Python基本概念与实践

Python语言，总给我一种“嗯？还能这么玩儿？”的感觉

Python像一个二三十岁的年轻人，自由、年轻、又灵活

欢迎一起进入Python的世界~

本人工作中经常使用Python，针对一些常用的语法概念进行持续记录。

一、类与常见数据结构

1. Python库、模块、类

Python库是一个集合，包含多个模块。模块是单个文件，包含函数、类和变量等。类是模块中的一个组件，用于定义对象的结构和行为。简而言之，库由模块组成，模块由类和其他代码组成。

1) Python库

• Python库是一组模块的集合，通常是为了实现特定的功能或解决特定的问题而组织在一起的。库可以是一个包（Package），包是一种特殊的模块，可以包含多个子模块和子包。
• 库用于提供一组相关的功能，这些功能通常比单个模块更复杂、更全面。库可以是第三方库，也可以是Python标准库的一部分。

2) Python模块

在了解Python类与基本数据结构之前，需要了解Python类到底在该语言中处于怎样的位置，即Python类与具体的Python文件之间是什么关系。

Python文件和类的关系：Python文件和类的关系可以类比为容器和内容物的关系。一个Python文件可以包含一个或多个类的定义，也可以包含其他代码，如函数、变量等。

• 一个Python文件称为一个模块。模块是Python代码的基本组织单位。（模块的名称通常与文件名相同。例如，文件 my_module.py 定义了一个模块 my_module ）
• 在模块中可以定义类：这些类可以相互独立，也可以相互关联。
• 导入模块和类：可以使用import导入整个模块，然后通过模块名访问其中的类、函数和变量。同样，也可以使用 from ... import ... 语句直接导入模块中的指定类。

 3) Python类

使用class关键词来定义一个类：

class MyClass:# 类的属性attribute1 = "value1"attribute2 = "value2"# 类的方法def my_method(self):print("Hello from my_method!")

创建实例，通过类名后跟一对括号创建实例：

my_instance = MyClass()
print(my_instance.attribute1)  # 输出: value1
my_instance.my_method()  # 输出: Hello from my_method!

初始化方法：

__init__方法是一个特殊的方法，被成为类的构造函数或初始化方法。当创建一个新的对象实例时，__init__方法会被自动调用。

2. Python基本数据结构

Python提供了几种内置的基本数据结构，这些数据结构在日常编程中非常有用。以下是一些常见的Python基本数据结构及其详细说明：

1) 列表（List）

列表是一种有序的集合，可以包含不同类型的元素。列表是可变的，这意味着你可以修改列表中的元素。

以下代码包含了 创建列表、插入元素和删除元素 的逻辑：

# 1. 创建列表：
my_list = [1, 2, 3, 4, 5]
my_list = ['apple', 'banana', 'cherry']
my_list = [1, 'apple', 3.14, True]# 2. 插入元素：
my_list = [1, 2, 3]# 在列表末尾插入一个元素
my_list.append(4)  # [1, 2, 3, 4]# 在列表指定位置插入一个元素
my_list.insert(1, 'a')  # [1, 'a', 2, 3, 4]# 在列表末尾一次性添加多个元素
my_list.extend([5, 6])  # [1, 'a', 2, 3, 4, 5, 6]# 3. 删除元素：
my_list = [1, 'a', 2, 3, 4, 5, 6]# 删除第一个值为 x 的元素
my_list.remove('a')  # [1, 2, 3, 4, 5, 6]# 删除指定位置的元素，并返回该元素。如果不指定位置，默认删除最后一个元素
my_list.pop(2)  # [1, 2, 4, 5, 6]，返回3# 删除最后一个位置的元素
my_list.pop()  # [1, 2, 4, 5]，返回6# 清空列表
my_list.clear()  # []

常用方法：

• 添加元素：
  • append(x) ：在列表末尾添加一个元素
  • insert(i, x) : 在指定位置插入一个元素
  • extent(iterable)：在列表末尾一次性添加多个元素 

当需要处理一个动态的数据集合，列表是一个很好的选择。

2) 元组（Tuple）

元组是一种有序的集合，与列表类似，但元组是不可变的，这意味着一旦创建，就不能修改元组中的元素。

# 创建元组
my_tuple = (1, 2, 3, 4, 5)
my_tuple = ('apple', 'banana', 'cherry')
my_tuple = (1, 'apple', 3.14, True)# 1. 访问元组，可以通过索引进行访问
my_tuple = (1, 2, 3, 4, 5)
print(my_tuple[2])  # 3# 2. 其他方法
my_tuple = (3, 1, 4, 1, 5, 9, 2, 6, 5, 3, 5)
my_tuple.count(5)  # 3 返回值为5的元素个数
my_tuple.index(4)  # 2 返回第一个值为x的元素的索引

元组相对于列表，其优势在于 不可变性。由于一经创建就不可变，一方面，可以存储固定的数据，例如存储不可修改的数据、或者作为字典的键。另一方面，由于其不可变，内存占用紧凑，更加节省内存空间。

3) 字典（Dictionary）

字典是一种无序的键值对集合。字典是可以变的，可以通过键来访问、添加、删除和修改值。

# 1. 创建字典
my_dict = {'name': 'Alice', 'age': 30, 'city': 'New York'}
print(my_dict['name'])  # Alice# 2. 访问元素
my_dict = {'name': 'Alice', 'age': 30, 'city': 'New York'}
print(my_dict['name'])  # Alice# 3. 添加和修改元素
my_dict['gender'] = 'Female'  # 添加新键值对
my_dict['age'] = 31  # 修改现有键值对# 4. 删除元素
my_dict = {'name': 'Alice', 'age': 30, 'city': 'New York'}
# 删除指定键值对
del my_dict['city']  # {'name': 'Alice', 'age': 30}
# 删除指定键值对，并返回值。如果键不存在，返回默认值。
my_dict.pop('age')  # 30，{'name': 'Alice'}
# 删除并返回最后一对键值对（Python 3.7+）。
my_dict.popitem()  # ('name', 'Alice')，{}
# 清空字典。
my_dict.clear()  # {}# 5. 其他方法
# 返回字典的键视图
print(my_dict.keys())  # dict_keys(['name', 'age', 'city'])
# 返回字典的值视图。
print(my_dict.values())  # dict_values(['Alice', 30, 'New York'])
# 返回字典的键值对视图。
print(my_dict.items())  # dict_items([('name', 'Alice'), ('age', 30), ('city', 'New York')])
# 返回指定键的值，如果键不存在，返回默认值。
print(my_dict.get('name'))  # Alice
print(my_dict.get('gender', 'Unknown'))  # Unknown

4) 集合（Set）

集合是一种无序的不重复元素集合。集合是可变的，可以进行集合运算，如并集、交集、差集等。

# 1. 创建集合
my_set = {1, 2, 3, 4, 5}
my_set = set([1, 2, 3, 4, 5])# 2. 添加元素
my_set = {1, 2, 3}
# 添加一个元素
my_set.add(4)  # {1, 2, 3, 4}
# 添加多个元素
my_set.update([5, 6])  # {1, 2, 3, 4, 5, 6}# 3. 删除元素
my_set = {1, 2, 3, 4, 5}
# 删除元素x，如果元素不存在，抛出KeyError。
my_set.remove(3)  # {1, 2, 4, 5}
# 删除元素x，如果元素不存在，不抛出异常。
my_set.discard(6)  # {1, 2, 4, 5}
# 删除并返回一个任意元素，如果集合为空，抛出KeyError。
my_set.pop()  # 返回一个任意元素，例如1，{2, 4, 5}
# 清空集合。
my_set.clear()  # {}# 4. 集合运算
# union(*others)：返回并集。
# intersection(*others)：返回交集。
# difference(*others)：返回差集。
# symmetric_difference(other)：返回对称差集。
# issubset(other)：判断是否是子集。

---

二、Python进行HTTP请求

1. 示例代码

Python进行HTTP请求，通常使用 requests库

下面是一个经典的，使用requests请求并返回数据的Python代码：

import requests
import jsonapi_key = 'xxx'# 设置params（如果有的话）
params = {'key1': 'value1','key2': 'value2'
}# 设置请求头
headers = {'Authorization': f'Bearer {api_key}','Content-Type' : 'application/json'
}# 设置payload数据
data = {"inputs": {"title" : "托尼老师，你睡了吗？我睡不着"},"query": "1","response_mode": "streaming","conversation_id": "","user": "xxx"
}# 发送请求
# data从json变成json字符串格式
response = requests.post('https://xxx/v1/chat-messages', headers=headers, params=params, data=json.dumps(data))# 输出返回值
print(response.text)

最后返回的response对象是一个requests.Response对象，它包含了服务器返回的所有信息。虽然它是一个Python对象，但是并不是一个简单的数据结构，而是封装了多种属性和方法的复杂对象。可以通过访问它的属性和调用它的方法来获取和处理响应内容。

• response.status_code：返回HTTP状态码，例如200表示成功，404表示未找到等。

• response.headers：返回一个字典，包含响应头信息。

• response.cookies：返回一个RequestsCookieJar对象，包含响应中的cookies。

• response.url：返回请求的URL，包括查询字符串。

• response.encoding：返回响应内容的编码。

• response.text：返回响应内容的字符串形式，自动根据响应的编码进行解码。

• response.content：返回响应内容的字节形式，适用于二进制数据，如图片、文件等。

• response.json()：将响应内容解析为JSON对象，前提是响应内容是JSON格式。

这里简单了解下就好，使用debug模式可以直接看到具体返回情况。

2. JSON数据处理

使用JSON函数需要导入json库：import json

函数	描述
json.dumps	将 Python 对象编码成 JSON 字符串
json.loads	将已编码的 JSON 字符串解码为 Python 对象

1) json.dumps

json.dumps用于将Python对象编码成JSON字符串

语法：

json.dumps(obj, skipkeys=False, ensure_ascii=True, check_circular=True, allow_nan=True, cls=None, indent=None, separators=None, encoding="utf-8", default=None, sort_keys=False, **kw)

实例：

以下实例将数组编码为JSON格式数据：

#!/usr/bin/python
import jsondata = [ { 'a' : 1, 'b' : 2, 'c' : 3, 'd' : 4, 'e' : 5 } ]data2 = json.dumps(data)
print(data2)

以上代码执行结果为：

[{"a": 1, "c": 3, "b": 2, "e": 5, "d": 4}]

使用参数让JSON数据格式化输出：

#!/usr/bin/python
import jsondata = [ { 'a' : 1, 'b' : 2, 'c' : 3, 'd' : 4, 'e' : 5 } ]data2 = json.dumps({'a': 'Runoob', 'b': 7}, sort_keys=True, indent=4, separators=(',', ': '))
print(data2)

以上代码执行结果为：

{"a": "Runoob","b": 7
}

python原始类型向 json 类型的转化对照表

Python	JSON
dict	object
list, tuple	array
str, unicode	string
int, long, float	number
True	true
False	false
None	null

2) json.loads

json.loads用于解码JSON数据。该函数返回Python字段的数据类型。

语法：

json.loads(s[, encoding[, cls[, object_hook[, parse_float[, parse_int[, parse_constant[, object_pairs_hook[, **kw]]]]]]]])

实例：

以下实例展示了Python 如何解码 JSON 对象：

#!/usr/bin/python
import jsonjsonData = '{"a":1,"b":2,"c":3,"d":4,"e":5}';text = json.loads(jsonData)
print(text)

以上代码执行结果为：

{u'a': 1, u'c': 3, u'b': 2, u'e': 5, u'd': 4}

json类型转换到python的类型对照表

JSON	Python
object	dict
array	list
string	unicode
number (int)	int, long
number (real)	float
true	True
false	False
null	None

---

三、Python文件处理

1. 文件目录：os模块

我们都知道，os中文是操作系统的意思，顾名思义，Python 的 os 模块提供了各种操作系统的接口，这些接口主要是用来操作文件和目录。

Python中所有依赖于操作系统的内置模块，对于不同系统提供了相同接口，大大提升其可移植性。

查看路径，代码示例：

import os# 1. 查看路径
# 查看当前路径
print(os.getcwd())# 返回指定目录下包含的文件和目录名列表。
print(os.listdir('E:/'))# 返回路径 path 的绝对路径。
print(os.path.abspath('.'))# 将路径 path 拆分为目录和文件两部分，返回结果为元组类型。
print(os.path.split('E:/tmp.txt'))# 将一个或多个 path（文件或目录） 进行拼接。
print(os.path.join('E:/', 'tmp.txt'))# 2. 查看 path 时间相关参数（path可以是文件、可以是路径）
# 返回 path 在系统中的创建时间。
print(datetime.datetime.utcfromtimestamp(os.path.getctime('E:/tmp.txt')))# 返回 path 的最后修改时间。
print(datetime.datetime.utcfromtimestamp(os.path.getmtime('E:/tmp.txt')))# 返回 path 的最后访问时间。
print(datetime.datetime.utcfromtimestamp(os.path.getatime('E:/tmp.txt')))# 3. 判断 path 存在性、确认文件大小
# 判断是否存在
print(os.path.exists('E:/tmp.txt'))# 判断是否为目录
print(os.path.isdir('E:/'))# 判断是否为文件
print(os.path.isfile('E:/tmp.txt'))# 返回 path 的大小，以字节为单位，若 path 是目录则返回 0。
print(os.path.getsize('E:/tmp.txt'))
print(os.path.getsize('E:/work'))# 4. 创建、更改功能
# 创建一个目录
os.mkdir('E:/test')# 创建多级目录
os.makedirs('E:/test1/test2')# 将当前工作目录更改为 path。
print(os.getcwd())
os.chdir('/test')
print(os.getcwd())# 5. 调用shell脚本
print(os.system('ping www.baidu.com'))

2. 读取与写入：open函数

open 函数是Python内置的函数，对文本文件和二进制文件采用同样的操作步骤，和把大象放冰箱里一样分三步：打开-操作-关闭。

在Python中，使用 open() 函数来打开文件。这个函数需要两个参数：文件名和打开模式。文件名可以是相对路径或绝对路径，打开模式决定了文件的打开方式，如读取、写入等。

常见的打开模式mode：

• 'r'：读取模式，默认值。如果文件不存在，会抛出FileNotFoundError。
• 'w'：覆盖写入模式。如果文件已经存在，会被覆盖。
• 'a'：追加写入模式。如果文件已存在，写入的数据会被追加到文件末尾。

读取文件代码：

# 1. 读取文件
# 逐行读取文件的内容
# for循环配合文件对象迭代器
with open('example.txt', 'r') as file_object:for line in file_object:print(line.strip())  # 使用strip()去除行尾的换行符# 读取全部内容
# 使用read方法可以一次性读取文件的全部内容，并将其作为一个字符串返回
with open('example.txt', 'r') as file_object:content = file_object.read()print(content)# 按行读取到列表
# 使用readlines方法可以读取文件的全部行，并将其作为一个列表返回
with open('example.txt', 'r') as file_object:lines = file_object.readlines()for line in lines:print(line.strip())

写入文件：

# 2. 写入文件
# 覆盖写入：'w'模式打开文件，然后使用write()方法写入内容。
with open('output.txt', 'w') as file_object:file_object.write('Hello, world!\n')file_object.write('This is a test.\n')# 追加写入：'a'模式打开文件，然后使用write()方法写入内容。
with open('output.txt', 'a') as file_object:file_object.write('This is appended text.\n')

使用with语句可以自动关闭文件，但在不使用with语句的情况下，需要手动的关闭文件，以释放系统资源。可以使用close方法关闭文件。

实际开发中，推荐实用 with 语句来处理文件，因为它可以自动管理文件的打开和关闭，使代码更加简洁和安全。

注意，上面只给出了 'w' 和 'r' 两种模式，还有一些其他打开模式可供选择，例如：

• 'x'：独占创建模式。如果文件已存在，会抛出FileExistsError；如果文件不存在，会创建一个新文件。

• 't'：文本模式，默认值。以文本形式处理文件，读取时会自动将内容解码为字符串，写入时会自动将字符串编码为字节。

• 'b'：二进制模式。以二进制形式处理文件，读取和写入的内容都是字节序列。

• '+'：更新模式。用于读写文件，可以和r、w、a等模式组合使用。

3. 处理Excel：openpyxl库

openpyxl是一个Python库，用于读写Excel 2010 xlsx/xlsm/xltx/xltm文件。它提供了丰富的功能，可以创建、修改和查询Excel文件中的数据，支持复杂的Excel操作，如处理公式、图表和样式等。

一个Excel电子文档中可以包含多个表，每个表里面有行、列、单元格

用户正在查看的当前表（或者关闭Excel前最后查看到表）称为活动表

使用 openpyxl 库操作Excel表，主要包括读取某个单元格、按照范围读取、按照行或列读取等。代码如下：

import openpyxl# 加载工作簿
workbook = openpyxl.load_workbook('example.xlsx')
# 获取工作表
sheet = workbook['Sheet1']# 1. 读取单元格A1的值
cell_value = sheet['A1'].value
print(cell_value)  # 输出: 单元格A1的值# 2. 通过行和列索引读取数据
cell_value = sheet.cell(row=2, column=3).value
print(cell_value)  # 输出: 单元格C2的值# 3. 读取A1:C3区域的值
cells = sheet['A1:C3']
for row in cells:for cell in row:print(cell.value, end=" ")print()# 4. 按行获取值
for row in sheet.iter_rows(min_row=1, max_row=5, min_col=1, max_col=3):for cell in row:print(cell.value, end=" ")print()# 5. 按列获取值
for col in sheet.iter_cols(min_row=1, max_row=5, min_col=1, max_col=3):for cell in col:print(cell.value, end=" ")print()

持续加载 ing ~