python for循环

一、编译型vs解释型 编译型 优点：编译器一般会有预编译的过程对代码进行优化。因为编译只做一次，运行时不需要编译，所以编译型语言的程序执行效率高。可以脱离语言环境独立运行。 缺点：编译之后如果需要修改就需要整个模块重新编译。编译的时候根据对应的运行环境生成机器码，不同的操作系统之间移植就会有问题，需要根据运行的操作系统环境编译不同的可执行文件。 解释型 优点：有良好的平台兼容性，在任何环境中都可以运行，前提是安装了解释器（虚拟机）。灵活，修改代码的时候直接修改就可以，可以快速部署，不用停机维护。 缺点：每次运行的时候都要解释一遍，性能上不如编译型语言。 二、Python的优缺点 先看优点 Python的定位是“优雅”、“明确”、“简单”，所以Python程序看上去总是简单易懂，初学者学Python，不但入门容易，而且将来深入下去，可以编写那些非常非常复杂的程序。 开发效率非常高，Python有非常强大的第三方库，基本上你想通过计算机实现任何功能，Python官方库里都有相应的模块进行支持，直接下载调用后，在基础库的基础上再进行开发，大大降低开发周期，避免重复造轮子。 高级语言————当你用Python语言编写程序的时候，你无需考虑诸如如何管理你的程序使用的内存一类的底层细节 可移植性————由于它的开源本质，Python已经被移植在许多平台上（经过改动使它能够工 作在不同平台上）

Python 学习笔记 在windows操作系统中，推出python命令提示行的快捷键是先按ctrl+z，然后再按Enter。 Python 是大小写敏感的。要确保每一行的开始字符前没有空格和制表符。 # 为注释符号。 如果想要获取某个python函数或者语句的快速帮助信息，可以使用内建的help功能，特别是在使用带提示符的命令行的时候。这个时候可以按q退出帮助。 一、基本概念 1 、数 Python 中有四种类型的数：整数，长整数，浮点数和复数。 2 、字符串 如何在python中使用字符串？ （1）使用单引号 原样保留 （2）使用双引号 使用与单引号完全相同。 （3）使用三引号（’’’或者”””） 利用三引号，可以指示一个多行的字符串，可以在三引号中自由的使用单引号和双引号。 （4）转义符 如果想在一个字符串中包含单引号，可以采用反斜杠\，当然，这种情况也可以使用双引号来表示字符串，这样的话python也能识别中间的单引号了。 另外，如果需要在双引号中使用双引号本身的时候，也可以借助于转义字符。 需要注意的是，行末的单独一个反斜杠表示字符串在下一行继续，而不是重新开始一个新的行。 （5）自然字符串 如果你想要指定某些不需要如转义符那样特别处理的字符串，那么需要指定一个自然字符串，它通过在字符串前加前缀r或者R来指定。 （6）Unicode字符 在字符串前加上u或者U来实现。

一.Python基础入门 1.第一句python文件后缀名： 文件后缀名是.py 2.两种执行方式： (1)把文件地址交给python解释器，python解释器去找到这个文件读到内存执行 (2)进入解释器：解释器运行起来，等待用户输入东西，用户输入什么解释器处理什么(实时输入并获取到执行结果) 3.解释器路径： #!/usr/bin/env python 4.编码： # -*- coding:utf8 -*- Python3无需关注 Python2每个文件中只要出现中文，头部必须加 5.执行一个操作(提醒用户输入：用户和密码) input的用法,永远等待,直到用户输入了值,就会将输入的值赋值给n,n代指用户输入的内容 #!/usr/bin/python # -*- coding: utf-8 -* n1 = input('请输入用户名: ') n2 = input('请输入密码: ') print(n1) print(n2) 结果： 请输入用户名: 18 请输入密码: 123456 18 123456 二.python的语言类型 1.静态编译语言 (1)实现声明变量类型，类型不能再改变 (2)编译时检查 2.动态编译语言 (1)不用事先声明类型，随时可以赋值为其他类型 (2)编程时不知道是什么类型，很难推断 3.强类型语言 (1)不同类型之间操作，必须先强制类型转换为同一类型

本文实例讲述了Python基础之函数基本用法与进阶。分享给大家供大家参考，具体如下： 目标 函数参数和返回值的作用 函数的返回值 进阶 函数的参数 进阶 递归函数 函数参数和返回值的作用 函数根据 有没有参数 以及 有没有返回值，可以 相互组合，一共有 4 种 组合形式 无参数，无返回值 无参数，有返回值 有参数，无返回值 有参数，有返回值 定义函数时，是否接收参数，或者是否返回结果，是根据 实际的功能需求 来决定的！ 如果函数 内部处理的数据不确定，就可以将外界的数据以参数传递到函数内部 如果希望一个函数 执行完成后，向外界汇报执行结果，就可以增加函数的返回值 1.1 无参数，无返回值 此类函数，不接收参数，也没有返回值，应用场景如下： 只是单纯地做一件事情，例如 显示菜单 在函数内部 针对全局变量进行操作，例如：新建名片，最终结果 记录在全局变量 中 注意： 如果全局变量的数据类型是一个 可变类型，在函数内部可以使用 方法 修改全局变量的内容 —— 变量的引用不会改变 在函数内部，使用赋值语句 才会 修改变量的引用 1.2 无参数，有返回值 此类函数，不接收参数，但是有返回值，应用场景如下： 采集数据，例如 温度计，返回结果就是当前的温度，而不需要传递任何的参数 1.3 有参数，无返回值 此类函数，接收参数，没有返回值，应用场景如下： 函数内部的代码保持不变，针对 不同的参数

1. 什么是生成器 　　生成列表的方法：1、a = [11,22,33] 　　　　　　　　　　2 、a = [x for x in range(5)] 　　　　　　　　　　3、 a = [] ,并通过append 来添加 　　通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含 100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。 在 Python中，这种一边循环一边计算的机制，称为生成器：generator 。 2. 创建生成器 　　要创建一个生成器，有很多种方法。第一种方法很简单，只要把一个列表生成式的 [ ] 改成 ( ) 　　 　　创建 L 和 G 的区别仅在于最外层的 [ ] 和 ( ) ， L 是一个列表，而 G 是一个生成器。 我们可以直接打印出 L的每一个元素，但我们怎么打印出G的每一个元素呢？如果要一个一个打印出来， 可以通过 next() 函数获得生成器的下一个返回值： 　　 　　生成器保存的是 算法 ，每次调用 next(G) ，就计算出 G 的下一个元素的值，直到计算到最后一个元素

　　通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。 在Python中，这种一边循环一边计算的机制，称为生成器：generator。 　　 1、创建生成器方法一 　　把一个列表生成式的 [ ] 改成 ( ) 　　生成器保存的是算法，每次调用 next(G) ，就计算出 G 的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出 StopIteration 的异常。当然，这种不断调用 next() 实在是太变态了，正确的方法是使用 for 循环，因为生成器也是可迭代对象。所以，我们创建了一个生成器后，基本上永远不会调用 next() ，而是通过 for 循环来迭代它，并且不需要关心 StopIteration 异常。 　 　 2、创建生成器方法二 　　用函数来实现，如下getNum(num) 1 # test.py 2 def getNum(num): 3 a,b = 0,1 4 print("*****") 5 for i in range(num): 6

一、生成器定义 通过列表生成表达式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。 1 >>> l = [x * x for x in range(10)] 2 >>> l 3 [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] 4 >>> g = (x * x for x in range(10)) 5 >>> g 6 <generator object <genexpr> at 0x1013e0780> 二、表达式生成器 创建l和 g 的区别仅在于最外层的[]和() ，l是一个list，而 g 是一个generator。可以直接打印出l的每一个元素，打印出g的每一个元素需要使用next()函数。 1 >>> g = (x * x for x in range(10)) 2 >>> g 3 <generator object <genexpr> at 0x1013e0780> 4 >>> next(g) 5 0 6 >>> next(g) 7 1 8 >>> next(g) 9 4 10 >>> next(g) 11

1.为什么要有生成器？ 通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。所以，如果列表元素可以按照某种算法推算出来，那我们是否可以。。。 在循环的过程中不断推算出后续的元素，这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。 第一种方法很简单，只要把一个列表生成式的 [] 改成 () ，就创建了一个generator，其实就是一个tuple。 L = [x * x for x in range(10)] print(L) print(type(L)) L2 = (x * x for x in range(10)) print(L2) print(type(L2)) # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] # <class 'list'> # <generator object <genexpr> at 0x00FE4FC0> # <class 'generator'> 创建 L 和L2的区别仅在于最外层的 [] 和 () ， L 是一个list，而L2是一个generator。

一、Q： 用Python输出一个Fibonacci数列？（斐波那契额数列） 　　A：我们先来看下代码 #!/usr/bin/env python # -*- coding: utf-8 -*- def fib_recur(n): if n <= 1: return n return fib_recur(n - 1) + fib_recur(n - 2) for i in range(1, 20): print(fib_recur(i), end=" ") 我们来详细的看一下代码，我们知道斐波那契数据为1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233，377，610，987，由此我们可以得知， 　　F(0) = 0 　　F(1) = 1, 　　F(2) = F(1) + F(0), 　　F(3) = F(2) + F(1), 　　F(4) = F(3) + F(2), 　　F(5) = F(4) + F(3) 所以我们可以得知F(n) = F(n-1) + F(n-2)。 二、Q：介绍一下Python中webbrowser的用法？ 　　A：webbrowser主要是用来驱动浏览器进行操作的，最简单的实例。 #!/usr/bin/env python # -*- coding: utf-8 -*- import webbrowser as

减少代码，提高效率 1.切片 取一个序列的部分元素 L [ start : end : step ] 含头不含尾 1 #!/usr/bin/python3 2 # -*- coding:utf-8 -*- 3 4 L = [ 1, 3, 6, 9, 45, 66] 5 6 print ( L[:4] ) #等同于L[0:4] 切片下标为 0 ~ 3 7 print ( L[-2:] ) #倒数切片 从倒数第2开始往后切 倒数第二、倒数第一 8 print ( L[:5:2] ) #前5个数，每2个取一个 9 print ( L[::5] ) #所有数，每5个取一个 L[ : : -1] 倒切 2.迭代 在Python中，迭代是通过 for...in 来完成的，而很多语言迭代 list 是通过下标完成的。 无论有无下标都可以迭代，如dict dict不是按顺序排列存储，迭代出的结果顺序很可能不一样 dict默认迭代 key 如要要迭代 value： 同时迭代 key 和 value ： 判断是否可以迭代 3.迭代器 迭代是Python最强大的功能之一，是访问集合元素的一种方式。 凡是可作用于for循环的对象都是Iterable类型，即迭代对象 凡是可作用于next()函数的对象都是Iterator类型，即迭代器，表示一个惰性计算的序列（只有在需要返回下一个数据时它才会计算）