Python初学笔记

关于input()

在Py中，所有从终端读取的数据都是str类型的，也就是C++中的string，因此我们若是想将其转换为其它类型，需要使用转换函数：

# int()就是将类型转换为int的函数
# 所有的内置类型都有类似的转换函数
a = int(input())

若是需要转换的内容无法转换成对应的类型呢？就会抛出一个错误：

try:a = int(input())b = int(input())print(a + b)
except ValueError:print("Can not change to int")

这个错误是ValueError。

在什么时候这段代码会出现错误呢？这和我们的输入有关：Python中的input()会读取一行的数据，当我们的输入是：

1 2

的时候，就会出错：a = int(“1 2”)，这很显然不是能转换成int的类型，但当我们的输入为：

1
2

的时候，就是没问题的。理解了先前为何报错，这里也就很好理解了。

那若是我的输入就是放在一行中，并且是以“空格”作为分隔呢？此时就要对input所读取的字符串进行处理了：

numList = input().split()
a = int(numList[0])
b = int(numList[1])
print(a + b)

在这种情况下，可以对输入在同一行的数据进行处理了，但是若是输入数据之间使用了换行符分隔，就会出现数组越界问题。

input().split()

(method) def split(sep: str | None = None,maxsplit: SupportsIndex = -1
) -> list[str]

这是对于split()的声明，虽然对于这个语法我还十分的陌生，但是也不难理解：它返回一个list，其中存储的类型是str。

这里写一个测试代码：

numList = input().split()
print(numList)

运行一下：

# input:
1 2 3
# output
['1', '2', '3']

这样应该就很清晰明了。

output()

output()类型敏感！

做数字反转巩固语法的时候，在本地测试一直都没问题，输出都是对的上的：

origin = input()
output = ""
for i in range(len(origin)-1, -1, -1):output += origin[i]print(output)

但是提交的时候测试用例一直没有通过，后面将输出进行了一点调整就AC了：

origin = input()
output = ""
for i in range(len(origin)-1, -1, -1):output += origin[i]print(float(output))

就是在输出的时候将str转换成了float。

[!原因]
虽然输出时会将大多数对象转换为字符串，但Python仍然会保留对象的类型信息。这是为了确保输出的准确性和一致性。例如，如果将浮点数和字符串直接比较，Python会知道它们是不同的类型，因此会返回False。然而，当它们作为输出的一部分时，Python会将它们都转换为字符串以便显示，但这并不改变它们的原始类型。所以虽然在输出时会看起来相似，但它们的类型仍然是不同的。

因此说，Python是一个强类型语言，需要跟C++一样，特别注意数据类型。

print()行为指定

在py中，默认情况下，print是会换行的：

print("换行了?")
print("换行了！")

这个输出的结果会是：

换行了?
换行了！

但我们可以通过print的end参数来指定这一行为：

print("换行了吗？", end="")
print("没换行！")

end中可以是任何东西，它都会在print之后附加在输出流的末尾。

Python中的数学运算

在Python的混合运算中，整数会被转换为浮点数，不用想C++那样太担心类型的转换问题。

除法

Python中除法分为整数除法和浮点数除法，在C++中只有普通的除法，数据类型根据除数和被除数来判断：

print(1 / 3)  # 浮点数除法
print(1 // 3) # 整数除法

上面这两个是完全不同的意思，不多说，运行下就明白了。

python中的变量

python中的基本数据类型，我就想再记下多变量赋值：

num1, num2 = 1, 2temp1 = temp2 = 100

两种都是多变量赋值的方式。

变量的数据类型

Python中的标准数据类型有：

其中，Number中包括了许多种数学类型：int，float，bool，complex都是，Python中的int就是长整型，它没有long和long long这么一说。

type()和isinstance()

这两个函数的内容在菜鸟教程#Number中说的很清楚，我这里就标记一下而不赘述了。

String

字符串的截取操作是我很容易忘记的点，这里记录下强化记忆吧：

[!字符串的截取操作]
在C++中，字符串的截取通常是指使用子串操作，例如std::string::substr函数。如果你使用substr从位置pos开始截取长度len的字符串，那么它将从位置pos开始，包括位置pos的字符，截取len-1个字符。所以如果有一个字符串str = “abcdef”，使用str.substr(2, 3)将截取从位置2开始的长度为3的子串，结果是"cde"，包括位置2的字符c，但不包括位置5的字符f（因为在C++中，索引是从0开始的）。

在Python中，字符串切片操作s[start:end]也是包含起始索引start的字符，但不包括结束索引end的字符。所以如果对字符串s = “abcdef"使用切片操作s[2:5]，结果是"cde”，包括位置2的字符c，但不包括位置5的字符f。

所以，无论是C++还是Python，字符串的截取或切片操作都是从起始位置开始，到结束位置的前一个字符结束。在两种语言中，结束位置的字符都不包括在内。

Python中的String是很以用的一种数据类型，主要说两个符号：加号（+）和星号（*）：

• 加号：可以直接进行字符串拼接，很多语言都能做到这一点
• 星号：复制当前字符串，我的理解就是简单的乘法：

  res = "Hello"
  print(res * 2)
  

  这将会输出两个连续的Hello

和C/C++不同的是，Python的String是不可变的：

res = "Hello"
res[0] = "N"

这段代码是会直接报错的：

Traceback (most recent call last):File "c:\Users\Lenovo\Desktop\study\Python\test.py", line 14, in <module>res[0] = "N"~~~^^^
TypeError: 'str' object does not support item assignment

下文中提到的切片操作虽然对于String也适用，但是却是不能对字符串进行实际上的改变，字符串切片实际上是创建了一个新的字符串对象。

bool

Python中的布尔值是大写的：True和False，其它的点和C++的基本一致，包括数值转换。

切片操作

Python中的截取被称为切片操作：

res = "Hello World"
subStr = res[6:]
print(subStr)

它的语法就是：变量[头下标 : 尾下标 : 步长]，其中的部分注意事项在上面的[[#String|引用]]中已经提过了，这里说说它更复杂的用法：

# 列表切片
l = [0, 1, 2, 3, 4, 5]# 获取索引1到索引4之间的元素（不包括索引4）
sub_l = l[1:4]  # 结果是[1, 2, 3]# 步长为2的切片
sub_l = l[::2]  # 结果是[0, 2, 4]# 负步长，从右向左切片
sub_l = l[::-1]  # 结果是[5, 4, 3, 2, 1, 0]

也就是说，切片的时候其中的值可以是负数，这会有不同的效果。

List

Python中的列表就类似于其它语言中的数组，但是还是有很多的差别，Python中的数组更加的灵活。

1. List中的元素可以是不同类型的
2. 它可以使用切片操作
3. 和String一样，它也实现了”+“和”*“
4. 定义的时候使用的是”[]“，其中的元素使用”,“隔开

需要注意的是：String是不可变的，而List是可变的，这点需要特别注意，因为其它编程语言的原因，我总是以为它们是差不多的。

我觉得我主要需要记忆的就是有关它的方法：

上面的函数很多都是只有最基础的用法，多多使用就会更清楚了。

Tuple

元组是Python特有的数据结构，刚看到它的时候以为它就是set，但其实还是有很大差别的：

• 元组是不可修改啊，而set是可修改的
• 元组创建的时候使用的是“()”，而set创建的时候使用的是“{}”
• 元组是有序的，set是无序的（这个有序无序体现在使用的时候是否能用下标进行索引）

元组中的函数跟Srting的差不多，这里就不重复了，若是使用的时候遇到特殊的再添加。
需要强调的是元组的创建，在创建空元组和单元素元组的时候有特殊的语法：

my_tuple = () # 创建空元组
my_tuple = (41, ) # 创建单元素元组

需要强调的是创建单元素的时候，后面这个“,"是不能省略的，若是省略了，编译器会认为这是一个number。

Set

集合用于存储不会重复的元素，它的原理跟C++中的unordered_map一样，是哈希表，它是一种无序的数据结构，因此在使用print输出的时候可能输出的顺序会出人意料，但是总归是有道理的。
在Python中，集合使用”{}“进行创建，元素之间使用”,“进行分隔，和Tuple一样，在创建的时候也有地方需要注意：

my_set = set() # 创建空集合my_set = {} # 错误，创建的是字典

我们不能直接使用“{}”创建集合，因为“{}”被用来创建字典。
集合的使用比C++更加灵活，它能够实现交并补操作：

set1 = {1, 2, 3}
set2 = {3, 4, 5}print(set1 & set2)
print(set1 | set2)
print(set1 ^ set2)

除了使用符号，也有相应的函数实现这三个操作：

set1 = {1, 2, 3}
set2 = {3, 4, 5}print(set1.union(set2))  # set1 | set2
print(set1.intersection(set2))  # set1 & set2
print(set1.difference(set2))  # set1 - set2
print(set1.symmetric_difference(set2))  # 对称差集(不同时存在的元素) set1 ^ set2

Dictionary

这就是C++中的map，它是无序的，其中存储的元素是键值对，其中所有的值通过键来进行存取：

my_dict = {}  # 创建空字典
dict1 = {"key" : 1, }

在使用的时候我们还能使用它的构造函数进行构造：

my_dict = dict('none'=0, 'one'=1)

Bytes类型

这个类型用于二进制转换，我还没怎么看懂，等我看懂了我再写吧。

正则表达式

使用正则表达式需要使用模块re，

推导式

有很多的数据结构支持推导式：

• 字典
• 集合
• 列表
• 元组
• [[#生成器]]

[表达式 for 变量 in 列表] 
[out_exp_res for out_exp in input_list]或者 [表达式 for 变量 in 列表 if 条件]
[out_exp_res for out_exp in input_list if condition]

推导式是直接根据要求生成一个新的变量，原来的变量实际上是没有变过的：

set1 = {'a', 'ab', 'abc', 'abcd'}
set2 = [temp for temp in set1 if len(temp) > 1]
print(set1)
print(set2)

列表生成元素表达式是不能够省略的，因为推导式在生成元素的时候会使用该表达式对元素进行处理，若是省略了会直接报错，在上面的代码中我是直接对set1进行了一个简单的过滤操作，若是我将其改为0，则set2中的元素将会全为0，表达式可以是一个有返回值的函数。

字典推导式

字典推导式的使用有点不太一样：

{ key_expr: value_expr for value in collection }或{ key_expr: value_expr for value in collection if condition }

也就是说，需要分别对键和值进行处理，两者之间跟定义的时候一样，是使用“:"进行分隔的。

推导式的执行顺序

1. 执行if部分进行元素过滤
2. 执行exp部分进行元素处理

迭代器和生成器

迭代器

跟C++中的迭代器不太一样，Python中的迭代器只能前进不能后退，它只有两个基本的操作iter()和next()：

str = 'Hello World'
it = iter(str)for temp in it:print(temp, end=" ")

iter()获取的是对象的第一个元素，这就跟C++迭代器的begin()是一样的，然后next()就是使迭代器移动到下一个位置，当没有下一个元素的时候，会抛出StopIteration异常。
在Python中，迭代器本身就是可迭代的，上面的代码就体现了这一点，这是因为迭代器在设计的时候就定义了_iter_()和_next_()两个函数，在Python中，一个类中只要有这两个函数的实现，那么这个类就是可迭代的。

当使用for循环对迭代器进行使用的时候，我们会发现StopIteration这个异常并没有被抛出，这也是Python语言设计的原因，但当我们不使用for循环而使用迭代器的时候，就需要手动处理异常了：

my_iterator = iter([1, 2, 3])
try:while True:item = next(my_iterator)print(item)
except StopIteration:print("迭代结束")

若是我们不对这个异常进行处理，就会出现很奇怪的报错：

  File "c:\Users\Lenovo\Desktop\study\Python\temptlceyka.py", line 1except StopIteration:^^^^^^
SyntaxError: invalid syntax

在实现我们自己的类的时候，为了防止出现死循环的情况，我们也需要在实现next()的时候让其会抛出异常：

class MyNumbers:def __iter__(self):self.a = 1return selfdef __next__(self):if self.a <= 20:x = self.aself.a += 1return xelse:raise StopIterationmyclass = MyNumbers()
myiter = iter(myclass)for x in myiter:print(x)

生成器

[!菜鸟教程]
在 Python 中，使用了 yield 的函数被称为生成器（generator）。
yield 是一个关键字，用于定义生成器函数，生成器函数是一种特殊的函数，可以在迭代过程中逐步产生值，而不是一次性返回所有结果。

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，更简单点理解生成器就是一个迭代器。

当在生成器函数中使用 yield 语句时，函数的执行将会暂停，并将 yield 后面的表达式作为当前迭代的值返回。

然后，每次调用生成器的 next() 方法或使用 for 循环进行迭代时，函数会从上次暂停的地方继续执行，直到再次遇到 yield 语句。这样，生成器函数可以逐步产生值，而不需要一次性计算并返回所有结果。

调用一个生成器函数，返回的是一个迭代器对象。

def countdown(n):while n > 0:yield nn -= 1# 创建生成器对象
generator = countdown(5)# 通过迭代生成器获取值
print(next(generator))  # 输出: 5
print(next(generator))  # 输出: 4
print(next(generator))  # 输出: 3# 使用 for 循环迭代生成器
for value in generator:print(value)  # 输出: 2 1

所以说，使用了yield的函数就是自己实现了一个迭代器的使用，它通向需要搭配next()进行使用，该函数就相当于自己实现了一个iter()。

函数传参

可变对象和不可变对象

函数的定义这块已经很熟了，就是Python中，它函数传参的行为很有意思，想单独记一下。
首先，在Python中，没有值传递和引用传递的概念，只有传可变对象和不可变对象两种，两种对象的传递有不同的行为：

# 函数传参
def func(mult, unmult):print(f"mult's id:{id(mult)}, before change")mult[0] = 1print(f"mult's id:{id(mult)}, after change")print(f"unmult's id:{id(unmult)}, before change")unmult = 100print(f"unmult's id:{id(unmult)}, after change")if __name__ == "__main__":mult = [0, 2, 3, 4]unmult = 1func(mult, unmult)

能够看到，可变对象的地址在函数中是一直没变过的，但是不可变对象的地址在对不可变对象进行修改之后发生了改变，也就是说，在发生改变的时候产生了该不可变对象的副本。

关键字参数

Python中允许函数在使用的时候传入的参数顺序和声明的时候不一致，但是这一点需要通过关键字参数进行实现：

def func(num1, num2):print(f"num1 = {num1}")print(f"num2 = {num2}")if __name__ == "__main__":func(num2=2, num1=1)

不定长参数

在Python中，传入不定长参数的形式有两种：

1. “*”：在传入参数的时候是以元组的形式
2. “**”：在传入参数的时候以字典的形式

举例说明下：

def func1(*args):# 输出args的类型print(f"func1's args:{type(args)}")def func2(**args):print(f"func2's args:{type(args)}")if __name__ == "__main__":func1(1, 2)func2(a=1, b=2)

由于func2的参数是字典，所以在传入参数的时候，相对应的也需要使用字典的语法。

func1's args:<class 'tuple'>
func2's args:<class 'dict'>

lambda表达式

匿名函数，具体来说就应该叫lambda表达式，因为Python中的lambda和C++中的有点不太一样，Python中的lambda后面跟着的是表达式而不是函数体，它仅仅能封装有限的逻辑。

lambda arg1 [, arg2, ..., argn] : experssion

lambda表达式其实就是一种简单的创建函数对象的方式，但是它不能够代替普通的函数。

[!lambda表达式的使用]
为了保持程序的可读性，推荐仅在逻辑简单、只需少量代码的情况下使用 lambda 表达式。对于复杂逻辑和长代码块，最好使用普通的函数来增强可读性和维护性。
建议避免将 lambda 表达式赋值给变量，而是应该使用 def 关键字来定义函数。

# 错误，因为lambda表达式不是函数，它不能使用return
func = lambda num1, num2 : return num1 + num2if __name__ == "__main__":print(func(1, 2))

上面的写法是错误的，因为lambda表达式中的逻辑部分只是表达式而不是函，，因此不能使用retrun：

func = lambda num1, num2 : num1 + num2if __name__ == "__main__":print(func(1, 2))

这么写虽然能正确运行，但是编译器可能会报错，这是因为将lambda给了一个变量，从而创建了一个函数对象，但是Python中是不推荐这个行为的：

num = 5
print((lambda num: num ** 2)(num))

这么使用也是可以的。

装饰器

没看懂，现在似乎也用不上，先pass。

模块

这就类似C/C++中的头文件：

import module  # 将整个模块导入
# 使用
module.func()

除此之外，还能指定导入模块中的某一函数：

from module import funcfunc()

这种做法有可能会出现命名冲突的问题，此时我们能够通过给模块或调用函数起别名的方式来避免这种麻烦，切记不能出现以下代码！：

from module import func
module.func()

当导入模块的时候指定函数了，就不能再通过模块来指定函数了，此时会报错：模块module为定义，若是此时出现了命名冲突呢？

from module import func as my_func
from module import func1 as alias1, func2 as alias2
import module1 as m1, module2 as m2

还能够使用通配符导入模块中的所有内容，但是很容易出现命名冲突的问题，所以是不推荐使用的，在VsCode中甚至会有报错提示，这里就不写了。

__name__属性

在引入模块的时候，被引入的模块的主程序会运行，如何控制模块的控制语句？就是通过该属性。
这里编写一个模块文件mod.py：

def func():print("func called")if __name__ == "__main__":print("this is main")
else:print("this is a module")

在main.py中，如下：

from mod import func as my_func
my_func()

程序的执行结果为：

this is a module
func called

OOP

（好像没什么跟C++不一样的地方）