Fluent Python 笔记
一、序列（Sequence）
1、容器序列（Container sequences）：list, tuple, collections.deque ...
2、平坦序列（Flat sequences）：str, bytes, bytearray, memoryview, array.array
根据可不可变分类：
1）可变的序列：list, bytearray, array.array, collections.deque, memoryview
2）不可变序列：tuple, str, bytes
二、如何快速生成一个序列
1）列表推导（List Comprehensions）
2）生成器表达式（Generator Expressions）
推荐列表推导：
words = ['The','quick','BROWN','Fox','jumed','OVER','the','Lazy','DOG']
[word for word in words if word.islower()]
===========================================
['quick', 'jumed', 'the']
列表推导格式以 [] 为标志，内容分为三部分 [A B C]，A,B,C分别代表一个表达式，其中C可以省略。
对于上面的例子：
A：word
B：for word in words
C：if word.islower()
首先看B，B的格式一般为 for x in xxx，表示从一个序列中逐个选取元素，也就是常用的 for in 结构。可以有多个for in，比如 for x in xxx for y in yyy。使用多个for的时候，就会生成所有组合。
colors = ['black','white']
sizes = ['S','M','L']
tshirts = [(color, size) for color in colors for size in sizes]
tshirts
=========================
[('black', 'S'),
('black', 'M'),
('black', 'L'),
('white', 'S'),
('white', 'M'),
('white', 'L')]
然后看C，C提供一个判断条件，格式一般为 if xxx，其中可以用到B所给出的x，用于选取符合条件的条目。可以省略，也就意味着使用B生成的所有条目。
最后看A，A格式随意，可以使用B中给出的x（或者y），当然也可以不使用。
生成器表达式和列表推导唯一的不同是用 () 包围而不是 []，如果不需要一次性生成整个列表，那么用生成器表达式更好。(word for word in words if word.islower())
==========================================
<generator object <genexpr> at 0x000001B1C18094C0>
需要变成列表的时候也可以随时调用 list() 函数转化为列表。
list((word for word in words if word.islower()))
=================================================
['quick', 'jumed', 'the']
二、元组（Tuple）
元组的主要用途：
1）作为不可变的列表
2）作为没有字段名称的记录
元组解包：
lax_coordinates = (33.9425, -118.408055)
latitude, longitude = lax_coordinates
latitude
==========
33.9425
longitude
============
-118.408055
作为函数参数就地展开，在前面加*就可以了：
>>> divmod(20, 8)
(2, 4)
>>> t = (20, 8)
>>> divmod(*t)
(2, 4)
具名元组（Named Tuples）：
因为元组作为记录比较好用，因此出现了 namedtuple，在 collections 模块中。
使用 namedtuple 创建的实例消耗的内存和普通元组相同，因为字段的名字是存储在类中的。他们使用的内存比普通的类要少，因为它们不用在每个实例的 __dict__ 中存储属性。
>>> from collections import namedtuple
>>> Point = namedtuple('Point', 'x y')
>>> p = Point(3, 4)
>>> p
Point(x=3, y=4)
namedtuple 有几个有用的属性和方法：
1）_fields 类属性，保存所有字段名称
>>> Point._fields
('x', 'y')
2）_make(iterable) 类方法，使用已经存在的序列或者 iterable 来创建 namedtuple
>>> point_tuple = (3, 4)
>>> p = Point._make(point_tuple)
>>> p
Point(x=3, y=4)
3）_asdict() 实例方法，返回一个 OrderedDict，映射名称和对应的值。
>>> p._asdict()
OrderedDict([('x', 3), ('y', 4)])
三、切片（Slice）
切片是序列中非常常用的操作，基本格式是 seq[start:stop:step]，其中step及之前的冒号均可以省略，表示 step 为1。start和stop也都可以省略，但是第一个冒号不能省略。start省略表示从头开始，stop省略表示切到尾部。
切片操作适用于几乎所有序列类型，如 list, tuple, str 等等。
Python 中表示范围一般使用前闭后开 [start, stop)，根据这两个单词也比较容易记忆。
切片的长度，自然也就是 stop - start。
四、字典（Dict）
1、构造方式示例：
>>> d1 = dict(one=1, two=2, three=3)
>>> d2 = {'one':1, 'two':2, 'three':3}
>>> d3 = dict(zip(['one', 'two', 'three'], [1, 2, 3]))
>>> d4 = dict([('two',2), ('one', 1), ('three', 3)])
>>> d5 = dict({'three':3, 'one':1, 'two':2})
>>> d1 == d2 == d3 == d4 == d5
True
2、字典推导示例：
>>> d = {n: n ** 2 for n in range(5)}
>>> d
{0: 0, 1: 1, 2: 4, 3: 9, 4: 16}
3、处理缺失key值的几种方法：
1）setdefault 方法
my_dict.setdefault(key, []).append(new_value)
等同于：
if key not in my_dict:
my_dict[key] = []
my_dict[key].append(new_value)
2）defaultdict
如果一开始就知道这个字典可能经常找不到key，想提供一个默认值，那么可以使用 defaultdict。
工作原理：当实例化一个 defaultdict 时，提供一个函数 default_factory，每次 __getitem__ 传入不存在的 key 参数时，产生默认值。
3、常用映射模块：
1）collections.OrderedDict
根据插入顺序来管理 key，遍历 item 的顺序可以预期。 popitem 默认返回第一个 item，但是如果调用
my_odict.popitem(last=True)，则弹出最后一个添加的条目。
2）collections.Counter
持有每个 key 的数量，每次 update 一个已经有的 key 都会增加其数量。这个可以用来为可哈希的对象计数，或者用来作为多重集合（每个元素可以出现多次）。
>>> import collections
>>> ct = collections.Counter('abracadabra')
>>> ct
Counter({'a': 5, 'r': 2, 'b': 2, 'c': 1, 'd': 1})
>>> ct.update('aaazzz')
>>> ct
Counter({'a': 8, 'z': 3, 'r': 2, 'b': 2, 'd': 1, 'c': 1})
>>> ct.most_common(2)
[('a', 8), ('z', 3)]
3）collections.UserDict
纯 Python 实现的映射，和标准的 dict 工作方式一样，设计用来被继承的。
五、集合（Set）
集合的主要作用还是去重：
>>> l = ['spam', 'spam', 'eggs', 'spam']
>>> set(l)
{'spam', 'eggs'}
>>> list(set(l))
['spam', 'eggs']
