盘一盘 Python 系列 1 - 入门篇 (上)

昨晚见到大神 Aurélien Géron 真人讲 Tensorflow 2.0 的 autograph，会后和他聊天得知他已经搬到新加坡了，而且在这边也有一个 AI consulting 的初创公司。大神非常谦逊，讲东西一针见血，现在在忙于他的经典书《Hands-On Machine Learning with Scikit-Learn and TensorFlow》的第二版，里面加了很多 Tensorflow 2.0 的新东西。他的书和 youtube 上的几个视屏都是精品，我自认为写的最好的文章「胶囊网络」是受他的那个 capsule network 的视屏的启发而作。
大神的事业已经非常成功，问他写书的动力在哪 (因为我自己也写，深知要牺牲很多个人时间)，他很简单地说他就喜欢一直学习，通过写书可以明晰自己的对知识的理解，通过亲自写代码可以一直紧跟那些深度学习框架的发展。大神博学、谦逊、讲东西接地气，值得我学习，献上我和他合照一张 :)

0引言

微信公众号终于可以插代码了，Python 可以走一波了。首先我承认不是硬核搞 IT 的，太高级的玩法也玩不来，讲讲下面基本的还可以，之后带点机器学习、金融工程和量化投资的实例也是可以。

• Python 入门篇 (上)

• Python 入门篇 (下)

• 数组计算之 NumPy

• 科学计算之 SciPy

• 数据结构之 Pandas

• 基本可视化之 Matplotlib

• 统计可视化之 Seaborn

• 交互可视化之 Bokeh

• 炫酷可视化之 PyEcharts
  

• 机器学习之 Sklearn

• 深度学习之 TensorFlow

• 深度学习之 Keras

• 深度学习之 PyTorch

• 深度学习之 MXnet

整个系列力求精简和实用 (可能不会完整，但看完此贴举一反三也不要完整，追求完整的建议去看书)，到了「难点处」我一定会画图帮助读者理解。Python 系列的入门篇的目录如下，本帖是上篇，只涵盖前三个节，下篇接着后两节。

对于任何一种计算机语言，我觉得最重要的就是「数据类型」「条件语句 & 迭代循环」和「函数」，这三方面一定要打牢基础。此外 Python 非常简洁，一行代码 (one-liner) 就能做很多事情，很多时候都用了各种「解析式」，比如列表、字典和集合解析式。

在学习本贴前感受一下这个问题：如何把以下这个不规则的列表 a 里的所有元素一个个写好，专业术语叫打平 (flatten)?

a = [1, 2, [3, 4], [[5, 6], [7, 8]]]

魔法来了 (这一行代码有些长，用手机的建议横屏看)

fn = lambda x: [y for l in x for y in fn(l)] if type(x) is list else [x]
fn(a) 

[1, 2, 3, 4, 5, 6, 7, 8]

这一行代码，用到了迭代、匿名函数、递推函数、解析式这些技巧。初学者一看只会说“好酷啊，但看不懂”，看完本帖和下帖后，我保证你会说“我也会这样用了，真酷！”

1基本数据类型

Python 里面有自己的内置数据类型 (build-in data type)，本节介绍基本的三种，分别是整型 (int)，浮点型 (float)，和布尔型 (bool)。

1.1

整型

整数 (integer) 是最简单的数据类型，和下面浮点数的区别就是前者小数点后没有值，后者小数点后有值。例子如下：

a = 1031
print( a, type(a) )

1031 <class 'int'>

通过 print 的可看出 a 的值，以及类 (class) 是 int。Python 里面万物皆对象(object)，「整数」也不例外，只要是对象，就有相应的属性 (attributes) 和方法 (methods)。

知识点

通过 dir( X ) 和help( X ) 可看出 X 对应的对象里可用的属性和方法。

• X 是 int，那么就是 int 的属性和方法

• X 是 float，那么就是 float 的属性和方法
  

等等

dir(int)

['__abs__',
 '__add__',
...
 '__xor__',
 'bit_length',
 'conjugate',
...
 'real',
 'to_bytes']

红色的是 int 对象的可用方法，蓝色的是 int 对象的可用属性。对他们你有个大概印象就可以了，具体怎么用，需要哪些参数 (argument)，你还需要查文档。看个bit_length的例子

a.bit_length()

11

该函数是找到一个整数的二进制表示，再返回其长度。在本例中 a = 1031, 其二进制表示为 ‘10000000111’ ，长度为 11。

1.2

浮点型

简单来说，浮点型 (float) 数就是实数， 例子如下：

print( 1, type(1) )
print( 1., type(1.) )

1 <class 'int'>
1.0 <class 'float'>

加一个小数点 . 就可以创建 float，不能再简单。有时候我们想保留浮点型的小数点后 n 位。可以用 decimal 包里的 Decimal 对象和 getcontext() 方法来实现。

import decimal
from decimal import Decimal

Python 里面有很多用途广泛的包 (package)，用什么你就引进 (import) 什么。包也是对象，也可以用上面提到的dir(decimal) 来看其属性和方法。比如 getcontext() 显示了 Decimal 对象的默认精度值是 28 位 (prec=28)，展示如下：

decimal.getcontext()

Context(prec=28, rounding=ROUND_HALF_EVEN, Emin=-999999,
Emax=999999, capitals=1, clamp=0, flags=[],
traps=[InvalidOperation, DivisionByZero, Overflow])

让我们看看 1/3 的保留 28 位长什么样？

d = Decimal(1) / Decimal(3)
d

Decimal('0.3333333333333333333333333333')

那保留 4 位呢？用 getcontext().prec 来调整精度哦。

decimal.getcontext().prec = 4 
e = Decimal(1) / Decimal(3)
e

Decimal('0.3333')

高精度的 float 加上低精度的 float，保持了高精度，没毛病。

d + e

Decimal('0.6666333333333333333333333333')

1.3

布尔型

布尔 (boolean) 型变量只能取两个值，True 和 False。当把布尔变量用在数字运算中，用 1 和 0 代表 True 和 False。

T = True
F = False
print( T + 2 )
print( F - 8 )

3
-8

除了直接给变量赋值 True 和 False，还可以用 bool(X) 来创建变量，其中 X 可以是

• 基本类型：整型、浮点型、布尔型

• 容器类型：字符、元组、列表、字典和集合

基本类型

print( type(0), bool(0), bool(1) )
print( type(10.31), bool(0.00), bool(10.31) )
print( type(True), bool(False), bool(True) )

<class 'int'> False True
<class 'float'> False True
<class 'bool'> False True

bool 作用在基本类型变量的总结：X 只要不是整型 0、浮点型 0.0，bool(X) 就是 True，其余就是 False。

容器类型

print( type(''), bool( '' ), bool( 'python' ) )
print( type(()), bool( () ), bool( (10,) ) )
print( type([]), bool( [] ), bool( [1,2] ) )
print( type({}), bool( {} ), bool( {'a':1, 'b':2} ) )
print( type(set()), bool( set() ), bool( {1,2} ) )

<class 'str'> False True
<class 'tuple'> False True
<class 'list'> False True
<class 'dict'> False True
<class 'set'> False True

bool 作用在容器类型变量的总结：X 只要不是空的变量，bool(X) 就是 True，其余就是 False。

知识点

确定bool(X) 的值是 True 还是 False，就看 X 是不是空，空的话就是 False，不空的话就是 True。

• 对于数值变量，0, 0.0 都可认为是空的。

• 对于容器变量，里面没元素就是空的。

此外两个布尔变量 P 和 Q 的逻辑运算的结果总结如下表：

2容器数据类型

上节介绍的整型、浮点型和布尔型都可以看成是单独数据，而这些数据都可以放在一个容器里得到一个「容器类型」的数据，比如：

• 字符 (str) 是一容器的字节 char，注意 Python 里面没有 char 类型的数据，可以把单字符的 str 当做 char。

• 元组 (tuple)、列表 (list)、字典 (dict) 和集合 (set) 是一容器的任何类型变量。

2.1

字符

字符用于处理文本 (text) 数据，用「单引号 ’」和「双引号 “」来定义都可以。

创建字符

t1 = 'i love Python!'
print( t1, type(t1) )
t2 = "I love Python!"
print( t2, type(t2) )

i love Python! <class 'str'>
I love Python! <class 'str'>

字符中常见的内置方法 (可以用 dir(str) 来查) 有

• capitalize()：大写句首的字母

• split()：把句子分成单词

• find(x)：找到给定词 x 在句中的索引，找不到返回 -1

• replace(x, y)：把句中 x 替代成 y

• strip(x)：删除句首或句末含 x 的部分

t1.capitalize()

'I love python!'

t2.split()

['I', 'love', 'Python!']

print( t1.find('love') )
print( t1.find('like') )

2
-1

t2.replace( 'love Python', 'hate R' )

'I hate R!'

print( 'http://www.python.org'.strip('htp:/') )
print( 'http://www.python.org'.strip('.org') )

www.python.org
http://www.python

索引和切片

s = 'Python'
print( s )
print( s[2:4] )
print( s[-5:-2] )
print( s[2] )
print( s[-1] )

Python
th
yth
t
n

知识点

Python 里面索引有三个特点 (经常让人困惑)：

1. 从 0 开始 (和 C 一样)，不像 Matlab 从 1 开始。

2. 切片通常写成 start:end 这种形式，包括「start 索引」对应的元素，不包括「end索引」对应的元素。因此 s[2:4] 只获取字符串第 3 个到第 4 个元素。

3. 索引值可正可负，正索引从 0 开始，从左往右；负索引从 -1 开始，从右往左。使用负数索引时，会从最后一个元素开始计数。最后一个元素的位置编号是 -1。

这些特点引起读者对切片得到什么样的元素感到困惑。有个小窍门可以帮助大家快速锁定切片的元素，如下图。

与其把注意力放在元素对应的索引，不如想象将元素分开的隔栏，显然 6 个元素需要 7 个隔栏，隔栏索引也是从 0 开始，这样再看到 start:end 就认为是隔栏索引，那么获取的元素就是「隔栏 start」和「隔栏 end」之间包含的元素。如上图：

• string[2:4] 就是「隔栏 2」和「隔栏 4」之间包含的元素，即 th

• string[-5:-2] 就是「隔栏 -5」和「隔栏 -2」之间包含的元素，即 yth

正则表达式

正则表达式 (regular expression) 主要用于识别字符串中符合某种模式的部分，什么叫模式呢？用下面一个具体例子来讲解。

input = """
'06/18/2019 13:00:00', 100, '1st';
'06/18/2019 13:30:00', 110, '2nd';
'06/18/2019 14:00:00', 120, '3rd'
"""
input

"\n'06/18/2019 13:00:00', 100, '1st';
 \n'06/18/2019 13:30:00', 110, '2nd';
 \n'06/18/2019 14:00:00', 120, '3rd'\n"

假如你想把上面字符串中的「时间」的模式来抽象的表示出来，对照着具体表达式 '06/18/2019 13:00:00' 来看，我们发现该字符串有以下规则：

1. 开头和结束都有个单引号 '

2. 里面有多个 0-9 数字

3. 里面有多个正斜线 / 和分号 : 

4. 还有一个空格

因此我们用下面这样的模式

pattern = re.compile("'[0-9/:\s]+'")

再看这个抽象模式表达式 '[0-9/:\s]+'，里面符号的意思如下：

• 最外面的两个单引号 ' 代表该模式以它们开始和结束

• 中括号 [] 用来概括该模式涵盖的所有类型的字节

• 0-9 代表数字类的字节

• / 代表正斜线

• : 代表分号

• \s 代表空格

• [] 外面的加号 + 代表 [] 里面的字节出现至少 1 次

有了模式 pattern，我们来看看是否能把字符串中所有符合 pattern 的日期表达式都找出来。

pattern.findall(input)

["'06/18/2019 13:00:00'",
  "'06/18/2019 13:30:00'",
  "'06/18/2019 14:00:00'"]

结果是对的，之后你想怎么盘它就是你自己的事了，比如把 / 换成 -，比如用 datetime 里面的 striptime() 把日期里年、月、日、小时、分钟和秒都获取出来。

2.2

元组

创建元组

「元组」定义语法为 

(元素1, 元素2, ..., 元素n)

关键点是「小括号 ()」和「逗号 ,」

• 小括号把所有元素绑在一起

• 逗号将每个元素一一分开

创建元组的例子如下：

t1 = (1, 10.31, 'python')
t2 = 1, 10.31, 'python'
print( t1, type(t1) )
print( t2, type(t2) )

(1, 10.31, 'python') <class 'tuple'>
(1, 10.31, 'python') <class 'tuple'>

知识点

创建元组可以用小括号 ()，也可以什么都不用，为了可读性，建议还是用 ()。此外对于含单个元素的元组，务必记住要多加一个逗号，举例如下：

print( type( ('OK') ) )  # 没有逗号 , print( type( ('OK',) ) ) # 有逗号 ,

<class 'str'>
<class 'tuple'>

看看，没加逗号来创建含单元素的元组，Python 认为它是字符。

当然也可以创建二维元组：

nested = (1, 10.31, 'python'), ('data', 11)
nested

((1, 10.31, 'python'), ('data', 11))

索引和切片

元组中可以用整数来对它进行索引 (indexing) 和切片 (slicing)，不严谨的讲，前者是获取单个元素，后者是获取一组元素。接着上面二维元组的例子，先看看索引的代码：

nested[0]
print( nested[0][0], nested[0][1], nested[0][2] )

(1, 10.31, 'python')
1 10.31 python

再看看切片的代码：

nested[0][0:2] 

(1, 10.31)

不可更改

元组有不可更改 (immutable) 的性质，因此不能直接给元组的元素赋值，例子如下 (注意「元组不支持元素赋值」的报错提示)。

t = ('OK', [1, 2], True)
t[2] = False

TypeError: 'tuple' object does not support item assignment

但是只要元组中的元素可更改 (mutable)，那么我们可以直接更改其元素，注意这跟赋值其元素不同。如下例 t[1] 是列表，其内容可以更改，因此用 append 在列表后加一个值没问题。

t[1].append(3)

('OK', [1, 2, 3], True)

内置方法

元组大小和内容都不可更改，因此只有 count 和 index 两种方法。

t = (1, 10.31, 'python')
print( t.count('python') )
print( t.index(10.31) )

1
1

这两个方法返回值都是 1，但意思完全不同

• count('python') 是记录在元组 t 中该元素出现几次，显然是 1 次

• index(10.31) 是找到该元素在元组 t 的索引，显然是 1

元组拼接

元组拼接 (concatenate) 有两种方式，用「加号 +」和「乘号 *」，前者首尾拼接，后者复制拼接。

(1, 10.31, 'python') + ('data', 11) + ('OK',)
(1, 10.31, 'python') * 2

(1, 10.31, 'python', 'data', 11, 'OK')
(1, 10.31, 'python', 1, 10.31, 'python')

解压元组

解压 (unpack) 一维元组 (有几个元素左边括号定义几个变量）

t = (1, 10.31, 'python')
(a, b, c) = t
print( a, b, c )

1 10.31 python

解压二维元组 (按照元组里的元组结构来定义变量）

t = (1, 10.31, ('OK','python'))
(a, b, (c,d)) = t
print( a, b, c, d )

1 10.31 OK python

如果你只想要元组其中几个元素，用通配符「*」，英文叫 wildcard，在计算机语言中代表一个或多个元素。下例就是把多个元素丢给了 rest 变量。

t = 1, 2, 3, 4, 5
a, b, *rest, c = t
print( a, b, c )
print( rest )

1 2 5
[3, 4]

如果你根本不在乎 rest 变量，那么就用通配符「*」加上下划线「_」，刘例子如下：

a, b, *_ = t
print( a, b )

1 2

优点缺点

优点：占内存小，安全，创建遍历速度比列表快，可一赋多值。

缺点：不能添加和更改元素。

等等等，这里有点矛盾，元组的不可更改性即使优点 (安全) 有时缺点？确实是这样的，安全就没那么灵活，灵活就没那么安全。看看大佬廖雪峰怎么评价「不可更改性」吧

immutable 的好处实在是太多了：性能优化，多线程安全，不需要锁，不担心被恶意修改或者不小心修改。

后面那些安全性的东西我也不大懂，性能优化这个我可以来测试一下列表和元组。列表虽然没介绍，但是非常简单，把元组的「小括号 ()」该成「中括号 []」就是列表了。我们从创建、遍历和占空间三方面比较。

创建

%timeit [1, 2, 3, 4, 5]
%timeit (1, 2, 3, 4, 5)

62 ns ± 13.2 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)
12.9 ns ± 1.94 ns per loop (mean ± std. dev. of 7 runs, 100000000 loops each)

创建速度，元组 (12.9ns) 碾压列表 (62ns)。

遍历

lst = [i for i in range(65535)]
tup = tuple(i for i in range(65535))
%timeit for each in lst: pass
%timeit for each in tup: pass

507 µs ± 61.1 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
498 µs ± 18.7 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

遍历速度两者相当，元组 (498 µs) 险胜列表 (507 µs)。

占空间

from sys import getsizeof
print( getsizeof(lst) )
print( getsizeof(tup) )

578936
524328

列表比元组稍微废点内存空间。

2.3

列表

创建列表

「列表」定义语法为 

[元素1, 元素2, ..., 元素n]

关键点是「中括号 []」和「逗号 ,」

• 中括号把所有元素绑在一起

• 逗号将每个元素一一分开

创建列表的例子如下：

l = [1, 10.31,'python']
print(l, type(l))

[1, 10.31, 'python'] <class 'list'>

内置方法

不像元组，列表内容可更改 (mutable)，因此附加 (append, extend)、插入 (insert)、删除 (remove, pop) 这些操作都可以用在它身上。

附加

l.append([4, 3])
print( l )
l.extend([1.5, 2.0, 'OK'])
print( l ) 

[1, 10.31, 'python', [4, 3]]
[1, 10.31, 'python', [4, 3], 1.5, 2.0, 'OK']

严格来说 append 是追加，把一个东西整体添加在列表后，而 extend 是扩展，把一个东西里的所有元素添加在列表后。对着上面结果感受一下区别。

插入

l.insert(1, 'abc') # insert object before the index position
l

[1, 'abc', 10.31, 'python', [4, 3], 1.5, 2.0, 'OK']

insert(i, x) 在编号 i 位置前插入 x。对着上面结果感受一下。

删除

l.remove('python') # remove first occurrence of object
l

[1, 'abc', 10.31, [4, 3], 1.5, 2.0, 'OK']

p = l.pop(3) # removes and returns object at index.  Only only pop 1 index position at any time.
print( p )
print( l ) 

[4, 3]
[1, 'abc', 10.31, 1.5, 2.0, 'OK']

remove 和 pop 都可以删除元素

• 前者是指定具体要删除的元素，比如 'python'

• 后者是指定一个编号位置，比如 3，删除 l[3] 并返回出来

对着上面结果感受一下，具体用哪个看你需求。

切片索引

索引 (indexing) 和切片 (slicing) 语法在元组那节都讲了，而且怎么判断切片出来的元素在字符那节也讲了，规则如下图：

对照上图看下面两个例子 (顺着数和倒着数编号)：

l = [7, 2, 9, 10, 1, 3, 7, 2, 0, 1]
l[1:5]

[2, 9, 10, 1]

l[-4:]

[7, 2, 0, 1]

列表可更改，因此可以用切片来赋值。

l[2:4] = [999, 1000]
l

[7, 2, 999, 1000, 1, 3, 7, 2, 0, 1]

切片的通用写法是

start : stop : step

这三个在特定情况下都可以省去，我们来看看四种情况：

情况 1 - start : 

print( l )
print( l[3:] )
print( l[-4:] )

[7, 2, 999, 1000, 1, 3, 7, 2, 0, 1]
[1000, 1, 3, 7, 2, 0, 1]
[7, 2, 0, 1]

以 step 为 1 (默认) 从编号 start 往列表尾部切片。

情况 2 - : stop 

print( l )
print( l[:6] )
print( l[:-4] )

[7, 2, 999, 1000, 1, 3, 7, 2, 0, 1]
[7, 2, 999, 1000, 1, 3]
[7, 2, 999, 1000, 1, 3]

以 step 为 1 (默认) 从列表头部往编号 stop 切片。

情况 3 - start : stop 

print( l )
print( l[2:4] )
print( l[-5:-1] )

[7, 2, 999, 1000, 1, 3, 7, 2, 0, 1]
[999, 1000]
[3, 7, 2, 0]

以 step 为 1 (默认) 从编号 start 往编号 stop 切片。

情况 4 - start : stop : step

print( l )
print( l[1:5:2] )
print( l[:5:2] )
print( l[1::2] )
print( l[::2] )
print( l[::-1] )

[7, 2, 999, 1000, 1, 3, 7, 2, 0, 1]
[2, 1000]
[7, 999, 1]
[2, 1000, 3, 2, 1]
[7, 999, 1, 7, 0]
[1, 0, 2, 7, 3, 1, 1000, 999, 2, 7]

以具体的 step 从编号 start 往编号 stop 切片。注意最后把 step 设为 -1，相当于将列表反向排列。

列表拼接

和元组拼接一样， 列表拼接也有两种方式，用「加号 +」和「乘号 *」，前者首尾拼接，后者复制拼接。

[1, 10.31, 'python'] + ['data', 11] + ['OK']
[1, 10.31, 'python'] * 2

[1, 10.31, 'python', 'data', 11, 'OK']
[1, 10.31, 'python', 1, 10.31, 'python']

优点缺点

优点：灵活好用，可索引、可切片、可更改、可附加、可插入、可删除。

缺点：相比 tuple 创建和遍历速度慢，占内存。此外查找和插入时间较慢。

2.4

字典

创建字典

「字典」定义语法为 

{元素1, 元素2, ..., 元素n}

其中每一个元素是一个「键值对」- 键:值 (key:value)

关键点是「大括号 {}」,「逗号 ,」和「分号 :」

• 大括号把所有元素绑在一起

• 逗号将每个键值对一一分开

• 分号将键和值分开

创建字典的例子如下：

d = {
'Name' : 'Tencent',
'Country' : 'China',
'Industry' : 'Technology',
'Code': '00700.HK',
'Price' : '361 HKD'
}
print( d, type(d) )

{'Name': 'Tencent', 'Country': 'China', 
'Industry': 'Technology', 'Code': '00700.HK', 
'Price': '361 HKD'} <class 'dict'>

内置方法

字典里最常用的三个内置方法就是 keys(), values() 和 items()，分别是获取字典的键、值、对。

print( list(d.keys()),'\n' )
print( list(d.values()), '\n' )
print( list(d.items()) )

['Name', 'Country', 'Industry', 'Code', 'Price', 'Headquarter'] 

['Tencent', 'China', 'Technology', '00700.HK', '359 HKD', 'Shen Zhen'] 

[('Name', 'Tencent'), ('Country', 'China'),
 ('Industry', 'Technology'), ('Code', '00700.HK'),
 ('Price', '359 HKD'), ('Headquarter', 'Shen Zhen')]

此外在字典上也有添加、获取、更新、删除等操作。

添加

比如加一个「总部：深圳」

d['Headquarter'] = 'Shen Zhen'
d

{'Name': 'Tencent',
'Country': 'China',
'Industry': 'Technology',
'Code': '00700.HK',
'Price': '361 HKD',
'Headquarter': 'Shen Zhen'}

获取

比如想看看腾讯的股价是多少 (两种方法都可以)

print( d['Price'] )
print( d.get('Price') )

359 HKD
359 HKD

更新

比如更新腾讯的股价到 359 港币

d['Price'] = '359 HKD'
d

{'Name': 'Tencent',
'Country': 'China',
'Industry': 'Technology',
'Code': '00700.HK',
'Price': '359 HKD',
'Headquarter': 'Shen Zhen'}

删除

比如去掉股票代码 (code)

del d['Code']
d

{'Name': 'Tencent',
 'Country': 'China',
 'Industry': 'Technology',
 'Price': '359 HKD',
 'Headquarter': 'Shen Zhen'}

或像列表里的 pop() 函数，删除行业 (industry) 并返回出来。

print( d.pop('Industry') )
d

Technology

{'Name': 'Tencent',
 'Country': 'China',
 'Price': '359 HKD',
 'Headquarter': 'Shen Zhen'}

不可更改键

字典里的键是不可更改的，因此只有那些不可更改的数据类型才能当键，比如整数 (虽然怪怪的)、浮点数 (虽然怪怪的)、布尔 (虽然怪怪的)、字符、元组 (虽然怪怪的)，而列表却不行，因为它可更改。看个例子

d = {
2 : 'integer key',
10.31 : 'float key',
True  : 'boolean key',
('OK',3) : 'tuple key'
}
d

{2: 'integer key',
  10.31: 'float key',
  True: 'boolean key',
 ('OK', 3): 'tuple key'}

虽然怪怪的，但这些 2, 10.31, True, ('OK', 3) 确实能当键。有个地方要注意下，True 其实和整数 1 是一样的，由于键不能重复，当你把 2 该成 1时，你会发现字典只会取其中一个键，示例如下：

d = {
1 : 'integer key',
10.31 : 'float key',
True : 'boolean key',
('OK',3) : 'tuple key'
}
d

{1: 'boolean key',
 10.31: 'float key',
 ('OK', 3): 'tuple key'}

那么如何快速判断一个数据类型 X 是不是可更改的呢？两种方法：

1. 麻烦方法：用 id(X) 函数，对 X 进行某种操作，比较操作前后的 id，如果不一样，则 X 不可更改，如果一样，则 X 可更改。

2. 便捷方法：用 hash(X)，只要不报错，证明 X 可被哈希，即不可更改，反过来不可被哈希，即可更改。

先看用 id() 函数的在整数 i 和列表 l 上的运行结果：

i = 1
print( id(i) )
i = i + 2
print( id(i) )

1607630928
1607630992

l = [1, 2]
print( id(l) )
l.append('Python')
print( id(l) )

2022027856840
2022027856840

• 整数 i 在加 1 之后的 id 和之前不一样，因此加完之后的这个 i (虽然名字没变)，但是不是加前的那个 i 了，因此整数是不可更改的。

• 列表 l 在附加 'Python' 之后的 id 和之前一样，因此列表是可更改的。

先看用 hash() 函数的在字符 s，元组 t 和列表 l 上的运行结果：

hash('Name')

7230166658767143139

hash( (1,2,'Python') )

3642952815031607597

hash( [1,2,'Python'] )

TypeError: unhashable type: 'list'

字符 s 和元组 t 都能被哈希，因此它们是不可更改的。列表 l 不能被哈希，因此它是可更改的。

优点缺点

优点：查找和插入速度快

缺点：占内存大

2.5

集合

创建集合

「集合」有两种定义语法，第一种是

{元素1, 元素2, ..., 元素n}

关键点是「大括号 {}」和「逗号 ,」

• 大括号把所有元素绑在一起

• 逗号将每个元素一一分开
  

第二种是用 set() 函数，把列表或元组转换成集合。

set( 列表 或 元组 )

创建集合的例子如下 (用两者方法创建 A 和 B)：

A = set(['u', 'd', 'ud', 'du', 'd', 'du'])
B = {'d', 'dd', 'uu', 'u'}
print( A )
print( B )

{'d', 'du', 'u', 'ud'}
{'d', 'dd', 'u', 'uu'}

从 A 的结果发现集合的两个特点：无序 (unordered) 和唯一 (unique)。由于 set 存储的是无序集合，所以我们没法通过索引来访问，但是可以判断一个元素是否在集合中。

B[1]

TypeError: 'set' object does not support indexing

'u' in B

True

内置方法

用 set 的内置方法就把它当成是数学上的集，那么并集、交集、差集都可以玩通了。

并集 OR

print( A.union(B) )     # All unique elements in A or B
print( A | B )          # A OR B

{'uu', 'dd', 'd', 'u', 'du', 'ud'}
{'uu', 'dd', 'd', 'u', 'du', 'ud'}

交集 AND

print( A.intersection(B) )   # All elements in both A and B
print( A & B )               # A AND B

{'d', 'u'}
{'d', 'u'}

差集 A - B

print( A.difference(B) )     # Elements in A but not in B
print( A - B )               # A MINUS B

{'ud', 'du'}
{'ud', 'du'}

差集 B - A

print( B.difference(A) )     # Elements in B but not in A
print( B - A )               # B MINUS A

{'uu', 'dd'}
{'uu', 'dd'}

对称差集 XOR

print( A.symmetric_difference(B) )   # All elements in either A or B, but not both
print( A ^ B )                       # A XOR B

{'ud', 'du', 'dd', 'uu'}
{'ud', 'du', 'dd', 'uu'}

优点缺点

优点：不用判断重复的元素

缺点：不能存储可变对象

你看集合的「唯一」特性还不是双刃剑，既可以是优点，又可以是缺点，所有东西都有 trade-off 的，要不然它就没有存在的必要了。

3条件语句 & 迭代循环

在编写程序时，我们要

• 在不同条件下完成不同动作，条件语句 (conditional statement) 赋予程序这种能力。

• 重复的完成某些动作，迭代循环 (iterative loop) 赋予程序这种能力。

3.1

条件语句

条件语句太简单了，大体有四种格式

1. if 语句

2. if-else 语句

3. if-elif-else 语句

4. nested 语句

看了下面四幅图 (包含代码) 应该秒懂条件语句，其实任何会说话的人都应该懂它。

if

if x > 0: print( 'x is positive' )

给定二元条件，满足做事，不满足不做事。

if-else

if x % 2 == 0: print( 'x is even' )else : print( 'x is odd' )

给定二元条件，满足做事 A，不满足做事 B。

if-elif-else

if x < y: print( 'x is less than y' )elif x > y: print( 'x is greater than y' )else: print( 'x and y are equal' )

给定多元条件，满足条件 1 做事 A₁，满足条件 2 做事 A₂，..., 满足条件 n 做事 A_n。直到把所有条件遍历完。

Nested if

if x == y: print( 'x and y are equal' )else: if x < y: print( 'x is less than y' ) else: print( 'x is greater than y' )

给定多元条件，满足条件 1 做事 A₁，不满足就

    给定多元条件，满足条件 2 做事 A₂，不满足就

        ...

直到把所有条件遍历完。

3.2

迭代循环

对于迭代循环，Python 里面有「while 循环」和「for 循环」，没有「do-while 循环」。

while 循环

n = 5
while n > 0:
    print(n)
    n = n-1
print('I love Python')

5
4
3
2
1
I love Python

While 循环非常简单，做事直到 while 后面的语句为 False。上例就是打印从 n (初始值为 5) 一直到 1，循环执行了 5 次。

一般来说，在 「while 循环」中，迭代的次数事先是不知道的，因为通常你不知道 while 后面的语句从 True 变成 False了。

for 循环

更多时候我们希望事先直到循环的次数，比如在列表、元组、字典等容器类数据上遍历一遍，在每个元素层面上做点事情。这时候就需要「for 循环」了。

languages = ['Python', 'R', 'Matlab', 'C++']
for language in languages:
    print( 'I love', language )
print( 'Done!' )

I love Python
I love R
I love Matlab
I love C++
Done!

读读 Python 里面的「for 循环」是不是很像读英文。通用形式的 for loop 如下

    for a in A

        do something with a        

其中 for 和 in 是关键词，A 是个可迭代数据 (list, tuple, dic, set)，a 是 A 里面的每个元素，上句翻译成中文是

    对于 A 里面的每个 a

        对 a 搞点事

回到具体例子，for loop 里面的 language 变量在每次循环中分别取值 Python, R, Matlab 和 C++，然后被打印。

最后介绍一个稍微有点特殊的函数 enumerate()，和 for loop 一起用的语法如下

    for i, a in enumerate(A)

        do something with a  

发现区别了没？用 enumerate(A) 不仅返回了 A 中的元素，还顺便给该元素一个索引值 (默认从 0 开始)。此外，用 enumerate(A, j) 还可以确定索引起始值为 j。 看下面例子。

languages = ['Python', 'R', 'Matlab', 'C++']
for i, language in enumerate(languages, 1):
    print( i, 'I love', language )
print( 'Done!' )

1 I love Python
2 I love R
3 I love Matlab
4 I love C++
Done!

总结

学习任何一种都要从最基本开始，基本的东西无外乎数据类型、条件语句和递推循环。

数据类型分两种：

• 单独类型：整型、浮点型、布尔型

• 容器类型：字符、元组、列表、字典、集合

按照 Python 里「万物皆对象」的思路，学习每一个对象里面的属性 (attributes) 和方法 (methods)，你不需要记住所有，有个大概印象有哪些，通过 dir() 来锁定具体表达式，再去官网上查询所有细节。这么学真的很系统而简单。此外学的时候一定要带着“它的优缺点是什么”这样的问题，所有东西都有 trade-off，一个满身都是缺点的东西就没有存在的必要，既然存在肯定有可取之处。

条件语句 (if, if-else, if-elif-else, nested if) 是为了在不同条件下执行不同操作，而迭代循环 (while, for) 是重复的完成相同操作。

抓住上面大框架，最好还要以目标导向 (我学 python 就是为了搞量化交易希望能躺着赚钱)，别管这目标难度如何，起码可以保证我累得时候还鸡血满满不会轻言放弃。这样我就足够主动的去学一样东西并学精学深，目标越难完成，我主动性就越强。

之后所有的细节都可以慢慢来，虽然我觉得本篇已经挖了不少细节了，像 hashability，但肯定还有更多等着去挖，半篇帖子就想覆盖 Python 所有内容不是开玩笑吗？但

抓住大框架，有目标导向，对有效学习任何内容都适用。

下篇接着函数 (function) 和解析式 (comprehension)。Stay Tuned!

按二维码关注王的机器

迟早精通机学金工量投