关于python的各种小补充

1. python2中文本的默认编码方式为ASCII，有中文字符的话开头必须指定编码方式：

 否则会出现编码错误：

2. 一些特别的内置函数：

#执行python代码
exec("print('hello')")

#函数用于检查一个对象是否是可调用的。如果返回 True，object 仍然可能调用失败；但如果返回 False，调用对象 object 绝对不会成功。
callable(type)

#complex() 函数用于创建一个值为 real + imag * j 的复数或者转化一个字符串或数为复数
complex(1, 2)

#bytearray() 方法返回一个新字节数组。这个数组里的元素是可变的，并且每个元素的值范围: 0 <= x < 256
bytearray([1,2,3])

#vars() 函数返回对象object的属性和属性值的字典对象
vars(type)

#zip() 函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表,且元素个数与最短的列表一致
a = [1,2,3]
b = [4,5,6]
zipped = zip(a,b)
print(*zipped)

 3. 系统终端中运行代码的时候，注意换行符\n或者\r\n也占用一个字符位置

 4. 模拟一个进度条

\r 代表回到行头

import time
import sys
a = range(20)
for num, i in enumerate(a):
    time.sleep(0.2)
    sys.stdout.write('\r' + '[' + '■'*(num + 1)  + '  '*(len(a) - num) + ']' )
    sys.stdout.flush()

5. 改变字体和背景颜色

实现过程：

      终端的字符颜色是用转义序列控制的，是文本模式下的系统显示功能，和具体的语言无关。

      转义序列是以ESC开头,即用\033来完成（ESC的ASCII码用十进制表示是27，用八进制表示就是033）。

 

书写格式：
     开头部分：\033[显示方式;前景色;背景色m + 结尾部分：\033[0m

     注意：开头部分的三个参数：显示方式，前景色，背景色是可选参数，可以只写其中的某一个；另外由于表示三个参数不同含义的数值都是唯一的没有重复的，所以三个参数的书写先后顺序没有固定要求，系统都能识别；但是，建议按照默认的格式规范书写。

     对于结尾部分，其实也可以省略，但是为了书写规范，建议\033[***开头，\033[0m结尾。

 

数值表示的参数含义：

显示方式: 0（默认值）、1（高亮）、22（非粗体）、4（下划线）、24（非下划线）、 5（闪烁）、25（非闪烁）、7（反显）、27（非反显）
前景色: 30（黑色）、31（红色）、32（绿色）、 33（黄色）、34（蓝色）、35（洋 红）、36（青色）、37（白色）
背景色: 40（黑色）、41（红色）、42（绿色）、 43（黄色）、44（蓝色）、45（洋 红）、46（青色）、47（白色）

常见开头格式：
\033[0m            默认字体正常显示，不高亮
\033[32;0m       红色字体正常显示
\033[1;32;40m  显示方式: 高亮    字体前景色：绿色  背景色：黑色
\033[0;31;46m  显示方式: 正常    字体前景色：红色  背景色：青色

实例：

　　(1)print("\033[1;31;40m您输入的帐号或密码错误！\033[0m")  

　　上方代码的输出格式为：字体高亮，红色前景，黄色背景      PS：前景色也就是字体的颜色
　　

　　(2)print("\033[0;31m%s\033[0m" % "输出红色字符")

　　#上方代码的输出格式为：字体默认，红色前景

　　

import time
import sys
a = range(30)
for num, i in enumerate(a):
    time.sleep(1)
    fill = '\033[33;m■\033[0m'
    sys.stdout.write('\r' + '[' + fill*(num + 1)  + '  '*(len(a) - num) + ']' )
    sys.stdout.flush()

 #numpy 补充

#numpy.where

numpy.where() 有两种用法：

1. np.where(condition, x, y)

满足条件(condition)，输出x，不满足输出y。

import numpy as np

a = np.array([[1,2,3,4],[3,4,5,6]])
# 将 1 < a < 5 之外的元素设置为nan
c = np.where(a > 1, a, 0)
print(c)
d = np.where(c < 5 , c, 0)
print(d)
print(np.where(d == 0, np.nan, d))

# 将 2 < a < 5之间的数设为nan
c = np.where(a < 2, a, 0)
print(c)
d = np.where(a > 5 , a, c)
print(d)
print(np.where(d == 0, np.nan, d))

 

2. np.where(condition)

只有条件 (condition)，没有x和y，则输出满足条件 (即非0) 元素的坐标 (等价于numpy.nonzero)。这里的坐标以tuple的形式给出，通常原数组有多少维，输出的tuple中就包含几个数组，分别对应符合条件元素的各维坐标。

#matplotlib补充

#path

将多个点创建成多边形，并可判断点是否在多边形内

from matplotlib import path
#创建多边形
a = path.Path(np.array([[0,0],[2,0.5],[0,1],[1,0],[0.5,2],[2,2]]))
#判断是否在其内
print(a.contains_point([1.9,0.5]))

 #collections下的各种实用方法

#有序的字典OrderedDict()与Counter()

#利用有序的字典来完成计数并排序(计数相同的以第一次出现的顺序排列)
import collections
data = [2, 1, 1, 1, 4, 3, 5, 5, 6]
dic = collections.OrderedDict()
for i in data:
    if dic.get(i):
        dic[i] += 1
    else:
        dic[i] = 1
count = sorted(dic.keys(), key=lambda x: dic[x], reverse=True)
print(count)

#利用Counter可以更快的实现此功能
print(collections.Counter(data).most_common())

 

#位运算

https://blog.csdn.net/Caysen/article/details/78129113