查看原文
其他

一文看懂Python的控制结构:for、while、if…都有了

Noah Gift 大数据DT 2021-10-18


导读:本文介绍Python中的常见控制结构。


作者:挪亚·吉夫特(Noah Gift)
来源:大数据DT(ID:hzdashuju)




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。

关于作者:挪亚·吉夫特(Noah Gift),加州大学戴维斯分校工商管理研究生院机器学习课程讲师,是AWS认证的架构师,也是AWS云端机器学习专家,长期为包括初创公司在内的企业提供机器学习、云架构和CTO级别的咨询服务。
本文摘编自《人工智能开发实践:云端机器学习导论》,经出版方授权发布。
延伸阅读《人工智能开发实践》
点击上图了解及购买转载请联系微信:DoctorData
推荐语:本书讲解Amazon、Google和Microsoft公司的强大云服务产品,以及Python数据科学生态系统的成熟技术,所介绍的工作流程和案例涉及从部署到生产各个环节,通过使用当代机器学习、人工智能和云计算工具逐步构建多种云端机器学习应用程序(覆盖体育、项目管理、产品定价、房地产等领域中的实际问题),帮助你构建可扩展并能交付于生产的解决方案。

划重点👇


干货直达👇


更多精彩👇

在公众号对话框输入以下关键词
查看更多优质内容!

PPT | 读书 | 书单 | 硬核 | 干货 | 讲明白大数据 | 云计算 | 数据库 | Python | 可视化 | 神操作AI | 人工智能 | 机器学习 | 深度学习 | 神经网络5G | 中台 | 用户画像 1024 | 大神 | 数学 | 揭秘

据统计,99%的大咖都完成了这个神操作
👇


: . Video Mini Program Like ,轻点两下取消赞 Wow ,轻点两下取消在看

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存