


Detaillierte Erläuterung der Verwendung von Funktionen der items()-Serie in Python
Dieser Artikel stellt hauptsächlich die Verwendung der Dictionary-Items()-Funktionsreihe in Python vor. Es handelt sich um eine sehr praktische Funktion.
Dieser Artikel beschreibt die Verwendung Die Funktionsreihe dictionary items() in Python mit Beispielen hat einen guten Referenzwert für die Python-Programmierung. Die spezifische Analyse lautet wie folgt:
Schauen wir uns zunächst ein Beispiel an:
import html # available only in Python 3.x def make_elements(name, value, **attrs): keyvals = [' %s="%s"' % item for item in attrs.items()] attr_str = ''.join(keyvals) element = '<{name}{attrs}>{value}</{name}>'.format( name = name, attrs = attr_str, value = html.escape(value)) return element make_elements('item', 'Albatross', size='large', quantity=6) make_elements('p', '<spam>')
Die Funktion dieses Programms ist sehr einfach, nämlich HTML-Tags zu generieren . Beachten Sie, dass das HTML-Modul nur in Python 3.x verwendet werden kann.
Zuerst ist mir gerade aufgefallen, dass der Wörterbuchtyp Variable der Schlüsselwörter, die die Tag--Attribut--Liste generieren, auf interessante Weise aufgebaut ist. Zwei %s entsprechen einem Artikel, also Nachdem ich die relevanten Informationen überprüft habe, habe ich viele Dinge herausgefunden, die ich hier zusammenfassen werde.
Hinweis: Für die Versionen, die von allen unten aufgeführten Python-Interpretern verwendet werden, entspricht 2.x 2.7.3 und 3.x entspricht 3.4.1
In Python 2.x Elemente in der offiziellen Dokumentation Die Methode ist wie folgt: Generieren Sie eine Liste von (Schlüssel-Wert-)Paaren wie folgt:
>>> d = {'size': 'large', 'quantity': 6} >>> d.items() [('quantity', 6), ('size', 'large')]
Bei der Suche nach habe ich zufällig so eins gesehen Stackoverflow-Frage: Was ist der Unterschied zwischen dict.items() und dict.iteritems()? , die erste Antwort bedeutet ungefähr Folgendes:
„Zuerst gab items() eine Liste mit allen Elementen von dict wie oben zurück, aber da dies zu viel Speicher verschwendete, wurde es später hinzugefügt ( Hinweis: Die Gruppe der Funktionen iteritems(), iterkeys() und itervalues(), die in Python 2.2 auftauchten, wird verwendet, um einen Iterator zurückzugeben, um Speicher zu sparen, aber in 3.x gibt items() selbst einen solchen Iterator zurück Das Verhalten von items() in 3.x stimmt mit dem Verhalten von iteritems() in 2.x überein, und die Funktion iteritems() wurde abgeschafft. „
Aber es ist interessanter Diese Antwort wurde akzeptiert. Die folgenden Kommentare weisen darauf hin, dass diese Aussage nicht korrekt ist. Das Verhalten von items() in 3.x unterscheidet sich vom Verhalten von iteritems() in 2.x Objekt“, dieses Objekt kann Änderungen im Diktat widerspiegeln. Später wurde eine weitere Funktion viewitems() zu Python 2.7 und dieses Verhalten in 3.x hinzugefügt, um konsistent zu sein Um die Ansprüche in zu bestätigen Den Kommentaren zufolge habe ich den folgenden Test durchgeführt und dabei auf die im Test verwendete Python-Version geachtet:
Test 1 (Python 2.7.3):
Python 2.7.3 (default, Feb 27 2014, 19:58:35) [GCC 4.6.3] on linux2 Type "help", "copyright", "credits" or "license" for more information. >>> d = {'size': 'large', 'quantity': 6} >>> il = d.items() >>> it = d.iteritems() >>> vi = d.viewitems() >>> il [('quantity', 6), ('size', 'large')] >>> it <dictionary-itemiterator object at 0x7fe555159f18> >>> vi dict_items([('quantity', 6), ('size', 'large')])Sie können sehen, dass in Python 3.x die beiden Methoden iteritems() und viewitems() abgeschafft wurden und item() Das erhaltene Ergebnis stimmt mit viewitems() in überein 2.x.
Python 3.4.1 (default, Aug 12 2014, 16:43:01) [GCC 4.9.0] on linux Type "help", "copyright", "credits" or "license" for more information. >>> d = {'size': 'large', 'quantity': 6} >>> il = d.items() >>> it = d.iteritems() Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: 'dict' object has no attribute 'iteritems' >>> vi = d.viewitems() Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: 'dict' object has no attribute 'viewitems' >>> il dict_items([('size', 'large'), ('quantity', 6)])Der von iteritems() und viewitems() in 2.x zurückgegebene Inhalt kann mit for durchlaufen werden.
>>> for k, v in it: ... print k, v ... quantity 6 size large >>> for k, v in vi: ... print k, v ... quantity 6 size largeIn der dritten Zeile haben wir ein neues Element in d eingefügt, vi kann weiter durchlaufen, und die neue Durchquerung kann die Änderungen in d widerspiegeln, aber beim Durchlaufen wird ein Fehler gemeldet Es fordert dazu auf dass sich die Größe des Wörterbuchs während des Durchlaufs ändert und der Durchlauf fehlschlägt.
>>> it = d.iteritems() >>> vi = d.viewitems() >>> d['newkey'] = 'newvalue' >>> d {'newkey': 'newvalue', 'quantity': 6, 'size': 'large'} >>> vi dict_items([('newkey', 'newvalue'), ('quantity', 6), ('size', 'large')]) >>> it <dictionary-itemiterator object at 0x7f50ab898f70> >>> for k, v in vi: ... print k, v ... newkey newvalue quantity 6 size large >>> for k, v in it: ... print k, v ... Traceback (most recent call last): File "<stdin>", line 1, in <module> RuntimeError: dictionary changed size during iteration
Zusammenfassend lässt sich sagen, dass in 2.x ursprünglich die Methode items() verwendet wurde, aber weil sie zu viel Speicher verschwendete, wurde in 3.x die Methode iteritems() hinzugefügt, um einen Iterator zurückzugeben. Die Methode items() wurde hinzugefügt, um ein Ansichtsobjekt zurückzugeben, sodass das zurückgegebene Objekt auch Änderungen im ursprünglichen Wörterbuch widerspiegeln kann. Gleichzeitig wurde die Abwärtskompatibilitätsfunktion von viewitems() hinzugefügt in 2.7.
In 3.x müssen Sie sich also keine Gedanken über die Unterschiede zwischen den drei machen, da nur eine Methode items() beibehalten wird.
Ich glaube, dass die in diesem Artikel beschriebenen Beispiele einen gewissen Referenzwert für die Python-Programmierung aller haben.
【Verwandte Empfehlungen】
1.
Besondere Empfehlung: Version „php Programmer Toolbox“ V0.1 herunterladen2.
Kostenloses Python-Video-TutorialItems()-Methode für eine grundlegende Einführung in Python 4. Beispiel für die Funktion item() im Python-Wörterbuch 5. Einführung in drei Methoden für den Zugriff auf das Wörterbuch 6. Der Unterschied zwischen iteriitems und Artikeln in sortiert
Das obige ist der detaillierte Inhalt vonDetaillierte Erläuterung der Verwendung von Funktionen der items()-Serie in Python. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Python ist leichter zu lernen und zu verwenden, während C leistungsfähiger, aber komplexer ist. 1. Python -Syntax ist prägnant und für Anfänger geeignet. Durch die dynamische Tippen und die automatische Speicherverwaltung können Sie die Verwendung einfach zu verwenden, kann jedoch zur Laufzeitfehler führen. 2.C bietet Steuerung und erweiterte Funktionen auf niedrigem Niveau, geeignet für Hochleistungsanwendungen, hat jedoch einen hohen Lernschwellenwert und erfordert manuellem Speicher und Typensicherheitsmanagement.

Python und C haben signifikante Unterschiede in der Speicherverwaltung und -kontrolle. 1. Python verwendet die automatische Speicherverwaltung, basierend auf der Referenzzählung und der Müllsammlung, um die Arbeit von Programmierern zu vereinfachen. 2.C erfordert eine manuelle Speicherverwaltung und liefert mehr Kontrolle, aber die Komplexität und das Fehlerrisiko. Welche Sprache zu wählen sollte, sollte auf Projektanforderungen und Teamtechnologie -Stack basieren.

Zu den Anwendungen von Python im wissenschaftlichen Computer gehören Datenanalyse, maschinelles Lernen, numerische Simulation und Visualisierung. 1.Numpy bietet effiziente mehrdimensionale Arrays und mathematische Funktionen. 2. Scipy erweitert die Numpy -Funktionalität und bietet Optimierungs- und lineare Algebra -Tools. 3.. Pandas wird zur Datenverarbeitung und -analyse verwendet. 4.Matplotlib wird verwendet, um verschiedene Grafiken und visuelle Ergebnisse zu erzeugen.

Ob die Auswahl von Python oder C von den Projektanforderungen abhängt: 1) Python eignet sich aufgrund seiner prägnanten Syntax und reichhaltigen Bibliotheken für schnelle Entwicklung, Datenwissenschaft und Skripten; 2) C ist für Szenarien geeignet, die aufgrund seiner Zusammenstellung und des manuellen Speichermanagements eine hohe Leistung und die zugrunde liegende Kontrolle erfordern, wie z. B. Systemprogrammierung und Spielentwicklung.

Python wird in Datenwissenschaft und maschinellem Lernen häufig verwendet, wobei hauptsächlich auf seine Einfachheit und ein leistungsstarkes Bibliotheksökosystem beruhen. 1) Pandas wird zur Datenverarbeitung und -analyse verwendet, 2) Numpy liefert effiziente numerische Berechnungen, und 3) Scikit-Learn wird für die Konstruktion und Optimierung des maschinellen Lernens verwendet. Diese Bibliotheken machen Python zu einem idealen Werkzeug für Datenwissenschaft und maschinelles Lernen.

Ist es genug, um Python für zwei Stunden am Tag zu lernen? Es hängt von Ihren Zielen und Lernmethoden ab. 1) Entwickeln Sie einen klaren Lernplan, 2) Wählen Sie geeignete Lernressourcen und -methoden aus, 3) praktizieren und prüfen und konsolidieren Sie praktische Praxis und Überprüfung und konsolidieren Sie und Sie können die Grundkenntnisse und die erweiterten Funktionen von Python während dieser Zeit nach und nach beherrschen.

Zu den wichtigsten Anwendungen von Python in der Webentwicklung gehören die Verwendung von Django- und Flask -Frameworks, API -Entwicklung, Datenanalyse und Visualisierung, maschinelles Lernen und KI sowie Leistungsoptimierung. 1. Django und Flask Framework: Django eignet sich für die schnelle Entwicklung komplexer Anwendungen, und Flask eignet sich für kleine oder hochmobile Projekte. 2. API -Entwicklung: Verwenden Sie Flask oder Djangorestframework, um RESTFUFFUPI zu erstellen. 3. Datenanalyse und Visualisierung: Verwenden Sie Python, um Daten zu verarbeiten und über die Webschnittstelle anzuzeigen. 4. Maschinelles Lernen und KI: Python wird verwendet, um intelligente Webanwendungen zu erstellen. 5. Leistungsoptimierung: optimiert durch asynchrones Programmieren, Caching und Code

Python ist in der Entwicklungseffizienz besser als C, aber C ist in der Ausführungsleistung höher. 1. Pythons prägnante Syntax und reiche Bibliotheken verbessern die Entwicklungseffizienz. 2. Die Kompilierungsmerkmale von Compilation und die Hardwarekontrolle verbessern die Ausführungsleistung. Bei einer Auswahl müssen Sie die Entwicklungsgeschwindigkeit und die Ausführungseffizienz basierend auf den Projektanforderungen abwägen.


Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

mPDF
mPDF ist eine PHP-Bibliothek, die PDF-Dateien aus UTF-8-codiertem HTML generieren kann. Der ursprüngliche Autor, Ian Back, hat mPDF geschrieben, um PDF-Dateien „on the fly“ von seiner Website auszugeben und verschiedene Sprachen zu verarbeiten. Es ist langsamer und erzeugt bei der Verwendung von Unicode-Schriftarten größere Dateien als Originalskripte wie HTML2FPDF, unterstützt aber CSS-Stile usw. und verfügt über viele Verbesserungen. Unterstützt fast alle Sprachen, einschließlich RTL (Arabisch und Hebräisch) und CJK (Chinesisch, Japanisch und Koreanisch). Unterstützt verschachtelte Elemente auf Blockebene (wie P, DIV),

SublimeText3 Englische Version
Empfohlen: Win-Version, unterstützt Code-Eingabeaufforderungen!

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Dreamweaver Mac
Visuelle Webentwicklungstools

VSCode Windows 64-Bit-Download
Ein kostenloser und leistungsstarker IDE-Editor von Microsoft