python辅助函数 python辅助函数概念

Python-openpyxl教程11 - 注释和样式

注释具有text属性和author属性，必须同时设置它们。

加载时工作薄中存在的注释会自动存储在其相应单元格的注释属性中。格式信息(如字体大小，粗体和斜体)以及注释的容器框的原始尺寸和位置都将丢失。

保存工作薄时保留在工作薄中的注释会自动保存到工作薄文件中

注释尺寸可以指定为只写。评论尺寸以像素为单位。

如果需要, openpyxl.utils.units 包含用于从其他度量单位(例如mm或点)转换为像素的辅助函数:

样式用于屏幕上显示时更改数据的外观。他们还用于确定数字的格式。

样式可以应用于以下方面：

- 用于设置字体大小，颜色，下划线等的字体

- 填充以设置图案或颜色渐变

- border可以设置单元格的边框

- 单元格对齐

- 保护

以下是默认值：

有两种类型的样式：单元样式和命名样式，也成为样式模板

单元格样式在对象之间共享，并且一旦分配了它们就无法更改。这样可以避免不必要的副作用，例如，仅更改一个单元格时就可以更改许多单元格的样式。

样式也可以复制

字体，背景，边框等的颜色都可以通过三种方式设置：索引，aRGB或主题。 索引颜色是旧版实现，颜色本身取决于工作薄或应用程序默认提供的索引。主题颜色可用于互补色，但也取决于工作薄中存在的主题，因此，建议使用RGB颜色。

RGB颜色使用红色，绿色和蓝色的十六进制值设置

理论上，alpha值是指颜色的透明度，但这与单元格样式无关。默认值00将加在任何简单的RGB值之前:

还支持传统索引颜色以及主题和色彩。

索引64和65不能设置，并且分别留给系统前景色和背景色

样式直接应用于单元格

样式也可以应用于行和列，但是请注意，这仅适用于关闭文件后再Excel中创建的单元格。如果要将样式应用于整个行和列，则必须自己将样式应用于每个单元格。这是文件格式的限制：

合并的单元格的行为与其他单元格对象相似。其值和格式在其左上角的单元格中定义。为了更改整个合并单元格的边框。请更改其左上角单元格的边框。格式化是出于编写目的而生成的。

与单元格样式相反，命名样式是可变的。当您想一次将格式应用于许多不同的单元格时，它们很有意义。注意: 将命名样式分配给单元格之后，对样式的其他更改将不会影响该单元格。

一旦将命名样式注册到工作薄中，就可以简单的通过名称来引用它。

创建命名样式后，可以将其注册到工作薄中：

wb.add_name_style(highlight)

但是，命名样式在首次分配给单元时也将自动注册：

ws['A1'].style = highlight

注册后，仅使用名称分配样式：

ws['D5'].style = 'highlight'

该规范包括一些内置样式，也可以使用，不幸的是，这些样式的名称以本地化形式存储。

openpyxl仅会识别英文名称，并且只能与此处的文字完全一样。如下：

Number formats

Informative

Text Styles

Comparisons

Highlights

相关问答

Q1: 区分 bytes str 和 unicode

Python3 有两种表示字符序列的类型： bytes 和 str 。其中 bytes 是一种包含原始8位值的序列； str 是一种包含 Unicode 字符的序列。

Python2 也有两种表示字符序列的类型： str 和 unicode 。其中 str 是一种包含原始8位值的序列； unicode 是一种包含 Unicode 字符的序列。

把 Unicode 字符转换成二进制数据（原始8位值）有多种办法，最常见的编码方式就是 UTF-8。Python3 的 str 实例或者 Python2 的 unicode 实例表示的 Unicode 字符要想转换成二进制数据，必须使用 encode 方法；要想把二进制数据转换成 Unicode 字符，则必须使用 decode 方法。

编码和解码操作我们通常会放在最外围来做，程序的核心部分应该使用 Unicode 字符类型，即 Python3 中的 str 和 Python2 中的 unicode ，并且不要对字符编码做任何假设。因此，在对输入的数据进行操作之前，我们通常会在应用中定义好辅助函数，以保证字符序列的类型符合以下预期：

下面，我们针对 Python2 和 Python3 ，分别编写 2 个辅助函数，以便在两种情况之间转换，确保转换后的输入数据符合预期的字符序列类型。

接受 str 或 bytes ，确保返回 str 的辅助函数：

运行结果：

接受 str 或 bytes ，确保返回 bytes 的辅助函数：

运行结果：

接受 str 或 unicode ，确保返回 unicode 的辅助函数：

Python2 中的 str 在程序中均以原始的 8 位值表示：

下面的写法，使用 format 函数连接 2 个字符序列，返回新的 str 是没问题的：

可若要返回 unicode 字符序列，则会报 UnicodeDecodeError ：

这个时候我们就需要上述编写的 to_unicode 辅助函数，把 var2 转变为 unicode 序列：

接受 str 或 unicode ，确保返回 str 的辅助函数：

定义一个 unicode 字符序列：

使用 format 函数连接 2 个字符序列，返回 unicode 字符序列：

同理，返回 str ，则会报 UnicodeEncodeError ：

我们需要借助上述编写的辅助函数 to_str 将 var3 转换为字节序列：

Q2: Python实现的几个常用排序算法实例

#encoding=utf-8

import random

from copy import copy

def directInsertSort(seq):

 """ 直接插入排序 """

 size = len(seq)

 for i in range(1,size):

  tmp, j = seq[i], i

  while j  0 and tmp  seq[j-1]:

   seq[j], j = seq[j-1], j-1

  seq[j] = tmp

 return seq

def directSelectSort(seq):

 """ 直接选择排序 """

 size = len(seq)

 for i in range(0,size - 1):

  k = i;j = i+1

  while j  size:

   if seq[j]  seq[k]:

    k = j

   j += 1

  seq[i],seq[k] = seq[k],seq[i]

 return seq

def bubbleSort(seq):

 """冒泡排序"""

 size = len(seq)

 for i in range(1,size):

  for j in range(0,size-i):

   if seq[j+1]  seq[j]:

    seq[j+1],seq[j] = seq[j],seq[j+1]

 return seq

def _divide(seq, low, high):

 """快速排序划分函数"""

 tmp = seq[low]

 while low != high:

  while low  high and seq[high] = tmp: high -= 1

  if low  high:

   seq[low] = seq[high]

   low += 1

  while low  high and seq[low] = tmp: low += 1

  if low  high:

   seq[high] = seq[low]

   high -= 1

 seq[low] = tmp

 return low

def _quickSort(seq, low, high):

 """快速排序辅助函数"""

 if low = high: return

 mid = _divide(seq, low, high)

 _quickSort(seq, low, mid - 1)

 _quickSort(seq, mid + 1, high)

def quickSort(seq):

 """快速排序包裹函数"""

 size = len(seq)

 _quickSort(seq, 0, size - 1)

 return seq

def merge(seq, left, mid, right):

 tmp = []

 i, j = left, mid

 while i  mid and j = right:

  if seq[i]  seq[j]:

   tmp.append(seq[i])

   i += 1

  else:

   tmp.append(seq[j])

   j += 1

 if i  mid: tmp.extend(seq[i:])

 if j = right: tmp.extend(seq[j:])

 seq[left:right+1] = tmp[0:right-left+1]

def _mergeSort(seq, left, right):

 if left == right: 

  return

 else:

  mid = (left + right) / 2

  _mergeSort(seq, left, mid)

  _mergeSort(seq, mid + 1, right)

  merge(seq, left, mid+1, right)

#二路并归排序

def mergeSort(seq):

 size = len(seq)

 _mergeSort(seq, 0, size - 1)

 return seq

if __name__ == '__main__':

 s = [random.randint(0,100) for i in range(0,20)]

 print s

 print "\n"

 print directSelectSort(copy(s))

 print directInsertSort(copy(s))

 print bubbleSort(copy(s))

 print quickSort(copy(s))

 print mergeSort(copy(s))

Q3: 在Python中使用Asyncio系统（3-4）Task 和 Future

Task 和 Future

前面我们讨论了协程，以及如何在循环中运行它们才有用。现在我想简单谈谈Task和Future api。你将使用最多的是Task，因为你的大部分工作将涉及使用create_task()函数运行协程，就像在第22页的“快速开始”中设置的那样。Future类实际上是Task的超类，它提供了与循环交互操作的所有功能。

可以这样简单地理解:Future表示某个活动的未来完成状态，并由循环管理。Task是完全相同的，但是具体的“activity”是一个协程——可能是你用async def函数加上create_task()创建的协程。

Future类表示与循环交互的某个东西的状态。这个描述太模糊了，不太有用，所以你可以将Future实例视为一个切换器，一个完成状态的切换器。当创建Future实例时，切换设置为“尚未完成”状态，但稍后它将是“完成”状态。事实上，Future实例有一个名为done()的方法，它允许你检查状态，如示例 3-15所示。

示例 3-15. 用done()方法检查完成状态

Future实例还可以执行以下操作：

• 设置一个result值（用.set_result(value)设置值并且使用 .result()获取值）

• 使用.cancel()方法取消 (并且会用使用.cancelled()检查是否取消)

• 增加一个Future完成时回调的函数

即使Task更常见，也不可能完全避免使用Future：例如，在执行器上运行函数将返回Future实例，而不是Task。让我们快速看一下 示例 3-16 ，了解一下直接使用Future实例是什么感觉。

示例 3-16. 与Future实例的交互

（L3）创建一个简单的 main函数。我们运行这个函数，等上一会儿然后在Future f上设置一个结果。

（L5）设置一个结果。

（L8）手动创建一个Future实例。注意，这个实例(默认情况下)绑定到我们的循环，但它没有也不会被附加到任何协程(这就是Tasks的作用)。

（L9）在做任何事情之前，确认future还没有完成。

（L11）安排main()协程，传递future。请记住，main()协程所做的所有工作就是sleep，然后切换Future实例。(注意main()协程还不会开始运行：协程只在事件循环运行时才开始运行。)

(L13)在这里我们在Future实例上而不是Task实例上使用run_until_complete()。这和你以前见过的不一样。现在循环正在运行，main()协程将开始执行.

（L16）最终，当future的结果被设置时，它就完成了。完成后，可以访问结果。

当然，你不太可能以这里所示的方式直接使用Future；代码示例仅用于教育目的。你与asynccio的大部分联系都是通过Task实例进行的。

你可能想知道如果在Task实例上调用set_result()会发生什么。在Python 3.8之前可以这样做，但现在不允许这么做了。任务实例是协程对象的包装器，它们的结果值只能在内部设置为底层协程函数的结果，如 示例 3-17所示那样。

示例 3-17. 在task上调用set_result

（L13）唯一的区别是我们创建的是Task实例而不是Future实例。当然，Task API要求我们提供一个协程；这里我们使用sleep()只是因为简单方便。

（L7）正在传入一个Task实例。它满足函数的类型签名(因为Task是Future的子类)，但从Python 3.8开始，我们不再允许在Task上调用set_result()：尝试这样做将引发RuntimeError。这个想法是，一个Task代表一个正在运行的协程，所以结果应该总是来自于task自身。

（L10, L24）但是，我们仍然可以cancel()一个任务，它将在底层协程中引发CancelledError。

Create_task? Ensure_Future? 下定决心吧！

在第22页的“快速入门”中，我说过运行协程的方法是使用asyncio.create_task()。在引入该函数之前，有必要获取一个循环实例并使用loop.create_task()完成相同的任务。事实上，这也可以通过一个不同的模块级函数来实现:asyncio.ensure_future()。一些开发人员推荐create_task()，而其他人推荐ensure_future()。

在我为这本书做研究的过程中，我确信API方法asyncio.ensure_future()是引起对asyncio库广泛误解的罪魁祸首。API的大部分内容都非常清晰，但在学习过程中还存在一些严重的障碍，这就是其中之一。当你遇到ensure_future()时，你的大脑会非常努力地将其集成到关于asyncio应该如何使用的心理模型中——但很可能会失败!

在Python 3.6 asyncio 文档中，这个现在已经臭名昭著的解释突出了 ensure_future() 的问题：

asyncio.ensure_future(coro_or_future, *, _loop =None)

安排执行一个协程对象：把它包装在future中。返回一个Task对象。如果参数是Future，则直接返回。

什么!? 当我第一次读到这篇文章时，我很困惑。下面希望是对ensure_future()的更清楚的描述:

这个函数很好地说明了针对终端用户开发人员的asyncio API(高级API)和针对框架设计人员的asyncio API(低级API)之间的区别。让我们在示例 3-18中自习看看它是如何工作的。

示例 3-18. 仔细看看ensure_future()在做什么

（L3）一个简单的什么都不做的协程函数。我们只需要一些能组成协程的东西。

（L6）我们通过直接调用该函数来创建协程对象。你的代码很少会这样做，但我想在这里明确地表示，我们正在向每个create_task()和ensure_future()传递一个协程对象。

（L7）获取一个循环。

（L9）首先，我们使用loop.create_task()在循环中调度协程，并返回一个新的Task实例。

（L10）验证类型。到目前为止，没有什么有趣的。

（L12）我们展示了asyncio.ensure_future()可以被用来执行与create_task()相同的动作：我们传入了一个协程，并返回了一个Task实例(并且协程已经被安排在循环中运行)!如果传入的是协程，那么loop.create_task()和asyncio.ensure_future()之间没有区别。

（L15）如果我们给ensure_future()传递一个Task实例会发生什么呢？注意我们要传递的Task实例是已经在第4步通过loop.create_task()创建好的。

（L16）返回的Task实例与传入的Task实例完全相同:它在被传递时没有被改变。

直接传递Future实例的意义何在？为什么用同一个函数做两件不同的事情？答案是，ensure_future()的目的是让框架作者向最终用户开发者提供可以处理两种参数的API。不相信我？这是ex-BDFL自己说的：

ensure_future()的要点是，如果你有一个可能是协程或Future(后者包括一个Task，因为它是Future的子类)的东西，并且你想能够调用一个只在Future上定义的方法(可能唯一有用的例子是cancel())。当它已经是Future(或Task)时，它什么也不做；当它是协程时，它将它包装在Task中。

如果您知道您有一个协程，并且希望它被调度，那么正确的API是create_task()。唯一应该调用ensure_future()的时候是当你提供一个API(像大多数asyncio自己的API)，它接受协程或Future，你需要对它做一些事情，需要你有一个Future。

—Guido van Rossum

总而言之，asyncio.sure_future()是一个为框架设计者准备的辅助函数。这一点最容易通过与一种更常见的函数进行类比来解释，所以我们来做这个解释。如果你有几年的编程经验，你可能已经见过类似于例3-19中的istify()函数的函数。示例 3-19中listify()的函数。

示例 3-19. 一个强制输入列表的工具函数

这个函数试图将参数转换为一个列表，不管输入的是什么。api和框架中经常使用这类函数将输入强制转换为已知类型，这将简化后续代码——在本例中，您知道参数(来自listify()的输出)将始终是一个列表。

如果我将listify()函数重命名为ensure_list()，那么您应该开始看到与asyncio.ensure_future()的类似之处:它总是试图将参数强制转换为Future(或子类)类型。这是一个实用函数，它使框架开发人员(而不是像你我这样的终端用户开发人员)的工作变得更容易。

实际上，asyncio标准库模块本身使用ensure_future()正是出于这个原因。当你下次查看API时，你会发现函数参数被描述为“可等待对象”，很可能内部使用ensure_future()强制转换参数。例如，asyncio.gather()函数就像下面的代码一样:

aws参数表示“可等待对象”，包括协程、task和future。在内部，gather()使用ensure_future()进行类型强制转换：task和future保持不变，而把协程强制转为task。

这里的关键是，作为终端用户应用程序开发人员，应该永远不需要使用asyncio.ensure_future()。它更像是框架设计师的工具。如果你需要在事件循环上调度协程，只需直接使用asyncio.create_task()来完成。

在接下来的几节中，我们将回到语言级别的特性，从异步上下文管理器开始。

关于python辅助函数和python辅助函数概念的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。