正文
Python3高级基础(2)
提示：扫一扫查出行【扫一扫了解最新限行尾号】
复制提示
1 Python3模拟数据结构1.1 栈
栈是计算机中经典的数据结构，简单的说，栈就是限制在一端进行插入删除操作的线性表。栈有两种最重要的操作，即pop（从栈顶弹出一个元素）和push（将一个元素进栈）。
栈（stack）又名堆栈，它是一种运算受限的线性表。其限制是仅允许在表的一端进行插入和删除运算。这一端被称为栈顶，相对地，把另一端称为栈底。向一个栈插入新元素又称作进栈、入栈或压栈，它是把新元素放到栈顶元素的上面，使之成为新的栈顶元素；从一个栈删除元素又称作出栈或退栈，它是把栈顶元素删除掉，使其相邻的元素成为新的栈顶元素。
1．进栈（PUSH）算法
①若TOP≥n时，则给出溢出信息，作出错处理（进栈前首先检查栈是否已满，满则溢出；不满则作②）；
②置TOP=TOP+1（栈指针加1，指向进栈地址）；
③S(TOP)=X，结束（X为新进栈的元素）；
2．退栈（POP）算法
①若TOP≤0，则给出下溢信息，作出错处理(退栈前先检查是否已为空栈， 空则下溢；不空则作②)；
②X=S(TOP)，（退栈后的元素赋给X）：
③TOP=TOP-1，结束（栈指针减1，指向栈顶）
lst=[]def pop():
if(len(lst)==0):
print("栈为空","无法出栈")
else:
print("此次出栈元素为：",lst.pop())def push(i):
lst.append(i)push(1)
push(2)
push(3)
pop()
pop()
pop()
pop()
此次出栈元素为： 3
此次出栈元素为： 2
此次出栈元素为： 1
栈为空 无法出栈
1.2 队
像栈一样，队列（queue）也是一种线性表，它的特性是先进先出，插入在一端，删除在另一端。就像排队一样，刚来的人入队（push）要排在队尾(rear)，每次出队(pop)的都是队首(front)的人。如图1，描述了一个队列模型。
队列（Queue）与栈一样，是一种线性存储结构，它具有如下特点：
- 队列中的数据元素遵循“先进先出”（First In First Out）的原则，简称FIFO结构。
- 在队尾添加元素，在队头删除元素。
lst=[]def enpush(i): # 入队操作
lst.append(i)def enpop(): # 出队操作
if(len(lst)==0):
print("队列为空，无法出队")
else:
print("出队元素为：",lst.pop(0))enpush(10)
enpush(20)
enpush(2)enpop()
enpop()
enpop()
enpop()
出队元素为： 10
出队元素为： 20
出队元素为： 2
队列为空，无法出队
2 迭代器（iterator）特点
节省内存
比如展现一个上亿元素的列表并计算，sum([i*i for i in range(1000000000)])
内存小的机器肯定要宕机
惰性机制
调用一次__next__方法，执行一次
单向执行，不可逆
既就是迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完后结束，只能往前不能后退。
2.1 判断对象是不是可迭代对象
特点
节省内存
比如展现一个上亿元素的列表并计算，sum([i*i for i in range(1000000000)])
内存小的机器肯定要宕机
惰性机制
调用一次__next__方法，执行一次
单向执行，不可逆
既就是迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完后结束，只能往前不能后退。
常见的迭代对象：包含**字符串str、列表list、元组tuple、字典dict、集合set、range以及文件句柄**1. 第一种判断方法__iter__
myStr = 'bright'
myList = [1,2,3,4,5]
print('__iter__' in dir(myStr))
print('__iter__' in dir(myList))
True
True2. 第二种判断方法 isinstance('abc',Iterable)
myStr = "bightYU"
myList = [1,3,4,5,6,7]
from collections import Iterable
print(isinstance(myStr,Iterable))
print(isinstance(myList,Iterable))
print(isinstance(123,Iterable))
True
True
False
2.2 创建迭代器的方法将可迭代对象转化为迭代器
- 第一种方法__iter__()
将可迭代对象转化为迭代器
- 第一种方法__iter__()
str1="abcdegggg"
list1=[1,3,4,5]
obj_str=str1.__iter__()
obj_list=list1.__iter__()
print(obj_str)
print(obj_list)
<str_iterator object at 0x000001CA66A4ECC0>
<list_iterator object at 0x000001CA66A4EEF0>2. 第二种方法iter()
str1="abcdegggg"
list1=[1,3,4,5]
obj_str=iter(str1)
obj_list=iter(list1)
print(obj_str)
print(obj_list)
<str_iterator object at 0x000001CA66A4EF60>
<list_iterator object at 0x000001CA667A6CC0>
2.3 判断对象是不是迭代器
- 内部含有__iter__ 且含有__next__方法的对象就是迭代器，遵循迭代器协议
str1="abcdegggg"
list1=[1,3,4,5]
obj_str=str1.__iter__()
obj_list=list1.__iter__()print('__iter__' in dir(str1))
print('__next__' in dir(str1))print('__iter__' in dir(obj_str))
print('__next__' in dir(obj_str))
True
False
True
True可以看到，str1虽然是可迭代对象，但是内部不含有__next__方法，所以不是迭代器- isinstance(obj_list,Iterable)
from collections import Iterable
str1="abcdegggg"
list1=[1,3,4,5]
obj_str=str1.__iter__()
obj_list=list1.__iter__()
print(isinstance(list1,Iterable))
print(isinstance(obj_list,Iterable))
print(isinstance(124,Iterable))
True
True
False
3 生成器
在Python中，使用了yield的函数被称为生成器（generator）
跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，等简单的理解生成器就是一个迭代器。在调用生成器的运行的过程中，每当遇到yield时函数会暂停并保存当前所有的运行信息，返回yield的值，并在下一次执行next()方法是从当前暂停的位置继续运行。
调用一个生成器，返回的是一个迭代器对象。
3.1 创建生成器
def scq():
print('11')
yield print('22')
yield print('33')
yield print('44')
r = scq()
print(type(r), r)
<class 'generator'> <generator object scq at 0x000001CA66A15FC0>
ret = r.__next__()
11
22
'''
下面示例中gener_obj=func1()为生成器对象
next() 和 yield 必须一一对应
每调用一次__next__()执行一个yield
如果__next__()多于yield则会报错
'''
def func1():
print(1111)
yield 1
print(2222)
yield 2
print(3333)
yield 3
print(4444)gener_obj=func1()
print(gener_obj.__next__())
print(gener_obj.__next__())
print(gener_obj.__next__())
1111
1
2222
2
3333
3
3.2 生成器例子
def cloth():
for i in range(1,1000):
yield '衣服%s'%i
ger_obj=cloth()
for i in range(3):
print('结果：', ger_obj.__next__())
结果： 衣服1
结果： 衣服2
结果： 衣服3
def cloth():
for i in range(1,1000):
yield '衣服%s'%iger_obj=cloth()for i in range(3):
print(ger_obj.__next__())print('-'*20)for i in range(5):
print(ger_obj.__next__())
衣服1
衣服2
衣服3
--------------------
衣服4
衣服5
衣服6
衣服7
衣服8
4 图片处理例子
import cv2
img = cv2.imread('pythontab.jpg', cv2.IMREAD_COLOR) # 彩色图模式加载一副彩图
cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
cv2.imwrite('lena.png', img)
True
5 Python3开发面试题
【引自】http://www.cnblogs.com/ManyQian/p/9152002.html
题目：
编写Python脚本，分析xx.log文件，按域名统计访问次数
xx.log文件内容如下：
https://www.sogo.com/ale.html
https://www.qq.com/3asd.html
https://www.sogo.com/teoans.html
https://www.bilibili.com/2
https://www.sogo.com/asd_sa.html
https://y.qq.com/
https://www.bilibili.com/1
https://dig.chouti.com/
https://www.bilibili.com/imd.html
https://www.bilibili.com/输出：
4 www.bilibili.com
3 www.sogo.com
1 www.qq.com
1 y.qq.com
1 dig.chouti.com
解题思路：
1、先获取数据就是域名 获取数据我们可以用正则，或者域名还是有相同点可以用split切分2、统计域名访问的次数可以用Python的内置模块来统计，3、然后就是输出要求的格式sorted内置函数用来排序
import re
from collections import Counter
with open("xx.log","r",encoding="utf-8") as f:
data=f.read()
res=re.findall(r"https://(.*?)/.*?", data)
dic=Counter(res)ret = sorted(dic.items(), key=lambda x:x[1], reverse=True)for k,v in ret:
print(v,k)
4 www.bilibili.com
3 www.sogo.com
1 www.qq.com
1 y.qq.com
1 dig.chouti.com
引用文献【例子】http://www.cnblogs.com/wang-yumin/p/9152812.html
【队】https://blog.csdn.net/zhongguozhichuang/article/details/53196415
【栈】https://blog.csdn.net/menxiaoyuan/article/details/51029675
【迭代器和生成器】http://www.cnblogs.com/Sunzz/p/9150335.html
【面试题】http://www.cnblogs.com/ManyQian/p/9152002.html
【例子】http://www.cnblogs.com/wang-yumin/p/9152812.html
【队】https://blog.csdn.net/zhongguozhichuang/article/details/53196415
【栈】https://blog.csdn.net/menxiaoyuan/article/details/51029675
【迭代器和生成器】http://www.cnblogs.com/Sunzz/p/9150335.html
【面试题】http://www.cnblogs.com/ManyQian/p/9152002.html
