Python

字符串连接，就是将 2 个或以上的字符串合并成一个，看上去连接字符串是一个非常基础的小问题，但是在 Python 中，我们可以用多种方式实现字符串的连接，稍有不慎就有可能因为选择不当而给程序带来性能损失。 方法 1：加号连接 很多语言都支持使用加号连接字符串，Python 也不例外，只需要简单的将 2 个或多个字符串相加就可以完成拼接。 a = 'Python' b = '私房菜' r = a + b # 输出'Python私房菜' 方法 2：使用%操作符 在 Python 2.6 以前，%操作符是唯一一种格式化字符串的方法，它也可以用于连接字符串。 a = 'Python' b = '私房菜' r = '%s%s' % (a, b) # 输出'Python私房菜' 方法 3：使用 format 方法 format 方法是 Python 2.6 中出现的一种代替%操作符的字符串格式化方法，同样可以用来连接字符串。 a = 'Python' b = '私房菜' r = '{}{}'.format(a, b) 方法 4：使用 f-string Python 3.6 中引入了 Formatted String Literals（字面量格式化字符串），简称 f-string，f-string 是%操作符和 format 方法的进化版，使用 f-string 连接字符串的方法和使用%操作符、format 方法类似。 a = 'Python' b = '私房菜' r = f'{a}{b}' 方法 5：使用 str.join()方法 字符串有一个内置方法 join，其参数是一个序列类型，例如数组或者元组等。 a = 'Python' b = '私房菜' r = ''.join([a, b]) 对比测试 既然连接字符串有这么多方法，那么使用时到底选择哪种呢？我们从代码可读性和性能两个层面来评估一下上面 5 种方法。 ...

字符串格式化对于每个语言来说都是一个非常基础和常用的功能，学习 Python 的同学大概都知道可以用%语法来格式化字符串。然而为了让我们更方便的使用这个常用功能，语言本身也在对字符串格式化方法进行迭代。 Python 2.6 以前：%操作符 在 Python 2.6 出现之前，字符串迭代只有一种方法，就是%（也是取模）操作符，%操作符支持 unicode 和 str 类型的 Python 字符串，效果和 C 语言中的 sprintf()方法相似，下面是一个使用%格式化字符串的例子： print("I'm %s. I'm %d year old" % ('Tom', 27)) %符号前面使用一个字符串作为模板，模板中有标记格式的占位符号，%后面是一个 tuple 或者 dict，用来传递需要格式化的值。占位符控制着显示的格式，下面列表展示了占位符的种类： 占位符 内容 %d 十进制整数 %i 十进制整数 %o 八进制整数 %u 无符号整数 %x 无符号十六进制（小写） %X 无符号十六进制（大写） %e 浮点型（科学记数法，小写） %E 浮点型（科学记数法，大写） %f 浮点数 %F 浮点数 %g 浮点型，如果小数位数超过 4 位，使用科学记数法表示（小写） %G 浮点型，如果小数位数超过 4 位，使用科学记数法表示（大写） %c 单个字符 %r 字符串（调用 repr()方法生成） %s 字符串（调用 str()方法生成） 除了对数据类型的指定，%操作符还支持更复杂的格式控制： ...

笔者整理了 Python3 中内置方法的速查表，包含： 内置方法 列表处理方法 字典处理方法 元组处理方法 集合处理方法 序列类型的切片方法 共计 100 多个方法，点击图片——查看原图——下载。

队列是一种只允许在一端进行插入操作，而在另一端进行删除操作的线性表。 在 Python 文档中搜索队列（queue）会发现，Python 标准库中包含了四种队列，分别是 queue.Queue / asyncio.Queue / multiprocessing.Queue / collections.deque。 collections.deque deque 是双端队列（double-ended queue）的缩写，由于两端都能编辑，deque 既可以用来实现栈（stack）也可以用来实现队列（queue）。 deque 支持丰富的操作方法，主要方法如图： 相比于 list 实现的队列，deque 实现拥有更低的时间和空间复杂度。list 实现在出队（pop）和插入（insert）时的空间复杂度大约为 O(n)，deque 在出队（pop）和入队（append）时的时间复杂度是 O(1)。 deque 也支持 in 操作符，可以使用如下写法： q = collections.deque([1, 2, 3, 4]) print(5 in q) # False print(1 in q) # True deque 还封装了顺逆时针的旋转的方法：rotate。 # 顺时针 q = collections.deque([1, 2, 3, 4]) q.rotate(1) print(q) # [4, 1, 2, 3] q.rotate(1) print(q) # [3, 4, 1, 2] # 逆时针 q = collections.deque([1, 2, 3, 4]) q.rotate(-1) print(q) # [2, 3, 4, 1] q.rotate(-1) print(q) # [3, 4, 1, 2] 线程安全方面，通过查看 collections.deque 中的 append()、pop()等方法的源码可以知道，他们都是原子操作，所以是 GIL 保护下的线程安全方法。 ...

什么是断言 断言是作为一种调试工具被发明出来的，用来检查那些“代码写对了就肯定成立”的条件。例如我们要断言一个变量 a 必须要大于 2，就可以这样写： assert a > 2 当条件不满足时，就会抛出 AssertionError 异常，等同于如下代码： if not assert_condition: raise AssertionError 由于断言是一个 debug 工具，Python 的实现也符合这个设计哲学，在 Python 中 assert 语句的执行是依赖于__debug__变量的，当__debug__为 true 时，assert 语句才会被执行。 if __debug__ and not assert_condition: raise AssertionError 默认情况下，当我们执行一个 Python 文件时，__debug__是会被设置为 True 的，只有加参数-O 或-OO 时，__debug__才会被设置为 False。 新建一个 assert.py 文件，写下如下代码： print(__debug__) assert 2 > 5 当使用 python assert.py 运行时，__debug__会输出 True，assert 2 > 5 语句会抛出 AssertionError 异常。 当使用 python -O assert.py 运行时，__debug__会输出 False，assert 2 > 5 语句由于没有执行不会报任何异常。 断言 or 异常 我们思考这几个问题：断言应该用在哪些情境下？异常和断言的区别是什么？ 用一句话来概括断言的使用场景和与异常的区别： 检查先验条件使用断言，检查后验条件使用异常 我们定义一个 read_file 函数： ...