加入收藏 | 设为首页 | 会员中心 | 我要投稿 湖南网 (https://www.hunanwang.cn/)- 科技、建站、经验、云计算、5G、大数据,站长网!
当前位置: 首页 > 建站 > 正文

Python编程中3个常用的数据布局和算法

发布时间:2019-04-16 00:56:28 所属栏目:建站 来源:程序员爱学习
导读:Python内置了很多很是有效的数据布局,好比列表(list)、荟萃(set)以及字典(dictionary)。就绝大部门环境而言,我们可以直接行使这些数据布局。可是,凡是我们还必要思量好比搜刮、排序、分列以及筛选等这一类常见的题目。 本篇文章将先容3种常见的数据布局

由*修饰的变量也可以位于列表的第一个位置。譬喻,例如说用一系列的值来代表公司已往8个季度的贩卖额。假如想对最近一个季度的贩卖额同前7个季度的均匀值做较量,可以这么做:

  1. *trailing_qtrs, current_qtr = sales_record 
  2. trailing_avg = sum(trailing_qtrs) / len(trailing_qtrs) 
  3. return avg_comparison(trailing_avg, current_qtr) 

从Python表明器的角度来看,这个操纵是这样的:

  1. >>> *trailing, current = [10, 8, 7, 1, 9, 5, 10, 3] 
  2. >>> trailing 
  3. [10, 8, 7, 1, 9, 5, 10] 
  4. >>> current 

(3) 接头

对付解析未知或恣意长度的可迭代工具,这种扩展的解析操纵可谓是量身定做的器材。凡是,这类可迭代工具中会有一些已知的组件或模式(譬喻,元素1之后的全部内容都是电话号码),操作*表达式解析可迭代工具使得开拓者可以或许轻松操作这些模式,而不必在可迭代工具中做伟大花哨的操纵才气获得相干的元素。

*式的语法在迭代一个变长的元组序列时尤其有效。譬喻,假设有一个带标志的元组序列:

  1. records = [ 
  2.  ('foo', 1, 2), 
  3.  ('bar', 'hello'), 
  4.  ('foo', 3, 4), 
  5. def do_foo(x, y): 
  6.  print('foo', x, y) 
  7. def do_bar(s): 
  8.  print('bar', s) 
  9. for tag, *args in records: 
  10.  if tag == 'foo': 
  11.  do_foo(*args) 
  12. elif tag == 'bar': 
  13.  do_bar(*args) 

当和某些特定的字符串处理赏罚操纵相团结,好比做拆分(splitting)操纵时,这种*式的语法所支持的解析操纵也很是有效。譬喻:

  1. >>> line = 'nobody:*:-2:-2:Unprivileged User:/var/empty:/usr/bin/false' 
  2. >>> uname, *fields, homedir, sh = line.split(':') 
  3. >>> uname 
  4. 'nobody' 
  5. >>> homedir 
  6. '/var/empty' 
  7. >>> sh 
  8. '/usr/bin/false' 
  9. >>> 

偶然辰也许想解析出某些值然后扬弃它们。在解析的时辰,不能只是指定一个单独的*,可是可以行使几个常用来暗示待扬弃值的变量名,好比_可能ign(ignored)。譬喻:

  1. >>> record = ('ACME', 50, 123.45, (12, 18, 2012)) 
  2. >>> name, *_, (*_, year) = record 
  3. >>> name 
  4. 'ACME' 
  5. >>> year 
  6. 2012 
  7. >>> 

*解析操纵和各类函数式说话中的列表处理赏罚成果有着必然的相似性。譬喻,假若有一个列表,可以像下面这样轻松将其解析为头部和尾部:

  1. >>> items = [1, 10, 7, 4, 5, 9] 
  2. >>> head, *tail = items 
  3. >>> head 
  4. >>> tail 
  5. [10, 7, 4, 5, 9] 
  6. >>> 

在编写执行这类拆分成果的函数时,人们可以假设这是为了实现某种优良的递归算法。譬喻:

  1. >>> def sum(items): 
  2. ... head, *tail = items 
  3. ... return head + sum(tail) if tail else head 
  4. ... 
  5. >>> sum(items) 
  6. 36 
  7. >>> 

可是请留意,递归真的不算是Python的刚强,这是由于其内涵的递归限定所致。因此,最后一个例子在实践中没太大的意义,只不外是一点学术上的好奇而已。

3. 生涯最后N个元素

(1) 题目

我们但愿在迭代或是其他情势的处理赏罚进程中对最后几项记录做一个有限的汗青记录统计。

(2) 办理方案

生涯有限的汗青记录可算是collections.deque的美满应用场景了。譬喻,下面的代码对一系列文本行做简朴的文本匹配操纵,当发明有匹配时就输出当前的匹配行以及最后搜查过的N行文本。

  1. from collections import deque 
  2. def search(lines, pattern, history=5): 
  3.  previous_lines = deque(maxlen=history) 
  4.  for line in lines: 
  5.  if pattern in line: 
  6.  yield line, previous_lines 
  7.  previous_lines.append(line) 
  8. # Example use on a file 
  9. if __name__ == '__main__': 
  10.  with open('somefile.txt') as f: 
  11.  for line, prevlines in search(f, 'python', 5): 
  12.  for pline in prevlines: 
  13.  print(pline, end='') 
  14.  print(line, end='') 
  15.  print('-'*20) 

(3) 接头

(编辑:湖南网)

【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容!

热点阅读