Python编程整理汇总(基础汇总版)

1. 基础语法

1.1 变量与数据类型

整数：a = 10

浮点数：b = 3.14

字符串：c = "Hello, World!"

布尔值：d = True

列表：e = [1, 2, 3, 4, 5]

元组：f = (1, 2, 3)

字典：g = {"name": "Alice", "age": 25}

集合：h = {1, 2, 3, 4, 5}

1.2 控制结构

if语句：if a > 5: print("a is greater than 5")
for循环：for i in range(5): print(i)

while

循环：

count = 0
while count < 5:print(count)count += 1

1.3 函数与模块

函数：def greet(name): return f"Hello, {name}!"
模块：
# mymodule.py
def add(x, y):return x + y# 在另一个文件中
from mymodule import add
print(add(2, 3))

1.4 输入输出

input()：name = input("Enter your name: ") print(f"Hello, {name}!")

print()：print("This is a print statement.")

2. 面向对象编程

2.1 类与对象

类：
class Dog:def __init__(self, name, age):self.name = nameself.age = agedef bark(self):return "Woof!"
对象：my_dog = Dog("Buddy", 3) print(my_dog.name) print(my_dog.bark())

2.2 继承与多态

继承：
class Animal:def speak(self):passclass Dog(Animal):def speak(self):return "Woof!"
多态：def animal_speak(animal): print(animal.speak()) animal_speak(Dog())

2.3 封装与抽象

封装：

class BankAccount:def __init__(self, balance=0):self.__balance = balance  # 私有属性def deposit(self, amount):self.__balance += amountdef get_balance(self):return self.__balance

抽象：

from abc import ABC, abstractmethodclass Shape(ABC):@abstractmethoddef area(self):passclass Circle(Shape):def __init__(self, radius):self.radius = radiusdef area(self):return 3.14 * self.radius ** 2

3. 文件操作

3.1 打开与关闭文件：

python">with open('example.txt', 'w') as file:file.write("Hello, World!")

3.2 读取与写入文件：

python">with open('example.txt', 'r') as file:content = file.read()print(content)

4. 异常处理

4.1`try`、`except`、`else`、`finally`语句：

python">try:result = 10 / 0
except ZeroDivisionError:print("Cannot divide by zero!")
else:print("Division successful!")
finally:print("This block is always executed.")

4.2 自定义异常：

python">#自定义异常class CustomError(Exception):passtry:raise CustomError("This is a custom error message.")
except CustomError as e:print(e)

5. 高级特性

5.1 生成器与迭代器：

python">def my_generator():yield 1yield 2yield 3gen = my_generator()
for value in gen:print(value)

5.2 装饰器：

python">def my_decorator(func):def wrapper():print("Something is happening before the function is called.")func()print("Something is happening after the function is called.")return wrapper@my_decorator
def say_hello():print("Hello!")say_hello()

5.3 上下文管理器：

python">class MyContextManager:def __enter__(self):print("Entering the context.")return selfdef __exit__(self, exc_type, exc_val, exc_tb):print("Exiting the context.")with MyContextManager() as cm:print("Inside the context.")

5.4 闭包：

python">def make_multiplier(factor):def multiplier(number):return number * factorreturn multipliertimes_two = make_multiplier(2)
print(times_two(5))  # 输出: 10

5.5 列表推导式（List Comprehensions）：

python">squares = [x**2 for x in range(10)]
print(squares)  # 输出: [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

5.6 字典推导式（Dictionary Comprehensions）：

python">square_dict = {x: x**2 for x in range(5)}
print(square_dict)  # 输出: {0: 0, 1: 1, 2: 4, 3: 9, 4: 16}

5.7 集合推导式（Set Comprehensions）：

python">unique_squares = {x**2 for x in [1, -1, 2, -2, 3]}
print(unique_squares)  # 输出: {1, 4, 9}

5.8 枚举（Enumerations）：

python">from enum import Enumclass Color(Enum):RED = 1GREEN = 2BLUE = 3print(Color.RED)  # 输出: Color.RED
print(Color.RED.value)  # 输出: 1

5.9 类型注解（Type Annotations）：

python">def greet(name: str) -> str:return f"Hello, {name}!"print(greet("Alice"))  # 输出: Hello, Alice!

6. 标准库与第三方库

在Python中，标准库提供了许多内置模块，用于执行各种常见任务。此外，还有大量的第三方库可供使用，这些库扩展了Python的功能，使其能够处理更复杂的问题。

6.1 标准库

`string` 库：提供了一系列关于字符串的常量，比如字母、数字、标点符号等。

python">import string
print(string.ascii_letters)  # 打印所有ASCII字母（小写和大写）
print(string.digits)         # 打印所有数字
print(string.punctuation)    # 打印所有标点符号

`json` 库：用于处理JSON数据，包括编码（序列化）和解码（反序列化）Python对象。

python">import json
data = {"name": "Alice", "age": 25, "city": "New York"}
json_data = json.dumps(data)  # 将Python对象编码为JSON字符串
print(json_data)
parsed_data = json.loads(json_data)  # 将JSON字符串解码为Python对象
print(parsed_data)

`random` 库：用于生成随机数。

python">import random
print(random.randint(1, 10))  # 生成1到10之间的随机整数
print(random.random())        # 生成0到1之间的随机浮点数
print(random.choice(['apple', 'banana', 'cherry']))  # 从列表中随机选择一个元素

`re` 库：提供了正则表达式的支持，用于字符串匹配和替换。

python">import re
text = "Hello, world! This is a test."
matches = re.findall(r'\b\w+\b', text)  # 匹配并打印所有单词
print(matches)
replaced_text = re.sub(r'\s+', '_', text)  # 替换所有空格为下划线
print(replaced_text)

`os` 库：用于与操作系统交互，比如文件路径操作、环境变量访问等。

python">import os
print(os.getcwd())  # 打印当前工作目录
os.makedirs('new_directory', exist_ok=True)  # 创建目录
print(os.listdir('.'))  # 列出目录内容
os.chdir('new_directory')  # 改变当前工作目录
file_size = os.path.getsize('some_file.txt') if os.path.exists('some_file.txt') else 0
print(file_size)  # 获取文件大小
os.remove('some_file.txt') if os.path.exists('some_file.txt') else None  # 删除文件
os.rmdir('new_directory') if os.path.exists('new_directory') and not os.listdir('new_directory') else None  # 删除空目录

`hashlib` 库：用于生成安全哈希和消息摘要。

python">import hashlib
md5_hash = hashlib.md5()
md5_hash.update(b'Hello, world!')
print(md5_hash.hexdigest())  # 打印MD5哈希值
sha256_hash = hashlib.sha256()
sha256_hash.update(b'Hello, world!')
print(sha256_hash.hexdigest())  # 打印SHA-256哈希值

`base64` 库：用于对数据进行Base64编码和解码。

python">import base64
encoded_data = base64.b64encode(b'Hello, world!')
print(encoded_data)
decoded_data = base64.b64decode(encoded_data)
print(decoded_data.decode('utf-8'))  # 打印解码后的字符串

sys 库：用于访问与Python解释器紧密相关的变量和函数，比如Python版本、命令行参数等。
```
python">import sys
print(sys.version)  # 打印Python版本
```
math 库：提供了一系列数学函数，比如平方根、三角函数等。
```
python">import math
print(math.sqrt(16))  # 打印16的平方根
```

`datetime` 库：用于处理日期和时间。

python">from datetime import datetime
print(datetime.now())  # 打印当前时间

6.2 第三方库

`requests`：一个简单易用的HTTP库，用于发送HTTP请求。

python">import requests
response = requests.get('https://api.github.com')
print(response.json())  # 打印响应的JSON内容

numpy：一个强大的科学计算库，支持多维数组对象、矩阵运算、线性代数、傅里叶变换等。
```
python">import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr)  # 打印数组
```
pandas：一个开源的数据分析和操作库，提供了快速、灵活和表达性强的数据结构，旨在使“关系”或“标签”数据的处理工作变得既简单又直观。
```
python">import pandas as pd
df = pd.DataFrame({'Name': ['Alice', 'Bob', 'Charlie'],'Age': [25, 30, 35]
})
print(df)  # 打印DataFrame
```

7. 并发编程

并发编程是Python中一个非常重要的领域，它允许程序同时执行多个任务。Python提供了多种实现并发编程的方式，包括多线程、多进程和异步编程等。

7.1 多线程

多线程是一种并发编程技术，它允许在单个程序中同时运行多个线程。每个线程都是一个独立的执行路径，可以并发地执行代码。

使用`threading`模块

Python的threading模块提供了创建和管理线程的功能。以下是一个简单的多线程示例：

python">import threading
import timedef worker(thread_id):print(f"Thread {thread_id} is starting.")time.sleep(2)print(f"Thread {thread_id} is ending.")threads = []
for i in range(5):thread = threading.Thread(target=worker, args=(i,))threads.append(thread)thread.start()for thread in threads:thread.join()print("All threads have finished.")

在这个示例中，创建5个线程，每个线程都执行worker函数。thread.start()方法用于启动线程，thread.join()方法用于等待线程结束。

7.2 多进程

多进程是另一种并发编程技术，它通过在多个进程中运行代码来实现并发。与多线程相比，多进程通常具有更好的性能和资源利用率，因为每个进程都有自己的内存空间和系统资源。

使用`multiprocessing`模块

Python的multiprocessing模块提供了创建和管理进程的功能。以下是一个简单的多进程示例：

python">import multiprocessing
import timedef worker(process_id):print(f"Process {process_id} is starting.")time.sleep(2)print(f"Process {process_id} is ending.")processes = []
for i in range(5):process = multiprocessing.Process(target=worker, args=(i,))processes.append(process)process.start()for process in processes:process.join()print("All processes have finished.")

在这个示例中，创建5个进程，每个进程都执行worker函数。process.start()方法用于启动进程，process.join()方法用于等待进程结束。

7.3 异步编程

异步编程是一种并发编程技术，它允许程序在等待I/O操作（如网络请求、文件读写等）完成时继续执行其他任务。Python的asyncio库提供了异步编程的支持。

使用`asyncio`库

以下是一个简单的异步编程示例：

python">import asyncioasync def fetch(url):print(f"Starting fetch of {url}")await asyncio.sleep(2)  # 模拟网络请求print(f"Finished fetch of {url}")async def main():tasks = [fetch('http://example.com') for _ in range(5)]await asyncio.gather(*tasks)asyncio.run(main())

在这个示例中，定义一个异步函数fetch，它模拟了一个网络请求。main函数创建了5个异步任务，并使用asyncio.gather方法同时运行它们。asyncio.run(main())用于运行异步程序。

7.4 线程池和进程池

为了更高效地管理线程和进程，Python提供了线程池和进程池的概念。线程池和进程池允许你限制并发任务的数量，并重用现有的线程或进程，从而减少了创建和销毁线程或进程的开销。

使用`concurrent.futures`模块

concurrent.futures模块提供了ThreadPoolExecutor和ProcessPoolExecutor类，用于创建线程池和进程池。以下是一个简单的示例：

python">from concurrent.futures import ThreadPoolExecutor, as_completed
import timedef worker(thread_id):print(f"Thread {thread_id} is starting.")time.sleep(2)print(f"Thread {thread_id} is ending.")return thread_idwith ThreadPoolExecutor(max_workers=3) as executor:futures = [executor.submit(worker, i) for i in range(5)]for future in as_completed(futures):result = future.result()print(f"Result: {result}")

在这个示例中，创建一个最大容量为3的线程池，并提交了5个任务。as_completed函数用于迭代已完成的任务，并获取其结果。

以上是对Python的一些基本介绍和示例。在实际应用中，需要根据具体的需求和场景选择合适的并发编程技术。

许久未更新您猜怎么着,整理编写实属不易有点费人,麻烦各位动动发财的小手,点赞收藏评论支持一波谢谢!