常用模块介绍

常用模块介绍

collections模块

namedtuple:具名元组

介绍：生成可以使用名字来访问的元组。

#定义方式一：
#Point = namedtuple(类名, '由空格分开的字段名的字符串')
Point = namedtuple('Point', 'x y')
#定义方式二：
#Point = nametuple(typename， '一个可迭代对象，里面元素是字段名，字段名是str类型')
Point = namedtuple('Point', ['x', 'y'])
#赋值方式
p = Point(1, 2)  #1对应的就是x, 2对应的就是y
#调用方式
print(p.x)  #结果为：1
print(p.y)  #结果为：2

例子1：扑克牌

'''
    扑克：54张牌
         四种花色 ♠️ ♥️ ♣️ ♦️
         每种花色 1-13
         两张王牌 大王、小王
'''

from collections import namedtuple
import random

# Card = namedtuple('card', ['suit', 'num'])
Card = namedtuple('card', 'suit num')

suit = ['♠️', '♥️', '♣️', '♦️']
card_list = []

for s in suit:
    for num in range(1, 14):
        card = Card(s, num)
        card_list.append(card)

#洗牌
random.shuffle(card_list)

#发牌
player_one_cards = []
player_two_cards = []
player_three_cards = []
for index, card in enumerate(card_list, 1):
    if index % 3 == 1:
        player_one_cards.append(card)
    elif index % 3 == 0:
        player_three_cards.append(card)
    else:
        player_two_cards.append(card)

print(player_one_cards)
print(player_two_cards)
print(player_three_cards)

player_one_cards =[(card.suit, card.num) for card in player_one_cards]
print(player_one_cards)

例子2：用具名元组namedtuple，用坐标和半径表示一个圆。

Circle = namedtuple('Circle', 'x y r')
#Circle = namedtuple('Circle', ['x', 'y', 'r'])
c = Circle(1, 2, 1)

deque 双端队列

介绍双端队列前，先介绍一下队列：queue

队列，先进先出 FIRST IN FIRST OUT FIFO

import queue
q = queue.Queue() #生成队列对象
#添加值：put, 取值：get
q.put(1)
q.put(2)
q.put(3)

print(q.get())  #打印：1  先进先出
print(q.get())  #打印 2
print(q.get())  #打印 3
print(q.get())  #没有东西
#注：如果队列中没值了，程序会原地等待，只带队列中有值为止。

双端队列：队列只能从一端进，一端出。而双端队列就牛逼了，两头都能进，都能出。

class collections.deque([iterable[, maxlen]]):

deque，参数是一个可迭代对象，如果可迭代对象为空，则返回一个空的deque对象。参数maxlen限定deque的最大长度。

deque的操作list也可以，但是deque对pop,insert操作进行了优化，更省内存。

deque方法：

添加值的两种方法：

append(x) ：Add x to the right side of the deque

appendleft(x): Add x to the left side of the queue

相对应的取出值的方法：

pop():

​ Remove and return an element from the right side of the deque. If no elements are present, raises an IndexError.

popleft():

​ Remove and return an element from the left side of the deque. If no elements are present, raises an IndexError

from collections import deque
d = deque(['a', 'b', 'c'])
d.append(1)
print(d)  #结果：deque(['a', 'b', 'c', 1])
d.appendleft(2)  #结果：deque([2, 'a', 'b', 'c', 1])
res = d.pop()  #结果：res = 1
res = d.popleft()  #结果：res = 2
res = d[1] #结果: res = 'a'  双端队列deque可以跟列表一样取值。

#deque可以插入值
d.insert(0,'哈哈哈')  # 特殊点:双端队列可以根据索引在任意位置插值
#注意：队列不应该支持从中间插值，应该只能从一端插值。不能插队！这是一个设计的缺陷。

OrderedDict

Return an instance of a dict subclass that has methods specialized for rearranging dictionary order.

python中，dict是无序的，如果想让字典有序，就要使用collections的模块OrderedDict。OrderedDict是dict的一个示例。

from collections import OrderedDict

#例1：
ordered_dict = OrderedDict([('x', 1), ('y', 2), ('z', z)])
print(ordered_dict)  #结果： OrderedDict([('a', 1), ('b', 2), ('c', 3)])
print(ordered_dict['x'])  #  1

#例2：
ordered_dict = OrderedDict()
ordered_dict['a'] = 1
ordered_dict['c'] = 2
ordered_dict['b'] = 3
print(ordered_dict.keys()) #结果：odict_keys(['a', 'c', 'b'])
for key in ordered_dict.keys():
  print(key)

#结果：a
#     c
#     b
#注意：这里keys返回的顺序是key插入的顺序。

defaultdict

Returns a new dictionary-like object. defaultdict is a subclass of the built-in dict class

#案例：将列表中大于66的值存入字典中，小于66存入字典另一个key
from collections import defaultdict
values = [11, 22, 33,44,55,66,77,88,99,90]
my_dict = defaultdict(list)  #说明：这里的list表明，新建的字典的key的值是一个列表。
for value in  values:
    if value>66:
        my_dict['k1'].append(value)
    else:
        my_dict['k2'].append(value)
        
my_dict1 = defaultdict(int)
print(my_dict1['xxx'])  #结果：0
my_dict2 = defaultdict(bool)
print(my_dict2['kkk'])  #结果：False
my_dict3 = defaultdict(tuple)
print(my_dict3['mmm'])  #结果：()

Counter

from collections import Counter
s = 'abcdeabcdabcaba'
res = Counter(s)
print(res)  #结果：Counter({'a': 5, 'b': 4, 'c': 3, 'd': 2, 'e': 1})
print(dict(res))  #结果：{'a': 5, 'b': 4, 'c': 3, 'd': 2, 'e': 1}

time、datetime模块

time

​ .time() 时间戳

​ .localtime('时间戳') 时间戳转结构化时间

​ .mktime(’结构化时间‘) 结构化时间转时间戳

​ .strftime(’格式‘，结构化时间) 结构化时间转格式化时间

​ .strptime('格式化时间字符串', '格式') 格式化时间转结构化时间

三种形式：

1. 时间戳：time.time()
2. 结构化时间: 元组(struct_time)，struct_time元组共有9个元素共九个元素:(年，月，日，时，分，秒，一年中第几周，一年中第几天等）
3. 格式化时间（给人看的）

时间戳：time.time()

格式化时间：

%y 两位数的年份表示（00-99）
%Y 四位数的年份表示（000-9999）
%m 月份（01-12）
%d 月内中的一天（0-31）
%H 24小时制小时数（0-23）
%I 12小时制小时数（01-12）
%M 分钟数（00=59）
%S 秒（00-59）
%a 本地简化星期名称
%A 本地完整星期名称
%b 本地简化的月份名称
%B 本地完整的月份名称
%c 本地相应的日期表示和时间表示
%j 年内的一天（001-366）
%p 本地A.M.或P.M.的等价符
%U 一年中的星期数（00-53）星期天为星期的开始
%w 星期（0-6），星期天为星期的开始
%W 一年中的星期数（00-53）星期一为星期的开始
%x 本地相应的日期表示
%X 本地相应的时间表示
%Z 当前时区的名称
%% %号本身

结构化时间：是一个元组

索引（Index）	属性（Attribute）	值（Values）
0	tm_year（年）	比如2011
1	tm_mon（月）	1 - 12
2	tm_mday（日）	1 - 31
3	tm_hour（时）	0 - 23
4	tm_min（分）	0 - 59
5	tm_sec（秒）	0 - 60
6	tm_wday（weekday）	0 - 6（0表示周一）
7	tm_yday（一年中的第几天）	1 - 366
8	tm_isdst（是否是夏令时）	默认为0

例子：

#导入时间模块
>>>import time

#时间戳
>>>time.time()
1500875844.800804

#时间字符串
>>>time.strftime("%Y-%m-%d %X")
'2017-07-24 13:54:37'
>>>time.strftime("%Y-%m-%d %H-%M-%S")
'2017-07-24 13-55-04'

#时间元组:localtime将一个时间戳转换为当前时区的struct_time
time.localtime()
time.struct_time(tm_year=2017, tm_mon=7, tm_mday=24,
　　　　　　　　　　tm_hour=13, tm_min=59, tm_sec=37, 
                 tm_wday=0, tm_yday=205, tm_isdst=0)

重点：时间转换

import time
#时间戳转结构化时间：time.localtime(时间戳)
t = time.time()  #时间戳
print(time.localtime(t))
#结果：time.struct_time(tm_year=2019, tm_mon=7, tm_mday=18, tm_hour=18, tm_min=57, tm_sec=27, tm_wday=3, tm_yday=199, tm_isdst=0)

#结构化时间转时间戳：time.mktime(结构化时间)
time.mktime(time.localtime())

#结构化时间转格式化时间(给人看)：time.strftime('格式定义'， '结构化时间')
time.strftime('%Y-%m-%d %X', time.localtime())

#格式化时间转结构化时间：time.strptime('格式化时间的字符串'， '格式')  注意：格式要与时间的字符串相对应。格式不对应，就会报错。
struct_time = time.strptime('2019-7-10', '%Y-%m-%d')
print(struct_time)  #结果：time.struct_time(tm_year=2019, tm_mon=7, tm_mday=10, tm_hour=0, tm_min=0, tm_sec=0, tm_wday=2, tm_yday=191, tm_isdst=-1)

datetime

​ .datetime 日期时间（年月日时分秒） <class 'datetime.datetime'>

• class datetime.``datetime(year, month, day, hour=0, minute=0, second=0, microsecond=0, tzinfo=None, **, fold=0*)

​ .date 日期（年月日） <class 'datetime.date'>

• class datetime.``date(year, month, day)

import datetime
print(type(datetime.datetime(2019, 1, 1))) #结果：<class 'datetime.datetime'>
print(type(datetime.date(2019, 1, 1))) #结果：<class 'datetime.date'>

print(datetime.datetime(2019, 1, 1)) #结果：2019-01-01 00:00:00
print(datetime.date(2019, 1, 1)) #结果：2019-01-01

# 获取本地时间
# 年月日
now_date = datetime.date.today()
print(now_date)  #结果：2019-07-01
# 年月日时分秒
now_time = datetime.datetime.today()
print(now_time)  #结果：2019-07-01 17:46:08.214170

# 无论是年月日，还是年月日时分秒对象都可以调用以下方法获取针对性的数据
# 以datetime对象举例
print(now_time.year)  # 获取年份2019
print(now_time.month)  # 获取月份7
print(now_time.day)  # 获取日1
print(now_time.weekday())  # 获取星期(weekday星期是0-6) 0表示周一
print(now_time.isoweekday())  # 获取星期(weekday星期是1-7) 1表示周一

.timedelta

• class datetime.``timedelta(days=0, seconds=0, microseconds=0, milliseconds=0, minutes=0, hours=0, weeks=0)

定义timedelta对象之后，可以使用date对象或是datetime对象对timedelta对象进行操作运算。

date对象操作的话，返回的就是date对象。

datetime对象操作的话，返回的就是datetime对象。

例子：

# 定义日期对象
now_date1 = datetime.date.today()
# 定义timedelta对象
lta = datetime.timedelta(days=6)
now_date2 = now_date1 + lta  # 重点：日期对象 = 日期对象 +/- timedelta对象
print(now_date2)  #结果：2019-07-24
print(type(now_date2))  #结果： <class 'datetime.date'>

lta2 = now_date1 - now_date2  #重点： timedelta对象 = 日期对象 +/- 日期对象
print(lta2) #结果： -6 days, 0:00:00
print(type(lta2))  #结果： <class 'datetime.timedelta'>

d = datetime.date.today()
d2 = datetime.date(2019, 1, 1)
print((d-d2).days)  # 198
#d-d2返回的是一个timedelta对象

重点：日期对象 = 日期对象 +/- timedelta对象

重点： timedelta对象 = 日期对象 +/- 日期对象

time：对日期的时间戳、结构化时间、格式化时间进行互相转化。

datetime：对日期进行相加减（依靠timedelta对象）

random模块

>>> import random
#随机小数
>>> random.random()      # 大于0且小于1之间的小数
0.7664338663654585
>>> random.uniform(1,3) #大于1小于3的小数
1.6270147180533838
#恒富：发红包

#随机整数
>>> random.randint(1,5)  # 大于等于1且小于等于5之间的整数
>>> random.randrange(1,10,2) # 大于等于1且小于10之间的奇数

#随机选择一个返回
>>> random.choice([1,'23',[4,5]])  # #1或者23或者[4,5]
#随机选择多个返回，返回的个数为函数的第二个参数
>>> random.sample([1,'23',[4,5]],2) # #列表元素任意2个组合
[[4, 5], '23']

#打乱列表顺序
>>> item=[1,3,5,7,9]
>>> random.shuffle(item) # 打乱次序
>>> item
[5, 1, 3, 7, 9]
>>> random.shuffle(item)
>>> item
[5, 9, 7, 1, 3]

os、sys模块

os、sys模块的区别？

os：跟操作系统打交道的模块

sys：跟Python解释器打交道的模块

os模块

#找到当前文件所属的文件夹：os.path.dirname(__file__)
BASE_DIR = os.path.dirname(__file__)
print(BASE_DIR) #结果：/Users/mac/Desktop/

#组合路径： os.path.join(BASE_DIR,'movie')
MOVIE_DIR = os.path.join(BASE_DIR,'movie')
print(MOVIE_DIR) #结果： /Users/mac/Desktop/movie  

#os.path.exists(path)  如果path存在，返回True；如果path不存在，返回False
#os.listdir('dirname')    列出指定目录下的所有文件和子目录，包括隐藏文件，并以列表方式打印
#os.remove()  删除一个文件
#os.rename("oldname","newname")  重命名文件/目录
#os.mkdir('dirname')    生成单级目录；相当于shell中mkdir dirname
#os.rmdir(r'/Users/mac/Desktop/movie')  # 只能删空文件夹
#os.path.getsize(r'/Users/mac/Desktop/movie.txt'))  # 获取文件字节大小

sys模块

# 将某个路径添加到系统的环境变量中
#将文件当成项目启动文件的时候，需要把项目所在路径添加进sys.path，python的环境变量中。
sys.path.append()  
print(sys.version)  # python解释器的版本
print(sys.platform) #系统平台

#重点：sys.argv
'''
    当执行python3  xxx.py文件的时候，使用sys.argv,能获取到命令行输入的参数
    例1：
        python3 test.py
        print(sys.argv)  #结果：['test.py', 'test']
    例2：
        python3 test.py username password
        print(sys.argv)  #结果：['test.py', 'test', 'username', 'password']
'''

序列化模块

什么叫序列化？

答：1、序列指的就是字符串

​ 2、序列化指的就是把其他数据类型转化为字符串的过程

​ 3、Python中的反序列化是什么意思？反序列化操作，将str字符串转换成python中的数据结构

写入文件时的数据必须是字符串，但是我们要将一个字典类型的数据写入文件的时候，就会报错：TypeError: write() argument must be str, not dict。这个时候，就需要用到序列化操作，将字典类型的对象序列化为一个字符串、然后写入文件中。

字符串 ——> 反序列化（loads） ——> 数据结构 ——> 序列化(dumps) ——> 字符串

json模块

json.dumps():

将一个对象序列化为一个具有json格式的字符串。

json.``dumps(obj, , skipkeys=False, ensure_ascii=True, check_circular=True, allow_nan=True, cls=None, indent=None, separators=None, default=None, sort_keys=False, kw*)

Serialize obj to a JSON formatted str using this conversion table. The arguments have the same meaning as in dump().

import json
dic = {'k1':'v1','k2':'v2','k3':'v3'}
str_dic = json.dumps(dic)  #序列化：将一个字典转换成一个字符串
print(type(str_dic),str_dic)  #<class 'str'> {"k3": "v3", "k1": "v1", "k2": "v2"}
#注意，json转换完的字符串类型的字典中的字符串是由""表示的

json.loads():

将一个字符串反序列化为一个对象

json.``loads(s, , encoding=None, cls=None, object_hook=None, parse_float=None, parse_int=None, parse_constant=None, object_pairs_hook=None, kw*)

Deserialize s (a str, bytes or bytearray instance containing a JSON document) to a Python object using this conversion table.

dic2 = json.loads(str_dic)  #反序列化：将一个字符串格式的字典转换成一个字典
#注意，要用json的loads功能处理的字符串类型的字典中的字符串必须由""表示
print(type(dic2),dic2)  #<class 'dict'> {'k1': 'v1', 'k2': 'v2', 'k3': 'v3'}

json.dump()、json.load()

dump:****

接收一个文件句柄作为对像，直接将字典序列化为一个json格式字符串写入文件句柄中。写入中文的时候，参数ensure_ascii要设置成False，不然写入的会是所有非ASCII码字符显示为\uXXXX序列。为了显示中文，就必须设置为False。例如下面序列字典时：

import json
data = {'username':['李华','二愣子'],'sex':'male','age':16}
with open('1.txt', 'w', encoding='utf-8') as f:
    json.dump(data, f)
'''
文件中的内容是：
{"username": ["\u674e\u534e", "\u4e8c\u6123\u5b50"], "sex": "male", "age": 16}
显然不是我们想要的。
这时候就需要设置ensure_ascii=False
json.dump(data, f, ensure_ascii=False)
'''

load:

接收一个文件句柄对象，直接将文件中的json格式的字符串反序列化为一个字典对象返回。

注意：文件内容必须是json格式的字符串，如果不是，就会报错：json.decoder.JSONDecodeError:

with open('1.txt', 'r', encoding='utf-8') as f:
    d = json.load(f)
print(d)

json的格式化输出：

格式化输入叫序列化

dumps、dump参数说明：

Serialize obj to a JSON formatted str.(字符串表示的json对象) 
Skipkeys：默认值是False，如果dict的keys内的数据不是python的基本类型(str,unicode,int,long,float,bool,None)，设置为False时，就会报TypeError的错误。此时设置成True，则会跳过这类key 
ensure_ascii:，当它为True的时候，所有非ASCII码字符显示为\uXXXX序列，只需在dump时将ensure_ascii设置为False即可，此时存入json的中文即可正常显示。) 
If check_circular is false, then the circular reference check for container types will be skipped and a circular reference will result in an OverflowError (or worse). 
If allow_nan is false, then it will be a ValueError to serialize out of range float values (nan, inf, -inf) in strict compliance of the JSON specification, instead of using the JavaScript equivalents (NaN, Infinity, -Infinity). 
indent：应该是一个非负的整型，如果是0就是顶格分行显示，如果为空就是一行最紧凑显示，否则会换行且按照indent的数值显示前面的空白分行显示，这样打印出来的json数据也叫pretty-printed json 
separators：分隔符，实际上是(item_separator, dict_separator)的一个元组，默认的就是(‘,’,’:’)；这表示dictionary内keys之间用“,”隔开，而KEY和value之间用“：”隔开。 
default(obj) is a function that should return a serializable version of obj or raise TypeError. The default simply raises TypeError. 
sort_keys：将数据根据keys的值进行排序。 
To use a custom JSONEncoder subclass (e.g. one that overrides the .default() method to serialize additional types), specify it with the cls kwarg; otherwise JSONEncoder is used.

import json
data = {'username':['李华','二愣子'],'sex':'male','age':16}
json_dic2 = json.dumps(data,sort_keys=True,indent=4,separators=(',',':'),ensure_ascii=False)
print(json_dic2)
'''
    结果：
      {
          "age":16,
          "sex":"male",
          "username":[
              "李华",
              "二愣子"
          ]
      }
'''

picker模块

用于Python程序之间的序列化。

picker和json两个模块的不同：

• json，用于字符串 和 python数据类型间进行转换
• pickle，用于python特有的类型 和 python的数据类型间进行转换。
• pickle可以对Python的对象进行序列化，而json模块就不行，支持的数据类型很少 字符串 列表 字典 整型 元组(转成列表) 布尔值。
• pickle对Python所有的数据类型都支持。
• 方法都是dumps/dump, loads/load

dumps/loads

import pickle
d = {'name':'jason'}
res = pickle.dumps(d)  # 将对象直接转成二进制
print(pickle.dumps(d))  #结果：b'\x80\x03}q\x00X\x04\x00\x00\x00nameq\x01X\x05\x00\x00\x00jasonq\x02s.'

res1 = pickle.loads(res)
print(res1,type(res1))  #结果：{'name': 'jason'} <class 'dict'>

dump/load:用pickle操作文件的时候 文件的打开模式必须是b模式

"""
用pickle操作文件的时候 文件的打开模式必须是b模式
"""
with open('userinfo_1','wb') as f:
    pickle.dump(d,f)

with open('userinfo_1','rb') as f:
    res = pickle.load(f)
    print(res,type(res))

来源：https://www.cnblogs.com/KbMan/p/11209883.html