Python3高级基础(2)

时间：2023-06-11 11:14:02

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

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

True

2. 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

    1. 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'%i

ger_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

相关文章