, 5} <class 'set'>
>>>1

      .discard(删除)（没有不会报错）

>>>a = [1,2,3,4,5]
>>>a_set = set(a)
>>>b_set = a_set.discard(5)
>>>print(a_set)
>>>print(b_set)
>>>{1, 2, 3, 4}
>>>None#有的话删除后并返回一个None
>>>就算没有，不报错，也只会返回一个None

 

二、文件操作                                                                                                                                       

       提示：2.7里面的file文件操作3.x没有

      1、标准操作：

f = open("yesterday",'w',encoding="utf-8")#文件句柄（放到了内存什么位置）
f.write("哈哈哈")#写入内容，如果没有该文件就自动创建
f.close#(关闭文件)

 

      2、建议操作：

>>>with open("yesterday","w",encoding='utf-8') as data:#读写完后自动关闭,因为windows上默认的编码是gbk，所以需要转换成utf-8
       data.write("哈哈哈")

     

      3、打开模式：

r，只读模式（默认）。
w，只写模式。（不可读；不存在就自动创建；存在则删除内容）
a，追加模式。（可读；   不存在则创建；存在则只追加内容）
"+" 表示可以同时读写某个文件

r+，可读写文件。【可读；可写；可追加】
w+，写读
a+，同a
"U"表示在读取时，可以将 \r \n \r\n自动转换成 \n （与 r 或 r+ 模式同使用）

rU
r+U
"b"表示处理二进制文件（如：FTP发送上传ISO镜像文件，linux可忽略，windows处理二进制文件时需标注）

  .readlines(读成一个列表，所有内容)#默认每行之间有空行因为有\n，用strip（）就行
  .readline（默认一次只读一行）
  .seek#位置0是开始
  .tell#打印当前位置
  .encoding#当前编码
  .readable#文件是否可读
  .writeable#是否可写
  .flush#默认是等内存缓存满了才写入，强刷读一条直接写入硬盘

     

        小练习

#!/usr/bin/env python
#—*—coding:utf-8—*—
with open("yesterday","r",encoding='utf-8') as data_1 , \
    open("yesterdaybak","w",encoding='utf-8') as data_2:#读写完后自动关闭
    for line in data_1.readlines():
        if "中国石油" in line:
            line = line.replace("中国石油","中国石化")
        data_2.write(line)

yesterday#文件更改前
新浪
百度
中国石油


yesterdaybak#更改后文件内容
新浪
百度
中国石化

 

 

三、字符编码与转码                                                                                                                               

 

     

 

        1、python3练习

打开文件yesterday（windows上），内容如下
新浪
百度
中国石油
>>>with open("yesterday","r") as data:
>>>    for line in data:
>>>        line = line.strip('\n')
>>>        print(line)
报错：
UnicodeDecodeError: 'gbk' codec can't decode byte 0xad in position 18: illegal multibyte sequence
解释：
      我们知道utf-8是unicode的扩展，windows上默认编码是gbk，按照上图所示打开文件的时候我们需要将gbk转码直接解码（encoding）成utf-8。
      如果是python2,.x的话，如果编码格式是gbk，我们首先需要将gbk转码成unicode，然后再将unicode解码（encoding）成utf-8。

 

 

 

四、函数                                                                                                                                             

     

      1、定义：

        函数是指将一组语句的集合通过一个名字(函数名)封装起来，要想执行这个函数，只需调用其函数名即可

 

      2、特性：

        1、减少重复性

        2、是程序扩展性好

        3、使程序更容易维护

 

      3、语法：

>>>def func():
>>>    print("你好中国！")
>>>func()

 

      4、执行顺序：

>>>def func():#1>>#3(首先python程序通过关键字发现这是个函数)（当执行完func（）时候又到了这里）
>>>    print("你好中国！")#4（最后才执行到这里）
>>>func()#2（然后从上往下，这里执行了上面的函数）

      

      5、函数参数

#默认参数
def func(x,y):#这里的x和y只是形参（形式参数）
    print(x)
    print(y)
func(1,2)#这里是实参（实际参数，就是真真切切要往函数体里面传的参数）
#1对应x，2对应y，也就是说实参合形参是平行对应的，否则打印出的效果就相反了。形参和实参不能多也不能少，否则报错。

#关键参数
def func(x,y,z):
    print(x)
    print(y)
    print(z)
func(x= "中国",y="北京",z = "海淀")
#这样的话就没有了顺序的问题，只是要求形参和实参一定要对应，不能多，也不能少

 

#默认参数和关键参数混用
def func(x,y,z="22"):#默认参数和关键参数混合使用的时候，关键参数必须在最后
    print(x)
    print(y)
    print(z)

func(1,2,z='33')#默认参数和关键参数混合使用的时候，关键参数必须在最后。
#如上，z，如果如果没有给传实际参数，默认使用形式参数赋的值，如果实参给了就用实参的参数。

       

        万能参数一（*）

#非固定参数（万能参数）
def func(*args):#*是关键指定不可变，args是名称可以更改
    print(args[0])
    print(args,type(args))
func(1,2,3,4)#通过结果可看出*传进去的是元祖
>>>1
>>>(1, 2, 3, 4) <class 'tuple'>

 

        万能参数二（**）

#非固定参数（万能参数**kwargs）
def func(**kwargs):
    print(kwargs,type(kwargs))
func(Name = '中国',Age = '上下五千年')
#**因为**输出的是字典，所以传值得时候一定是类似xxx = yyyy形式。

 

        局部变量和全局变量

name = "china"
def func(*args,**kwargs):
    name = "beijing"#注意，局部变量是存在于函数体内的变量，全局变量是不在任何一个函数体内的变量
    print(name)#如果局部变量和全局变量同时存在的话，优先使用局部变量
    print(args)
    print(kwargs)
func(1,2,3,age = "上下五千年")

#更改全局变量
name = "china"
def func(*args,**kwargs):
    global name#引用全局变量的name
    print(name)#打印结果肯定是china
    name = "Beijing"#修改，这里有点像如果引用一个变量，首先从函数体内找，如果函数体内没有就找全局变量
    print(name)
    print(args)
    print(kwargs)
func(1,2,3,age = "上下五千年")
>>>china
>>>Beijing
>>>(1, 2, 3)
>>>{'age': '上下五千年'}

 

       

        6、函数返回值

要想获取函数的执行结果，就可以用return语句把结果返回

注意:

函数在执行过程中只要遇到return语句，就会停止执行并返回结果，so 也可以理解为 return 语句代表着函数的结束
如果未在函数中指定return,那这个函数的返回值为None 

        

        7、函数的递归

定义：在函数内部，可以调用其他函数。如果一个函数在内部调用自身本身，这个函数就是递归函数。
#函数的递归
def info(n):
    print(n)
    if int(n/2) > 0:
        return  info(int(n/2))
    print(">>>>",n)
info(10)
结果：
10
5
2
1
>>>> 1

递归特性:

1. 必须有一个明确的结束条件

2. 每次进入更深一层递归时，问题规模相比上次递归都应有所减少

3. 递归效率不高，递归层次过多会导致栈溢出（在计算机中，函数调用是通过栈（stack）这种数据结构实现的，每当进入一个函数调用，栈就会加一层栈帧，每当函数返回，栈就会减一层栈帧。由于栈的大小不是无限的，所以，递归调用的次数过多，会导致栈溢出）

 

        8、高阶函数

        变量可以指向函数，函数的参数能接收变量，那么一个函数就可以接收另一个函数作为参数，这种函数就称之为高阶函数。

def add(x,y,f):#实参将3和-6传给形参
    return f(x) + f(y)#返回值首先将3和-6取绝对值（那就是3和6），再相加，结果肯定是9

res = add(3,-6,abs)#abs是内置函数，让的定义简单里面就是去绝对值
print(res)