python基础
1深拷贝和浅拷贝
在浅拷贝时，拷贝出来的新对象的地址和原对象是不一样的，但是新对象里面的可变元素（如列表）的地址和原对象里的可变元素的地址是相同的
在深拷贝时，所以地址都不一样。
import copy
a=[1,2,3,4,5,['a','b']]
#赋值，传对象的引用
b=a
#对象拷贝，浅拷贝
c=copy.copy(a)
#对象拷贝，深拷贝
d=copy.deepcopy(a)
print("id(a)=",id(a))
print("id(b)=",id(b))
print("id(c)=",id(c))
print("id(d)=",id(d))
可见a,b的地址是一样的，c，d的地址改变
id(a)= 2380841993288
id(b)= 2380841993288
id(c)= 2380842008392
id(d)= 2380842007368
print("id(a)=",id(a[5]))
print("id(b)=",id(b[5]))
print("id(c)=",id(c[5]))
print("id(d)=",id(d[5]))
id(a)= 2201358550152
id(b)= 2201358550152
id(c)= 2201358550152
id(d)= 2201358578888
但是：a[5]的地址a,b,c是一样的只有d深拷贝不一样，所以要在a，b，c中修改a[5]或者b[5]或者d[5]都会跟着变
也可以这样理解：
深拷贝就是完全跟以前就没有任何关系了，原来的对象怎么改都不会影响当前对象
浅拷贝，原对象的list元素(list是可变对象)改变的话会改变当前对象，如果当前对象中list元素改变了，也同样会影响原对象。
浅拷贝就是藕断丝连
深拷贝就是离婚了
2.生成器
通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，
不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。
所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，
从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。
要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator：
>>> L = [x * x for x in range(10)] >>> L [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] >>> g = (x * x for x in range(10)) >>> g <generator object <genexpr> at 0x1022ef630>
创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator。
我们可以直接打印出list的每一个元素，但我们怎么打印出generator的每一个元素呢？
如果要一个一个打印出来，可以通过next()函数获得generator的下一个返回值：
>>> next(g) 0 >>> next(g) 1 >>> next(g) 4 >>> next(g) 9 >>> next(g) 16 >>> next(g) 25 >>> next(g) 36 >>> next(g) 49 >>> next(g) 64 >>> next(g) 81 >>> next(g) Traceback (most recent call last): File "<stdin>", line 1, in <module> StopIteration
generator保存的是算法，每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。
当然，上面这种不断调用next(g)实在是太变态了，正确的方法是使用for循环，因为generator也是可迭代对象：
>>> g = (x * x for x in range(10)) >>> for n in g: ... print(n) ... 0 1 4 9 16 25 36 49 64 81
所以，我们创建了一个generator后，基本上永远不会调用next()，而是通过for循环来迭代它，并且不需要关心StopIteration的错误。
generator非常强大。如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。
比如，著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：
1, 1, 2, 3, 5, 8, 13, 21, 34, ...
斐波拉契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易：
def fib(max):
n, a, b = 0, 0, 1
while n < max:
print(b)
a, b = b, a + b
n = n + 1
return 'done'
上面的函数可以输出斐波那契数列的前N个数：
>>> fib(6) 1 1 2 3 5 8 'done'
仔细观察，可以看出，fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。
也就是说，上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print(b)改为yield b就可以了：
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
return 'done'
这就是定义generator的另一种方法。如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator：
>>> f = fib(6) >>> f <generator object fib at 0x104feaaa0>
这里，最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。
举个简单的例子，定义一个generator，依次返回数字1，3，5：
def odd():
print('step 1')
yield 1
print('step 2')
yield(3)
print('step 3')
yield(5)
调用该generator时，首先要生成一个generator对象，然后用next()函数不断获得下一个返回值：
>>> o = odd() >>> next(o) step 1 1 >>> next(o) step 2 3 >>> next(o) step 3 5 >>> next(o) Traceback (most recent call last): File "<stdin>", line 1, in <module> StopIteration
同样的，把函数改成generator后，我们基本上从来不会用next()来获取下一个返回值，而是直接使用for循环来迭代：
>>> for n in fib(6):
... print(n)
...
1
1
2
3
5
8
但是用for循环调用generator时，发现拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中：
>>> g = fib(6)
>>> while True:
... try:
... x = next(g)
... print('g:', x)
... except StopIteration as e:
... print('Generator return value:', e.value)
... break
...
g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
Generator return value: done
3.列表操作：
（1）.列表整合
list_coor= [['484', '518', '15', '12'], ['505', '514', '24', '23']]
d = [[int(r[col]) for r in list_coor] for col in range(len(list_coor[0]))]
print(d)
#[[484, 505], [518, 514], [15, 24], [12, 23]]
（2）对序列中的数据对象的引用的重复
myList = [1,2,3,4] A = [myList]*3 print(A) [[1, 2, 3, 4], [1, 2, 3, 4], [1, 2, 3, 4]] myList[2]=45 print(A) [[1, 2, 45, 4], [1, 2, 45, 4], [1, 2, 45, 4]]
（3）range函数
>>> range(10) range(0, 10) >>> list(range(10)) [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] >>> range(5,10) range(5, 10) >>> list(range(5,10)) [5, 6, 7, 8, 9] >>> list(range(5,10,2)) [5, 7, 9] >>> list(range(10,1,-1)) [10, 9, 8, 7, 6, 5, 4, 3, 2]
（4） 用ZIP处理列表
假设要合并相同长度的列表并打印结果。同样有一种更通用的方式，即用zip（）函数获得想要的结果，代码如下：
countries= ['France', 'Germany', 'Canada']
capitals = ['Paris', 'Berlin', 'Ottawa']
for country, capital in zip(countries,capitals):
print(country, capital)
France Paris
Germany Berlin
Canada Ottawa
（5）使用itertools
Python的itertools模块是用于处理迭代器的工具集合。Itertools包含多种工具，用于生成输入数据的可迭代结果。
这里以itertools.combinations()为例。itertools.combinations()用于构建组合。这些是输入量的可能组合项。
import itertools
friends = ['Team 1', 'Team 2', 'Team 3', 'Team 4']
list(itertools.combinations(friends, r=2))
# [('Team 1', 'Team 2'), ('Team 1', 'Team 3'), ('Team 1', 'Team 4'), ('Team 2', 'Team 3'), ('Team 2', 'Team 4'), ('Team 3', 'Team 4')]
正则化匹配中括号与数字
regex = re.findall('\[\d+\]',line)
