Python 編碼

• Unicode把所有語言都統一到一套編碼里，這樣就不會再有亂碼問題了。如果統一成Unicode編碼，亂碼問題從此消失了。但是，如果文本基本上全部是英文的話，用Unicode編碼比ASCII編碼需要多一倍的存儲空間，在存儲和傳輸上就十分不劃算。所以，本著節約的精神，又出現了把Unicode編碼轉化為“可變長編碼”的UTF-8編碼。UTF-8編碼把一個Unicode字符根據不同的數字大小編碼成1-6個字節，常用的英文字母被編碼成1個字節，漢字通常是3個字節，只有很生僻的字符才會被編碼成4-6個字節。如果你要傳輸的文本包含大量英文字符，用UTF-8編碼就能節省空間。

• 在計算機內存中，統一使用Unicode編碼，當需要保存到硬盤或者需要傳輸的時候，就轉換為UTF-8編碼。用記事本編輯的時候，從文件讀取的UTF-8字符被轉換為Unicode字符到內存里，編輯完成后，保存的時候再把Unicode轉換為UTF-8保存到文件。

• 在最新的Python 3版本中，字符串是以Unicode編碼的，也就是說，Python的字符串支持多語言，

• 對于單個字符的編碼，Python提供了ord()函數獲取字符的整數編碼表示，chr()函數把編碼轉換為對應的字符。

List

• Python內置的一種數據類型是列表：list。list是一種有序的集合，可以隨時添加和刪除其中的元素。

• 當索引超出了范圍時，Python會報一個IndexError錯誤，如果要取最后一個元素，除了計算索引位置外，還可以用-1做索引，直接獲取最后一個元素.

• insert(index,元素)可以把元素插入到指定的位置，該位置及其后的元素會往后移動一位

tuple

• 另一種有序列表叫元組：tuple。tuple和list非常類似，但是tuple一旦初始化就不能修改，比如同樣是列出同學的名字.

• 要定義一個只有1個元素的tuple;如果你這么定義t = (1); 定義的不是tuple，是1這個數！這是因為括號()既可以表示tuple，又可以表示數學公式中的小括號，這就產生了歧義，因此，Python規定，這種情況下，按小括號進行計算，計算結果自然是1。所以，只有1個元素的tuple定義時必須加一個逗號,，來消除歧義t = (1,)。

• tuple的不變指的是引用不變，比如里面存的是對象，改變對象的某些屬性，但這個對象沒有變，即tuple的元素未變。

dict

• Python內置了字典：dict的支持，dict全稱dictionary，在其他語言中也稱為map，使用鍵-值（key-value）存儲，具有極快的查找速度。

• 為什么dict查找速度這么快？因為dict的實現原理和查字典是一樣的。假設字典包含了1萬個漢字，我們要查某一個字，一個辦法是把字典從第一頁往后翻，直到找到我們想要的字為止，這種方法就是在list中查找元素的方法，list越大，查找越慢。第二種方法是先在字典的索引表里（比如部首表）查這個字對應的頁碼，然后直接翻到該頁，找到這個字。無論找哪個字，這種查找速度都非常快，不會隨著字典大小的增加而變慢。dict就是第二種實現方式，給定一個名字，比如'Michael'，dict在內部就可以直接計算出Michael對應的存放成績的“頁碼”，也就是95這個數字存放的內存地址，直接取出來，所以速度非常快。

set

• 集合（set）是一個無序的不重復元素序列。

• 可以使用大括號 { } 或者 set() 函數創建集合，注意：創建一個空集合必須用 set() 而不是 { }，因為 { } 是用來創建一個空字典。

• 創建格式：parame = {value01,value02,...} 或者 set(value)

函數

函數的參數

• 位置參數，power(x, n)函數有兩個參數：x和n，這兩個參數都是位置參數，調用函數時，傳入的兩個值按照位置順序依次賦給參數x和n。

• 默認參數，設置有默認值的參數

• 可變參數，定義可變參數和定義一個list或tuple參數相比，僅僅在參數前面加了一個*號。在函數內部，參數numbers接收到的是一個tuple，因此，函數代碼完全不變。但是，調用該函數時，可以傳入任意個參數，包括0個參數。如def calc(*numbers):

• 關鍵字參數，可變參數允許你傳入0個或任意個參數，這些可變參數在函數調用時自動組裝為一個tuple。而關鍵字參數允許你傳入0個或任意個含參數名的參數，這些關鍵字參數在函數內部自動組裝為一個dict。如def person(name, age, **kw):

迭代

• 判斷一個對象是可迭代對象。方法是通過collections模塊的Iterable類型判斷

            
              from collections import Iterable
isinstance('abc', Iterable) # str是否可迭代

            
          

• 如果要對list實現類似Java那樣的下標循環。Python內置的enumerate函數可以把一個list變成索引-元素對，這樣就可以在for循環中同時迭代索引和元素本身

            
              for i, value in enumerate(['A', 'B', 'C']):
     print(i, value)

            
          

列表生成式

• 列表生成式即List Comprehensions，是Python內置的非常簡單卻強大的可以用來創建list的生成式。

• 如果要生成[1x1, 2x2, 3x3, ..., 10x10]怎么做？方法一是循環：

            
              >>> L = []
>>> for x in range(1, 11):
...    L.append(x * x)
...
>>> L
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

            
          

• 但是循環太繁瑣，而列表生成式則可以用一行語句代替循環生成上面的list：寫列表生成式時，把要生成的元素x * x放到前面，后面跟for循環，就可以把list創建出來，十分有用，多寫幾次，很快就可以熟悉這種語法。

            
              >>> [x * x for x in range(1, 11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

            
          

• for循環后面還可以加上if判斷，這樣我們就可以篩選出僅偶數的平方：

            
              >>> [x * x for x in range(1, 11) if x % 2 == 0]
[4, 16, 36, 64, 100]

            
          

• 還可以使用兩層循環，可以生成全排列：

            
              >>> [m + n for m in 'ABC' for n in 'XYZ']
['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']

            
          

生成器

• 如果列表元素可以按照某種算法推算出來，那我們是否可以在循環的過程中不斷推算出后續的元素呢？這樣就不必創建完整的list，從而節省大量的空間。在Python中，這種一邊循環一邊計算的機制，稱為生成器：generator。

• 要創建一個generator，有很多種方法。第一種方法很簡單，只要把一個列表生成式的[]改成()，就創建了一個generator：

            
              >>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g

              
                
                   at 0x1022ef630>

                
              
            
          

• 可以通過next()函數獲得generator的下一個返回值,generator保存的是算法，每次調用next(g)，就計算出g的下一個元素的值，直到計算到最后一個元素，沒有更多的元素時，拋出StopIteration的錯誤。

• 當然，不斷調用next(g)實在是太變態了，正確的方法是使用for循環，因為generator也是可迭代對象：

            
              >>> g = (x * x for x in range(10))
>>> for n in g:
...     print(n)

            
          

• 如果一個函數定義中包含yield關鍵字，那么這個函數就不再是一個普通函數，而是一個generator，如

            
              def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
    return 'done'

            
          

• 這里，最難理解的就是generator和函數的執行流程不一樣。函數是順序執行，遇到return語句或者最后一行函數語句就返回。而變成generator的函數，在每次調用next()的時候執行，遇到yield語句返回，再次執行時從上次返回的yield語句處繼續執行。

迭代器

• 凡是可以被next()函數調用并不斷返回下一個值的對象稱為迭代器：Iterator。

• 凡是可作用于for循環的對象都是Iterable類型；

• 可以使用isinstance()判斷一個對象是否是Iterator對象

• 生成器都是Iterator對象，但list、dict、str雖然是Iterable，卻不是Iterator。

• 把list、dict、str等Iterable變成Iterator可以使用iter()函數

• 為什么list、dict、str等數據類型不是Iterator？這是因為Python的Iterator對象表示的是一個數據流，Iterator對象可以被next()函數調用并不斷返回下一個數據，直到沒有數據時拋出StopIteration錯誤。可以把這個數據流看做是一個有序序列，但我們卻不能提前知道序列的長度，只能不斷通過next()函數實現按需計算下一個數據，所以Iterator的計算是惰性的，只有在需要返回下一個數據時它才會計算。Iterator甚至可以表示一個無限大的數據流，例如全體自然數。而使用list是永遠不可能存儲全體自然數的。

• Python的for循環本質上就是通過不斷調用next()函數實現的