[数据结构与算法]Python重要知识点汇总

1. 字符串

1.1. 字符串格式化

字符串有三种格式化方式，分别如下：

1. 方式一：
   %s 字符串占位，%d 占位整数，%f 占位小数

# 方式1
s = "我叫%s, 我住在%s, 我今年%d岁, 我喜欢%s" % (name, address, age, hobby)
s0 = "我叫%s" % name
print(s0)

2. 方式二：

s1 = "我叫{}, 我住在{}, 我今年{}岁, 我喜欢{}".format(name, address, age, hobby)
print(s1)

3. 方式三:

s2 = f"我叫{name},我叫{name},我叫{name},我叫{name},我今年{age}岁,我叫{name},我叫{name}"  # 新的格式化方案：f-string
print(s2)

1.2. 字符串索引和切片

注意：同列表切片

1. 基本概念
   （1）索引：按照位置提取元素
   （2）切片：从一个字符串中提取一部分内容

2. 语法
   （1）s[start：end] 从start到end进行切片. 但是取不到end [start, end)
   （2）s[start：end：step] 从start切到end, 每step个元素出来一个元素
   （3）通过步长的符号可以控制切片的方向，切片步长默认为1

3. 实例

s = "我叫周杰伦,你呢? 你叫周润发吗?"
print(s[3:6])  # 从索引3位置进行切片, 切到6结束, 坑: 切片拿不到第二个位置的元素
#语法: s[start:end] 从start到end进行切片. 但是取不到end [start, end)
print(s[:5])  # 如果start是从开头进行切片, 可以省略
print(s[6:])  # 从start开始一直截取到末尾
print(s[:]) # : 如果左右两端有空白. 表示开头或者结尾
print(s[-3:-1])  # 目前还是只能从左往右切片
print(s[-1:-3])  # 没结果, 这里是坑!!!!
s = "我爱你"
#可以给切片添加步长来控制切片的方向
print(s[::-1])  # 负号表示从右往左, 前面讲的步长都是1 ，省略了。
#语法: s[start:end:step] 从start切到end, 每step个元素出来一个元素
s = "abcdefghijklmnopqrst"
print(s[2:11:3])
print(s[-1:-10:-3]) # 每三个为一组，步长正号取左边的，步长为负号取右边的。

2.set集合

2.1. 增删改查

Set集合：Set集合是无序的。
（1）set集合要求存储的数据必须是可以进行哈希计算的，根据计算出来的哈希值进行数据存储。
（2）不可哈希类型：list, dict ，因此set集合中不能出现这两种类型的元素。

# 创建set集合
s = set()
s = {1, 2, 3, "呵呵", (1, 2, 3)}

# 添加元素
s.add("zhangsan")
print(s)

# 删除元素
s.pop() # 随机删除一个元素
s.remove(2) # 删除指定数值的元素
print(s)

# 遍历
for item in s:
    print(item)

2.2. 交集、并集、差集

# 交集, 并集, 差集
s1 = {"刘能", "赵四", "皮长山"}
s2 = {"刘科长", "冯乡长", "皮长山"}

print(s1 & s2)  # 交集
print(s1.intersection(s2))

print(s1 | s2)  # 并集
print(s1.union(s2))

print(s1 - s2)  # 差集
print(s1.difference(s2))

set集合另一重要功能是去重

lst = ["周杰伦", "昆凌", "蔡依林", "侯佩岑", "周杰伦", "昆凌", "蔡依林", "侯佩岑", "周杰伦", "昆凌", "蔡依林", "侯佩岑"]
print(lst)
print(list(set(lst)))   # 去除重复之后的数据是无序的.

3.字符编码

3.1. 字符编码发展史

1. ASCII编码（开天辟地）
(1) 在计算机中，所有的数据的存储和运算时都要使用二进制数表示，而具体用哪些二进制数字表示哪个符号，当然每个人都可以约定自己的一套（这就叫编码），而大家如果要想互相通信而不造成混乱，那么大家就必须使用相同的编码规则，于是美国有关的标准化组织就出台了ASCII编码（American Standard Code for Information Interchange，美国信息互换标准代码），统一规定了常用符号用哪些二进制数来表示。

(2 ) ASCII第一次以规范标准的类型发表是在1967年，最后一次更新则是在1986年。ASCII码，用一个字节表示，8位能够表示256个字符，可以用来表示所有的大小写字母，数字、特殊符号，足够美国人用的了，事实上他们只用到了128个字符，还有1位就空着了。

ascii => 编排了128个文字符号(英文大小字母，数字，特殊符号). 只需要7个0和1就可以表示了. 01111111  => 1 byte => 8bit
这个ascii一直延续到今天 (预留的1位还能编码128个文字符号)

2. ANSI标准
其他国家逐渐普及计算机…，为了满足其他国家字符编码的需要，老美搞了一个ANSI标准：每个字符使用16bit编码(2byte) ，原来ASCII的位置不变，其它的位置让各个国家（或地区）自己去编码，于是：

    ANSI => 一套标准, 每个字符 16bit, 2byte  => 2^16 = 65536
    00000000 01111111 : ascii 的位置不变，其它的位置让各个国家去自己编码

• 中国制定了GB2312编码，把中文编码进去
• 台湾指定了big5编码
• 日本制定了Shift_JIS编码
• 韩国制定了Euc-kr编码

（1) GB2312: 中国于1980年发布了GB2312，就是国标的拼音，这个编码用区位码（94个区，每区94个字符）的方式可以支持7000多个汉字，它所收录的汉字已经覆盖中国大陆99.75%的使用频率，基本可以满足汉字计算机的需要了。

（2) GBK1.0 : 7000多个汉字人类当然是不能满足，所以人们在GB2312的基础上开始扩展，所以1995年GBK1.0诞生了（国标扩展的拼音），可以支持2万多个汉字。

（3) GB18030: 2000年的时候GB18030来了，可以支持2万7千多个汉字。

存在问题：随着全球化的趋势，这套编码并不通用。

3. Unicode
Unicode编码也称万国码（满足各个国家编码的需要），但是它有一个缺点就是浪费存储空间比较大。

    早期Unicode没有意识到这个问题. UCS-2标准 2个字节. 
    进行了扩充, UCS-4 4个字节
    00000000 00000000 00000000 01111111   扩充成四个字节需要的存储空间变大了

Unicode（统一码、万国码、单一码）是一种在计算机上使用的字符编码。Unicode 是为了解决传统的字符编码方案的局限而产生的，它为每种语言中的每个字符设定了统一并且唯一的二进制编码，规定虽有的字符和符号最少由 16 位来表示（2个字节），即：2 **16 = 65536（注：此处说的的是最少2个字节，可能更多）。
4. UTF编码
UTF是变长字符编码，是对Unicode编码的压缩和优化。
例如： UTF-8包含于Unicode，只是他不再使用最少使用1个字节，而是将所有的字符和符号进行分类：

• 英文: 8bit, 1byte
• 欧洲文字: 16bit, 2byte
• 中文: 24bit, 3byte

另外，
（1）UTF-16 最少使用2个字节。
（2） windows默认GBK， mac默认UTF-8。GBK和UTF-8不能直接转换。
（3）ASCII 一个字节，GBK两个字节， UTF-8变长字节。

3.2. 编码和解码

1. str.encode("编码")  进行编码
2. bytes.decode("编码") 进行解码

编码：

s = "周杰伦"
bs1 = s.encode("gbk")  # b'xxxx' bytes类型
bs2 = s.encode("utf-8")
print(bs1) # b'\xd6\xdc\xbd\xdc\xc2\xd7'   一个\x是一个字节
print(bs2) # b'\xe5\x91\xa8\xe6\x9d\xb0\xe4\xbc\xa6'

如何把一个GBK字节转换UTF-8字节？
先把GBK字节转化为文字，再把文字转化为UTF-8字节。

bs = b'\xd6\xdc\xbd\xdc\xc2\xd7'
# 先变成文字符号(字符串)
s = bs.decode("gbk")   # 解码
bs2 = s.encode("utf-8")  # 重新编码
print(bs2) # b'\xe5\x91\xa8\xe6\x9d\xb0\xe4\xbc\xa6'

4. 文件读写

4.1. 文件基本操作

1. open

f = open('文件路径', mode='r', encoding='utf-8')

mode常用的模式：

• r：表示文件只能读取
• w：表示文件只能写入
• a：表示打开文件，在原有内容的基础上追加内容，在末尾写入
• w+:表示可以对文件进行读写双重操作
  mode参数可以省略不填，默认为r模式mode参数还可以指定以什么样的编码方式读写文本，默认情况下open是以文本形式打开文件的，比如上面的四种mode模式。

当你需要以字节（二进制）形式读写文件时，只需要在mode参数中追加’b’即可：

• rb：以二进制格式打开一个文件，用于只读
• wb：以二进制格式打开一个文件，用于只写
• ab：以二进制格式打开一个文件，用于追加
• wb+:以二进制格式打开一个文件，用于读写

常用方法:

f.read() # 读取文件的全部内容
f.readlines() # 读取文件的全部内容，返回一个list列表
f.readline() # 一次读取一样，可以使用while循环判断结束
f.close() # 关闭, 是一个好的习惯。如果你没有显式地关闭文件，Python的垃圾回收器最终将销毁该对象并为你关闭打开的文件，但这个文件可能会保持打开状态一段时间。

注意：
（1）当你在默认模式下读取文本文件时（二进制文件不可以），文件中的换行符会转换为’\n’形式。
（2）也就是说，你读取的txt文本，其中换行符会以’\n’形式出现，写入txt文本时，文本中的’\n’会变成换行指令。
2.使用关键字with
好处：不需要手动去关闭一个文件

with open('文件路径', mode='r', encoding='utf-8') as f: 
    lines = f.readlines()
    print(lines)