CDA数据科学研究院 CDA考试中心 CDA人工智能学院 企业服务 关于CDA

cda

全国校区

您的位置:首页 > 大数据时代 > 一文看懂Python的控制结构:for、while、if…都有了

一文看懂Python的控制结构:for、while、if…都有了

2020-06-30

作者:挪亚·吉夫特(Noah Gift)

来源:大数据DT(ID:hzdashuju)

内容摘编自《人工智能开发实践:云端机器学习导论》

导读:本文介绍Python中的常见控制结构。

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。

完 谢谢观看

分享
收藏

OK