Python内置工具（tools）总结
Python提供了以下几个内置tools模块，简化开发
operator collections itertools functools
除此之外，还有一些其他工具，比如mimetools、unittest等，上述四个tools作用于内建类型和函数、类等，比较通用，也较为常用。 -operator ： 内置的操作符模块 -collections ： 简化容器类型的一些操作和使用 -itertools ： 可迭代类型工具 -functools ： 函数工具，尤其是装饰器
operator
operator提供了一个函数与符号的相互转换，方便我们在编程时选择： examples （1）符号转函数： 比如在一些需要某些符号功能，却需要提供该符号的函数表示时，尤其是在map reduce filter等的key 和cmp里面
from operator import add
print reduce(add,range(10))（2）函数转符号： 这个例子有点特别，但是在类定义中常见，add->__add__这种方式差别跟python的变量有关。 附：python变量命名方式（来自网络）： python变量命名规范 下面是python符号函数映射表
class A():
def __init__(self,num):
self.num=num
def __add__(self,other):
return self.num+other.numOperation | Syntax | Function |
|---|---|---|
Addition | a + b | add(a, b) |
Concatenation | seq1 + seq2 | concat(seq1, seq2) |
Containment | Test obj in seq | contains(seq, obj) |
Division | a / b | div(a, b) (without future.division) |
Division | a / b | truediv(a, b) (with future.division) |
Division | a // b | floordiv(a, b) |
Bitwise And | a & b | and_(a, b) |
Bitwise Exclusive Or | a ^ b | xor(a, b) |
Bitwise Inversion | ~ a | invert(a) |
Bitwise Or | a | b | or_(a, b) |
Exponentiation | a ** b | pow(a, b) |
Identity | a is b | is_(a, b) |
Identity | a is not b | is_not(a, b) |
Indexed Assignment | obj[k] = v | setitem(obj, k, v) |
Indexed Deletion | del obj[k] | delitem(obj, k) |
Indexing | obj[k] | getitem(obj, k) |
Left Shift | a << b | lshift(a, b) |
Modulo | a % b | mod(a, b) |
Multiplication | a * b | mul(a, b) |
Negation (Arithmetic) | - a | neg(a) |
Negation (Logical) | not a | not_(a) |
Positive | + a | pos(a) |
Right Shift | a >> b | rshift(a, b) |
Sequence Repetition | seq * i | repeat(seq, i) |
Slice Assignment | seq[i:j] = values | setitem(seq, slice(i, j), values) |
Slice Deletion | del seq[i:j] | delitem(seq, slice(i, j)) |
Slicing | seq[i:j] | getitem(seq, slice(i, j)) |
String Formatting | s % obj | mod(s, obj) |
Subtraction | a - b | sub(a, b) |
Truth Test | obj | truth(obj) |
Ordering | a < b | lt(a, b) |
Ordering | a <= b | le(a, b) |
Equality | a == b | eq(a, b) |
Difference | a != b | ne(a, b) |
Ordering | a >= b | ge(a, b) |
Ordering | a > b | gt(a, b) |
关于细节内容可以参考 python library - operator
collections
主要是为容器类型： list, set, and tuple提供了一些便利 有以下几个类型
type | describe |
|---|---|
namedtuple | factory function for creating tuple subclasses with named fields |
deque | list-like container with fast appends and pops on either end |
Counter | dict subclass for counting hashable objects |
OrderedDict | dict subclass that remembers the order entries were added |
defaultdict | dict subclass that calls a factory function to supply missing values |
namedtuple 主要用于对tuple里面的分量进行命名，生成一个tuple的子类，这个子类继承了原来的tuple类，有相同的属性方法。
from collections import namedtuple
mytuple=namedtuple('mytuple',('name','age')])
first=mytuple('tom',19)
print first.name,first.age这种namedtuple可以用来对获取的的数据库数据进行命名，我们从数据库获取的每条记录都是用一个tuple，不方便我们取属性，如果换成我们自定义的namedtuple类型，更便于操作和理解。 deque 这是一种队列类型，有队列类型的相关操作，可以弥补list这种广义表类型的某些不足，比如在前面插入较慢（这里你可以查找一些python的资料，对于python的list前段吧插入时会整个后移list，效率较低） 关于这种类型相应的方法支持可以参考后面附上的python library链接 Counter 可以理解为一个计数字典
from collections import *
d = Counter("hello world hello BJ".split())
print d
# OUT : Counter({'hello': 2, 'world': 1, 'BJ': 1})
print d['SH']
# OUT : 0返回一个字典的子类，键值为可迭代对象里的对象和相应数量。 对于这个字典里没有的键，返回0，类似于普通字典的 d.get(‘SH’,0) 关于这种类型的其他方法也可参考官方文档，讲得很清楚。 OrderedDict 有序字典，字典中的键按序排放，加入了一些与顺序有关的操作，比如popitem()等 defaultdict 对于一个defaultdict类型，当你去访问它的键值时，如果没有这个键，它会调用一个可调用对象，将返回值赋给这个键。
call1 = int
call2 = list
call3 = lambda :4
from colletions import defaultdict
mydict1 = defaultdict(call1)
mydict2 = defaultdict(call2)
mydict3 = defaultdict(call3)
print mydict1['not'],mydict2['not'],mydict3['not']
# OUT : 0 [] 4
# 执行过程是，去取这个键的值，如果没有，调用call1(None)，...
# 如果你想知道我说的对不对，可以把call3 = lambda x:4 ，试试，看他的报错就知道了。colletions后面还列出了一些类，用于继承和isinstance判断 本节参考： python library - collections
itertools
可以参考： python library - itertools 前面的都比较好理解 主要想解释下tee，感觉tee像是对原迭代对象的n份deepcopy，不知道他说的那个split是不是这个意思 Combinatoric generators部分： 对于s=’ABCD’
Iterator | Arguments | Results |
|---|---|---|
product() | p, q, … [repeat=1] | cartesian product, equivalent to a nested for-loop |
permutations() | p[, r] | r-length tuples, all possible orderings, no repeated elements |
combinations() | p, r | r-length tuples, in sorted order, no repeated elements |
combinations_with_replacement() | p, r | r-length tuples, in sorted order, with repeated elements |
product(‘ABCD’, repeat=2) | 类似AnnA_n^n | AA AB AC AD BA BB BC BD CA CB CC CD DA DB DC DD |
permutations(‘ABCD’, 2) | 类似A2nA_n^2 | AB AC AD BA BC BD CA CB CD DA DB DC |
combinations(‘ABCD’, 2) | 类似C2nC_n^2 | AB AC AD BC BD CD |
combinations_with_replacement(‘ABCD’, 2) | C2nC_n^2+AA…DD | AA AB AC AD BB BC BD CC CD DD |
functools
这里面前面几个工具是用来衔接的old-new，这点感觉跟那个__future__模块很像 后面的跟函数闭包里面的装饰器有关，一共有三个函数（类） update_wrapper wraps partial wraps是简化了的update_wrapper 关于这三个： update_wrapper：Update a wrapper function to look like the wrapped function. wraps：This is a convenience function for invoking update_wrapper() as a function decorator when defining a wrapper function. partial是一个类，有多个属性。 前面俩个可以参考官方例子，partial可以用于固定函数参数
from functools import partial
def basefunc(a,b):
return a+b
newfunc = partial(basefunc,b=1)
print newfunc(5)
# OUT : 6
#这里要考虑函数默认参数的问题，如果newfunc = partial(basefunc,a=1),print 时会报错，必须print newfunc(b=5)，关于函数默认参数赋值问题，基本上原则是默认赋值的放后面，否则要在调用函数时使用形参