脚本专栏 
首页 > 脚本专栏 > 浏览文章

Python的控制结构之For、While、If循环问题

(编辑:jimmy 日期: 2024/11/18 浏览:3 次 )

传统Python语言的主要控制结构是for循环。然而,需要注意的是for循环在Pandas中不常用,因此Python中for循环的有效执行并不适用于Pandas模式。一些常见控制结构如下。

  • for循环
  • while循环
  • if/else语句
  • try/except语句
  • 生成器表达式
  • 列表推导式
  • 模式匹配

所有的程序最终都需要一种控制执行流的方式。本节介绍一些控制执行流的技术。

01 for循环

for循环是Python的一种最基本的控制结构。使用for循环的一种常见模式是使用range函数生成数值范围,然后对其进行迭代。

res = range(3) 
print(list(res)) 
 
#输出:[0, 1, 2] 

for i in range(3): 
print(i) 
 
'''输出: 
0 
1 
2 
''' 

for循环列表

使用for循环的另一种常见模式是对列表进行迭代。

martial_arts = ["Sambo","Muay Thai","BJJ"] 
for martial_art in martial_arts: 
 print(f"{ martial_art} has influenced\ 
  modern mixed martial arts") 
 
'''输出: 
Sambo has influenced modern mixed martial arts 
Muay Thai has influenced modern mixed martial arts 
BJJ has influenced modern mixed martial arts 
''' 

02 while循环

while循环是一种条件有效就会重复执行的循环方式。while循环的常见用途是创建无限循环。在本示例中,while循环用于过滤函数,该函数返回两种攻击类型中的一种。

def attacks(): 
 list_of_attacks = ["lower_body", "lower_body", 
  "upper_body"] 
 print("There are a total of {lenlist_of_attacks)}\ 
  attacks coming!") 
 for attack in list_of_ attacks: 
 yield attack 
attack = attacks() 
count = 0 
while next(attack) == "lower_body": 
 count +=1 
 print(f"crossing legs to prevent attack #{count}") 
else: 
 count += 1 
 print(f"This is not lower body attack, \ 
I will cross my arms for# count}") 
 
'''输出: 
There are a total of 3 attacks coming! 
crossing legs to prevent attack #1 
crossing legs to prevent attack #2 
This is not a lower body attack, I will cross my arms for #3 
''' 

03 if/else语句

if/else语句是一条在判断之间进行分支的常见语句。在本示例中,if/elif用于匹配分支。如果没有匹配项,则执行最后一条else语句。

def recommended_attack(position): 
 """Recommends an attack based on the position""" 
 if position == "full_guard": 
 print(f"Try an armbar attack") 
 elif position == "half_guard": 
 print(f"Try a kimura attack") 
 elif position == "fu1l_mount": 
 print(f"Try an arm triangle") 
 else: 
 print(f"You're on your own, \ 
  there is no suggestion for an attack") 
recommended_attack("full_guard")#输出:Try an armbar attack 
recommended_attack("z_guard") 
 
#输出:You're on your own, there is no suggestion for an attack 

04 生成器表达式

生成器表达式建立在yield语句的概念上,它允许对序列进行惰性求值。生成器表达式的益处是,在实际求值计算前不会对任何内容进行求值或将其放入内存。这就是下面的示例可以在生成的无限随机攻击序列中执行的原因。

在生成器管道中,诸如 “arm_triangle”的小写攻击被转换为“ARM_TRIANGLE”,接下来删除其中的下划线,得到“ARM TRIANGLE”。

def lazy_return_random_attacks(): 
 """Yield attacks each time""" 
 import random 
 attacks = {"kimura": "upper_body", 
  "straight_ankle_lock": "lower_body", 
  "arm_triangle": "upper_body", 
  "keylock": "upper_body", 
  "knee_bar": "lower_body"} 
 while True: 
  random_attack random.choices(list(attacks.keys())) 
  yield random attack 
 
#Make all attacks appear as Upper Case 
upper_case_attacks = \ 
  (attack.pop().upper() for attack in \ 
  lazy_return_random_attacks()) 
next(upper-case_attacks) 
 
#输出:ARM-TRIANGLE 
## Generator Pipeline: One expression chains into the next 
#Make all attacks appear as Upper Case 
upper-case_attacks =\ 
 (attack. pop().upper() for attack in\ 
 lazy_return_random_attacks()) 
#remove the underscore 
remove underscore =\ 
 (attack.split("_")for attack in\ 
 upper-case_attacks) 
#create a new phrase 
new_attack_phrase =\ 
 (" ".join(phrase) for phrase in\ 
 remove_underscore) 
next(new_attack_phrase) 
 
#输出:'STRAIGHT ANKLE LOCK' 
for number in range(10): 
 print(next(new_attack_phrase)) 
 
'''输出: 
KIMURA 
KEYLOCK 
STRAIGHT ANKLE LOCK 
''' 

05 列表推导式

语法上列表推导式与生成器表达式类似,然而直接对比它们,会发现列表推导式是在内存中求值。此外,列表推导式是优化的C代码,可以认为这是对传统for循环的重大改进。

martial_arts = ["Sambo", "Muay Thai", "BJJ"] 
new_phrases [f"mixed Martial Arts is influenced by \ 
 (martial_art)" for martial_art in martial_arts] 
print(new_phrases) 
['Mixed Martial Arts is influenced by Sambo', \ 
'Mixed Martial Arts is influenced by Muay Thai', \ 
'Mixed Martial Arts is influenced by BJJ'] 

06 中级主题

有了这些基础知识后,重要的是不仅要了解如何创建代码,还要了解如何创建可维护的代码。创建可维护代码的一种方法是创建一个库,另一种方法是使用已经安装的第三方库编写的代码。其总体思想是最小化和分解复杂性。

使用Python编写库

使用Python编写库非常重要,之后将该库导入项目无须很长时间。下面这些示例是编写库的基础知识:在存储库中有一个名为funclib的文件夹,其中有一个_init_ .py文件。要创建库,在该目录中需要有一个包含函数的模块。

首先创建一个文件。

touch funclib/funcmod.py

然后在该文件中创建一个函数。

"""This is a simple module""" 
def list_of_belts_in_bjj(): 
 """Returns a list of the belts in Brazilian jiu-jitsu""" 
 belts= ["white", "blue", "purple", "brown", "black"] 
 return belts 
import sys;sys.path.append("..") 
from funclib import funcmod 
funcmod.list_of_belts_in-bjj() 
 
#输出:['white', 'blue', 'purple', 'brown', 'black'] 

导入库

如果库是上面的目录,则可以用Jupyter添加sys.path.append方法来将库导入。接下来,使用前面创建的文件夹/文件名/函数名的命名空间导入模块。

安装第三方库

可使用pip install命令安装第三方库。请注意,conda命令(

https://conda.io/docs/user-guide/tasks/manage-pkgs.html)是pip命令的可选替代命令。如果使用conda命令,那么pip命令也会工作得很好,因为pip是virtualenv虚拟环境的替代品,但它也能直接安装软件包。

安装pandas包。

pip install pandas

另外,还可使用requirements.txt文件安装包。

> ca requirements.txt 
pylint 
pytest 
pytest-cov 
click 
jupyter 
nbval 
 
> pip install -r requirements.txt 

下面是在Jupyter Notebook中使用小型库的示例。值得指出的是,在Jupyter Notebook中创建程序代码组成的巨型蜘蛛网很容易,而且非常简单的解决方法就是创建一些库,然后测试并导入这些库。

"""This is a simple module""" 
 
import pandas as pd 
 
def list_of_belts_in_bjj(): 
 """Returns a list of the belts in Brazilian jiu-jitsu""" 
 
 belts = ["white", "blue", "purple", "brown", "black"] 
 return belts 
 
def count_belts(): 
 """Uses Pandas to count number of belts""" 
 
 belts = list_of_belts_in_bjj() 
 df = pd.Dataframe(belts) 
 res = df.count() 
 count = res.values.tolist()[0] 
 return count 
from funclib.funcmod import count_belts 
print(count_belts()) 
 
#输出:5 

可在Jupyter Notebook中重复使用类并与类进行交互。最简单的类类型就是一个名称,类的定义形式如下。

class Competitor: pass

该类可实例化为多个对象。

class Competitor: pass 
conor = Competitor() 
conor.name = "Conor McGregor" 
conor.age = 29 
conor.weight = 155 
nate = Competitor() 
nate.name = "Nate Diaz" 
nate.age = 30 
nate.weight = 170 
def print_competitor _age(object): 
 """Print out age statistics about a competitor""" 
 
 print(f"{object.name} is {object.age} years old") 
print_competitor_age(nate) 
 
#输出:Nate Diaz is 30 years old 
print_competitor_age(conor) 
 
#输出:Conor McGregor is 29 years old 

类和函数的区别

类和函数的主要区别包括:

  • 函数更容易解释。
  • 函数(典型情况下)只在函数内部具有状态,而类在函数外部保持不变的状态。
  • 类能以复杂性为代价提供更高级别的抽象。

总结

上一篇:tensorflow 2.1.0 安装与实战教程(CASIA FACE v5)
下一篇:python 最简单的实现适配器设计模式的示例
友情链接:杰晶网络 DDR爱好者之家 南强小屋 黑松山资源网 白云城资源网 SiteMap