标签：安装 全世界 none linux 指示 pass 分割 查询 可读性
模块是什么：
一个函数封装一个功能，你使用的软件可能就是由n多个函数组成的（先备考虑面向对象）。比如抖音这个软件，不可能将所有程序都写入一个文件，所以咱们应该将文件划分，这样其组织结构要好并且代码不冗余。假如分了10个文件，每个文件里面可能都有相同的功能（函数），怎么办？所以将这些相同的功能封装到一个文件中，那么这个存储着很多常用的功能的py文件，就是模块。 模块就是文件，存放一堆常用的函数，谁用谁拿。怎么拿？比如：我要策马奔腾共享人世繁华，应该怎么样？我应该骑马，你也要去浪，你是不是也要骑马。 我们说一个函数就是一个功能，那么把一些常用的函数放在一个py文件中，这个文件就称之为模块，模块，就是一些列常用功能的集合体。
为什么使用模块：1）从文件级别组织程序，更方便管理 随着程序的发展，功能越来越多，为了方便管理，我们通常将程序分成一个个的文件，这样做程序的结构更清晰，方便管理。这时我们不仅仅可以把这些文件当做脚本去执行，还可以把他们当做模块来导入到其他的模块中，实现了功能的重复利；2）拿来主义，提升开发效率 同样的原理，我们也可以下载别人写好的模块然后导入到自己的项目中使用，这种拿来主义，可以极大地提升我们的开发效率，避免重复造轮子。
人们常说的脚本是什么？
如果你退出python解释器然后重新进入，那么你之前定义的函数或者变量都将丢失，因此我们通常将程序写到文件中以便永久保存下来，需要时就通过python test.py方式去执行，此时test.py被称为脚本script。
所以，脚本就是一个python文件，比如你之前写的购物车，模拟博客园登录系统的文件等等
模块的分类：
Python语言中，模块分为三类。
第一类：内置模块，也叫做标准库。此类模块就是python解释器给你提供的，比如我们之前见过的time模块,os模块。标准库的模块非常多（200多个，每个模块又有很多功能），我们这几天就讲常用的十几种，后面课程中还会陆续的讲到。
第二类：第三方模块，第三方库。一些python大神写的非常好用的模块，必须通过pip install 指令安装的模块，比如BeautfulSoup, Django,等等。大概有6000多个。
第三类：自定义模块。我们自己在项目中定义的一些模块。
import（导入）的使用：
被导入的模块拥有独立的名称空间：每个模块都是一个独立的名称空间，定义在这个模块中的函数，把这个模块的名称空间当做全局名称空间，这样我们在编写自己的模块时，就不用担心我们定义在自己模块中全局变量会在被导入时，与使用者的全局变量冲突。
为模块起别名：import ‘模块名‘ as ‘别名‘
优点：1，可以将很长的模块名改成很短,方便使用。2，有利于代码的扩展和优化。
导入多个模块：
import os,sys,json (每个模块名间‘，’隔离)
但推荐一个一个写
import os
import sys .....
from...import....使用
唯一的区别就是：使用from...import...则是将spam中的名字直接导入到当前的名称空间中，所以在当前名称空间中，直接使用名字就可以了、无需加前缀：模块名.
from...import...的方式有好处也有坏处
好处：使用起来方便了
坏处：容易与当前执行文件中的名字冲突:执行文件有与模块同名的变量或者函数名，会有覆盖效果
一行导入多个：from 模块名 import 模块内部变量1，模块内部变量2，模块内部变量3........
也支持改名 from 模块名 import 模块内部变量 as ‘别名’
from ...import *: from spam import * 把模块中所有的不是以下划线(_)开头的名字都导入到当前位置
大部分情况下我们的python程序不应该使用这种导入方式，因为*你不知道你导入什么名字，很有可能会覆盖掉你之前已经定义的名字。而且可读性极其的差，在交互式环境中导入时没有问题。
可以使用all来控制*（用来发布新版本），在 模块名.py 中新增一行
__all__=[‘变量1‘,‘变量2‘] #这样在另外一个文件中用from spam import *就这能导入列表中规定的两个名字
py文件的两种功能：
编写好的一个python文件可以有两种用途：
一：脚本，一个文件就是整个程序，用来被执行（比如你之前写的模拟博客园登录那个作业等）
二：模块，文件中存放着一堆功能，用来被导入使用
?
python为我们内置了全局变量__name__，
当文件被当做脚本执行时：__name__ 等于‘__main__‘
当文件被当做模块导入时：__name__等于模块名
作用：用来控制.py文件在不同的应用场景下执行不同的逻辑（或者是在模块文件中测试代码）
if __name__ == ‘__main__‘ (这个很好理解，多应用)
模块的搜索路径：
Python中引用模块是按照一定的规则以及顺序去寻找的，这个查询顺序为：先从内存中已经加载的模块进行寻找找不到再从内置模块中寻找，内置模块如果也没有，最后去sys.path中路径包含的模块中寻找。它只会按照这个顺序从这些指定的地方去寻找，如果最终都没有找到，那么就会报错。
内存中已经加载的模块->内置模块->sys.path路径中包含的模块
模块的查找顺序
在第一次导入某个模块时（模块名），会先检查该模块是否已经被加载到内存中（当前执行文件的名称空间对应的内存），如果有则直接引用（ps：python解释器在启动时会自动加载一些模块到内存中，可以使用sys.modules查看）
如果没有，解释器则会查找同名的内置模块
如果还没有找到就从sys.path给出的目录列表中依次寻找t模块名.py文件。
需要特别注意的是：我们自定义的模块名不应该与系统内置模块重名。虽然每次都说，但是仍然会有人不停的犯错
内置模块：
1，序列化模块
比如，你的程序中需要一个字典类型的数据存放你的个人信息：
dic = {‘username‘:‘太白‘, ‘password‘: 123,‘login_status‘: True}
你的程序中有一些地方都需要使用这个dic数据，登录时会用到，注册时也会用到。那么我们之前就是将这个dic写在全局里，但是这样是不合理的，应该是将这数据写入一个地方存储（还没有学数据库）先存放在一个文件中，那么程序中哪里需要这个数据了，你就读取文件取出你需要的信息即可。那么有没有什么问题？ 你将这个字典直接写入文件是不可以的，必须转化成字符串的形式，而且你读取出来也是字符串形式的字典（可以用代码展示）。
那么你拿到一个str(dic)有什么用？他是根本转化不成dic的（不能用eval很危险），所以很不方便。那么这时候序列化模块就起到作用了，如果你写入文件中的字符串是一个序列化后的特殊的字符串，那么当你从文件中读取出来，是可以转化回原数据结构的。这个就很牛逼了。
下面说的是json序列化，pickle序列化有所不同。
json序列化除了可以解决写入文件的问题，还可以解决网络传输的问题，比如你将一个list数据结构通过网络传给另个开发者，那么你不可以直接传输，之前我们说过，你要想传输出去必须用bytes类型。但是bytes类型只能与字符串类型互相转化，它不能与其他数据结构直接转化，所以，你只能将list ---> 字符串 ---> bytes 然后发送，对方收到之后，在decode() 解码成原字符串。此时这个字符串不能是我们之前学过的str那种字符串，因为它不能反解，必须要是这个特殊的字符串，他可以反解成list 这样开发者之间就可以借助网络互传数据了，不仅仅是开发者之间，你要借助网络爬取数据这些数据多半是这种特殊的字符串，你接受到之后，在反解成你需要的数据类型。
对于这个序列化模块我们做一个小小总结：
序列化模块就是将一个常见的数据结构转化成一个特殊的序列，并且这个特殊的序列还可以反解回去。它的主要用途：文件读写数据，网络传输数据。
Python中这种序列化模块有三种：
json模块 ： （重点）
不同语言都遵循的一种数据转化格式，即不同语言都使用的特殊字符串。（比如Python的一个列表[1, 2, 3]利用json转化成特殊的字符串，然后在编码成bytes发送给php的开发者，php的开发者就可以解码成特殊的字符串，然后在反解成原数组(列表): [1, 2, 3]）
json序列化只支持部分Python数据结构：dict,list, tuple,str,int, float,True,False,None
pickle模块：
只能是Python语言遵循的一种数据转化格式，只能在python语言中使用。
支持Python所有的数据类型包括实例化对象。
shelve模块：类似于字典的操作方式去操作特殊的字符串（不讲，可以课下了解）。
当然序列化模块中使用最多的的就是json模块，那么接下来，我们讲一下json与pickle模块。
json模块：
json模块是将满足条件的数据结构转化成特殊的字符串，并且也可以反序列化还原回去。
上面介绍我已经说过了，序列化模块总共只有两种用法，要不就是用于网络传输的中间环节，要不就是文件存储的中间环节，所以json模块总共就有两对四个方法：
用于网络传输：dumps、loads
用于文件写读：dump、load
import json dic = {‘k1‘:‘v1‘,‘k2‘:‘v2‘,‘k3‘:‘v3‘} str_dic = json.dumps(dic) #序列化：将一个字典转换成一个字符串 print(type(str_dic),str_dic) #<class ‘str‘> {"k3": "v3", "k1": "v1", "k2": "v2"} #注意，json转换完的字符串类型的字典中的字符串是由""表示的 ? dic2 = json.loads(str_dic) #反序列化：将一个字符串格式的字典转换成一个字典 #注意，要用json的loads功能处理的字符串类型的字典中的字符串必须由""表示 p
import json f = open(‘json_file.json‘,‘w‘) dic = {‘k1‘:‘v1‘,‘k2‘:‘v2‘,‘k3‘:‘v3‘} json.dump(dic,f) #dump方法接收一个文件句柄，直接将字典转换成json字符串写入文件 f.close() # json文件也是文件，就是专门存储json字符串的文件。 f = open(‘json_file.json‘) dic2 = json.load(f) #load方法接收一个文件句柄，直接将文件中的json字符串转换成数据结构返回 f.close() print(type(dic2),dic2)
json序列化存储多个数据到同一个文件中
对于json序列化，存储多个数据到一个文件中是有问题的，默认一个json文件只能存储一个json数据，但是也可以解决，举例说明:
对于json 存储多个数据到文件中 dic1 = {‘name‘:‘oldboy1‘} dic2 = {‘name‘:‘oldboy2‘} dic3 = {‘name‘:‘oldboy3‘} f = open(‘序列化‘,encoding=‘utf-8‘,mode=‘a‘) json.dump(dic1,f) json.dump(dic2,f) json.dump(dic3,f) f.close() ? f = open(‘序列化‘,encoding=‘utf-8‘) ret = json.load(f) ret1 = json.load(f) ret2 = json.load(f) print(ret)
上面会报错
解决方式：
dic1 = {‘name‘:‘oldboy1‘}
dic2 = {‘name‘:‘oldboy2‘}
dic3 = {‘name‘:‘oldboy3‘}
f = open(‘序列化‘,encoding=‘utf-8‘,mode=‘a‘)
str1 = json.dumps(dic1)
f.write(str1+‘\n‘)
str2 = json.dumps(dic2)
f.write(str2+‘\n‘)
str3 = json.dumps(dic3)
f.write(str3+‘\n‘)
f.close()
?
f = open(‘序列化‘,encoding=‘utf-8‘)
for line in f:
print(json.loads(line))
pickle模块
pickle模块是将Python所有的数据结构以及对象等转化成bytes类型，然后还可以反序列化还原回去。
刚才也跟大家提到了pickle模块，pickle模块是只能Python语言识别的序列化模块。如果把序列化模块比喻成全世界公认的一种交流语言，也就是标准的话，json就是像是英语，全世界（python，java，php，C，等等）都遵循这个标准。而pickle就是中文，只有中国人（python）作为第一交流语言。
既然只是Python语言使用，那么它支持Python所有的数据类型包括后面我们要讲的实例化对象等，它能将这些所有的数据结构序列化成特殊的bytes，然后还可以反序列化还原。使用上与json几乎差不多，也是两对四个方法。
用于网络传输：dumps、loads
用于文件写读：dump、load
import pickle dic = {‘k1‘:‘v1‘,‘k2‘:‘v2‘,‘k3‘:‘v3‘} str_dic = pickle.dumps(dic) print(str_dic) # bytes类型 ? dic2 = pickle.loads(str_dic) print(dic2) #字典 ? # 还可以序列化对象 import pickle ? def func(): print(666) ret = pickle.dumps(func) print(ret,type(ret)) # b‘\x80\x03c__main__\nfunc\nq\x00.‘ <class ‘bytes‘> ? f1 = pickle.loads(ret) # f1得到 func函数的内存地址 f1() # 执行func函数
#文件操作 dic = {(1,2):‘oldboy‘,1:True,‘set‘:{1,2,3}} f = open(‘pick序列化‘,mode=‘wb‘) pickle.dump(dic,f) f.close() with open(‘pick序列化‘,mode=‘wb‘) as f1: pickle.dump(dic,f1)
pickle序列化存储多个数据到一个文件中
dic1 = {‘name‘:‘oldboy1‘}
dic2 = {‘name‘:‘oldboy2‘}
dic3 = {‘name‘:‘oldboy3‘}
?
f = open(‘pick多数据‘,mode=‘wb‘)
pickle.dump(dic1,f)
pickle.dump(dic2,f)
pickle.dump(dic3,f)
f.close()
?
f = open(‘pick多数据‘,mode=‘rb‘)
while True:
try:
print(pickle.load(f))
except EOFError:
break
f.close()
os模块：os模块是与操作系统交互的一个接口,它提供的功能多与工作目录，路径，文件等相关。
按照星的等级划分,三颗星是需要记住的：
当前执行这个python文件的工作目录相关的工作路径 os.getcwd() 获取当前工作目录，即当前python脚本工作的目录路径 ** os.chdir("dirname") 改变当前脚本工作目录；相当于shell下cd ** os.curdir 返回当前目录: (‘.‘) ** os.pardir 获取当前目录的父目录字符串名：(‘..‘) ** ? # 和文件夹相关 os.makedirs(‘dirname1/dirname2‘) 可生成多层递归目录 *** os.removedirs(‘dirname1‘) 若目录为空，则删除，并递归到上一级目录，如若也为空，则删除，依此类推 *** os.mkdir(‘dirname‘) 生成单级目录；相当于shell中mkdir dirname *** os.rmdir(‘dirname‘) 删除单级空目录，若目录不为空则无法删除，报错；相当于shell中rmdir dirname *** # os.listdir(‘dirname‘) 列出指定目录下的所有文件和子目录，包括隐藏文件，并以列表方式打印 ** ? # 和文件相关 os.remove() 删除一个文件 *** os.rename("oldname","newname") 重命名文件/目录 *** os.stat(‘path/filename‘) 获取文件/目录信息 ** ? # 和操作系统差异相关 # os.sep 输出操作系统特定的路径分隔符，win下为"\\",Linux下为"/" * # os.linesep 输出当前平台使用的行终止符，win下为"\t\n",Linux下为"\n" * # os.pathsep 输出用于分割文件路径的字符串 win下为;,Linux下为: * # os.name 输出字符串指示当前使用平台。win->‘nt‘; Linux->‘posix‘ * # 和执行系统命令相关 # os.system("bash command") 运行shell命令，直接显示 ** # os.popen("bash command).read() 运行shell命令，获取执行结果 ** os.environ 获取系统环境变量 ** ? #path系列，和路径相关 os.path.abspath(path) 返回path规范化的绝对路径 *** os.path.split(path) 将path分割成目录和文件名二元组返回 *** os.path.dirname(path) 返回path的目录。其实就是os.path.split(path)的第一个元素 ** os.path.basename(path) 返回path最后的文件名。如何path以／或\结尾，那么就会返回空值，即os.path.split(path)的第二个元素。 ** os.path.exists(path) 如果path存在，返回True；如果path不存在，返回False *** os.path.isabs(path) 如果path是绝对路径，返回True ** os.path.isfile(path) 如果path是一个存在的文件，返回True。否则返回False *** os.path.isdir(path) 如果path是一个存在的目录，则返回True。否则返回False *** os.path.join(path1[, path2[, ...]]) 将多个路径组合后返回，第一个绝对路径之前的参数将被忽略 *** os.path.getatime(path) 返回path所指向的文件或者目录的最后访问时间 ** os.path.getmtime(path) 返回path所指向的文件或者目录的最后修改时间 ** os.path.getsize(path) 返回path的大小 ***
注意：os.stat(‘path/filename‘) 获取文件/目录信息 的结构说明
stat 结构: st_mode: inode 保护模式 st_ino: inode 节点号。 st_dev: inode 驻留的设备。 st_nlink: inode 的链接数。 st_uid: 所有者的用户ID。 st_gid: 所有者的组ID。 st_size: 普通文件以字节为单位的大小；包含等待某些特殊文件的数据。 st_atime: 上次访问的时间。 st_mtime: 最后一次修改的时间。 st_ctime: 由操作系统报告的"ctime"。在某些系统上（如Unix）是最新的元数据更改的时间，在其它系统上（如Windows）是创建时间（详细信息参见平台的文档）。
sys模块：
sys.argv 命令行参数List，第一个元素是程序本身路径 sys.exit(n) 退出程序，正常退出时exit(0),错误退出sys.exit(1) sys.version 获取Python解释程序的版本信息 sys.path 返回模块的搜索路径，初始化时使用PYTHONPATH环境变量的值 *** sys.platform 返回操作系统平台名称
hashlib模块：
此模块有人称为摘要算法，也叫做加密算法，或者是哈希算法，散列算法等等，这么多title不用大家记，那么有同学就问他到底是干啥的？ 简单来说就是做加密和校验使用，它的工作原理给大家简单描述一下：它通过一个函数，把任意长度的数据按照一定规则转换为一个固定长度的数据串（通常用16进制的字符串表示）。
比如：之前我们在一个文件中存储用户的用户名和密码是这样的形式：
太白|123456
有什么问题？你的密码是明文的，如果有人可以窃取到这个文件，那么你的密码就会泄露了。所以，一般我们存储密码时都是以密文存储，比如：
太白|e10adc3949ba59abbe56e057f20f883e
那么即使是他窃取到这个文件，他也不会轻易的破解出你的密码，这样就会保证了数据的安全。
hashlib模块就可以完成的就是这个功能。
hashlib的特征以及使用要点：
bytes类型数据 ---> 通过hashlib算法 ---> 固定长度的字符串
不同的bytes类型数据转化成的结果一定不同。
相同的bytes类型数据转化成的结果一定相同。
此转化过程不可逆。
那么刚才我们也说了，hashlib的主要用途有两个：
密码的加密。
文件一致性校验。
hashlib模块就相当于一个算法的集合，这里面包含着很多的算法，算法越高，转化成的结果越复杂，安全程度越高，相应的效率就会越低
1）密码的加密
普通加密：我们以常见的摘要算法MD5为例，计算出一个字符串的MD5值
import hashlib ? md5 = hashlib.md5() md5.update(‘123456‘.encode(‘utf-8‘)) print(md5.hexdigest()) ? # 计算结果如下： ‘e10adc3949ba59abbe56e057f20f883e‘ ? # 验证：相同的bytes数据转化的结果一定相同 import hashlib ? md5 = hashlib.md5() md5.update(‘123456‘.encode(‘utf-8‘)) print(md5.hexdigest()) ? # 计算结果如下： ‘e10adc3949ba59abbe56e057f20f883e‘ ? # 验证：不相同的bytes数据转化的结果一定不相同 import hashlib ? md5 = hashlib.md5() md5.update(‘12345‘.encode(‘utf-8‘)) print(md5.hexdigest()) ? # 计算结果如下： ‘827ccb0eea8a706c4c34a16891f84e7b‘
上面就是普通的md5加密，非常简单，几行代码就可以了，但是这种加密级别是最低的，相对来说不很安全。虽然说hashlib加密是不可逆的加密方式，但也是可以破解的，那么他是如何做的呢？你看网上好多MD5解密软件，他们就是用最low的方式，空间换时间。他们会把常用的一些密码比如：123456,111111,以及他们的md5的值做成对应关系，类似于字典，
dic = {‘e10adc3949ba59abbe56e057f20f883e‘: 123456}
然后通过你的密文获取对应的密码。
只要空间足够大，那么里面容纳的密码会非常多，利用空间换取破解时间。 所以针对刚才说的情况，我们有更安全的加密方式：加盐。
加盐加密
#固定的盐： ret = hashlib.md5(‘xx教育‘.encode(‘utf-8‘)) # xx教育就是固定的盐 ret.update(‘a‘.encode(‘utf-8‘)) print(ret.hexdigest())
上面的xx教育就是固定的盐，比如你在一家公司，公司会将你们所有的密码在md5之前增加一个固定的盐，这样提高了密码的安全性。但是如果黑客通过手段窃取到你这个固定的盐之后，也是可以破解出来的。所以，我们还可以加动态的盐。
#动态的盐 username = ‘努力学习666‘ ret = hashlib.md5(username[::2].encode(‘utf-8‘)) # 针对于每个账户，每个账户的盐都不一样 ret.update(‘a‘.encode(‘utf-8‘)) print(ret.hexdigest())
不过一般我们用到MD5加密就可以了。
文件的一致性校验
hashlib模块除了可以用于密码加密之外，还有一个常用的功能，那就是文件的一致性校验。
linux讲究：一切皆文件，我们普通的文件，是文件，视频，音频，图片，以及应用程序等都是文件。我们都从网上下载过资源，比如我们刚开学时让大家从网上下载pycharm这个软件，当时你可能没有注意过，其实你下载的时候都是带一个MD5或者shax值的，为什么？ 我们的网络世界是很不安全的，经常会遇到病毒，木马等，有些你是看不到的可能就植入了你的电脑中，那么他们是怎么来的？ 都是通过网络传入来的，就是你在网上下载一些资源的时候，趁虚而入，当然大部门被我们的浏览器或者杀毒软件拦截了，但是还有一部分偷偷的进入你的磁盘中了。那么我们自己如何验证我们下载的资源是否有病毒呢？这就需要文件的一致性校验了。在我们下载一个软件时，往往都带有一个MD5或者shax值，当我们下载完成这个应用程序时你要是对比大小根本看不出什么问题，你应该对比他们的md5值，如果两个md5值相同，就证明这个应用程序是安全的，如果你下载的这个文件的MD5值与服务端给你提供的不同，那么就证明你这个应用程序肯定是植入病毒了（文件损坏的几率很低），那么你就应该赶紧删除，不应该安装此应用程序。
我们之前说过，md5计算的就是bytes类型的数据的转换值，同一个bytes数据用同样的加密方式转化成的结果一定相同，如果不同的bytes数据（即使一个数据只是删除了一个空格）那么用同样的加密方式转化成的结果一定是不同的。所以，hashlib也是验证文件一致性的重要工具。
将文件校验写在一个函数中 ：这里没学好，先记着
def func(file): with open(file,mode=‘rb‘) as f1: ret = hashlib.md5() ret.update(f1.read()) return ret.hexdigest() ? ? print(func(‘hashlib_file1‘))
collections模块：
在内置数据类型（dict、list、set、tuple）的基础上，collections模块还提供了几个额外的数据类型：Counter、deque、defaultdict、namedtuple和OrderedDict等。
1.namedtuple: 生成可以使用名字来访问元素内容的tuple
2.deque: 双端队列，可以快速的从另外一侧追加和推出对象
3.Counter: 计数器，主要用来计数
4.OrderedDict: 有序字典
5.defaultdict: 带有默认值的字典
namedtuple:
我们知道tuple可以表示不变集合，例如，一个点的二维坐标就可以表示成：
p = (1, 2)但是，看到(1, 2)，很难看出这个tuple是用来表示一个坐标的。
这时，namedtuple就派上了用场：
>>> from collections import namedtuple >>> Point = namedtuple(‘Point‘, [‘x‘, ‘y‘]) >>> p = Point(1, 2) >>> p.x >>> p.y
类似的，如果要用坐标和半径表示一个圆，也可以用namedtuple定义：
namedtuple(‘名称‘, [属性list]): Circle = namedtuple(‘Circle‘, [‘x‘, ‘y‘, ‘r‘])
deque:
使用list存储数据时，按索引访问元素很快，但是插入和删除元素就很慢了，因为list是线性存储，数据量大的时候，插入和删除效率很低。
deque是为了高效实现插入和删除操作的双向列表，适合用于队列和栈：
>>> from collections import deque >>> q = deque([‘a‘, ‘b‘, ‘c‘]) >>> q.append(‘x‘) >>> q.appendleft(‘y‘) >>> q deque([‘y‘, ‘a‘, ‘b‘, ‘c‘, ‘x‘])
deque除了实现list的append()和pop()外，还支持appendleft()和popleft()，这样就可以非常高效地往头部添加或删除元素。
OrderedDict:
使用dict时，Key是无序的。在对dict做迭代时，我们无法确定Key的顺序。
如果要保持Key的顺序，可以用OrderedDict：(这个方法还得再实验，有待验证)
>>> from collections import OrderedDict >>> d = dict([(‘a‘, 1), (‘b‘, 2), (‘c‘, 3)]) >>> d # dict的Key是无序的 {‘a‘: 1, ‘c‘: 3, ‘b‘: 2} >>> od = OrderedDict([(‘a‘, 1), (‘b‘, 2), (‘c‘, 3)]) >>> od # OrderedDict的Key是有序的 OrderedDict([(‘a‘, 1), (‘b‘, 2), (‘c‘, 3)])
Counter：
Counter类的目的是用来跟踪值出现的次数。它是一个无序的容器类型，以字典的键值对形式存储，其中元素作为key，其计数作为value。计数值可以是任意的Interger（包括0和负数）。Counter类和其他语言的bags或multisets很相似。
c = Counter(‘abcdeabcdabcaba‘) print c 输出：Counter({‘a‘: 5, ‘b‘: 4, ‘c‘: 3, ‘d‘: 2, ‘e‘: 1})
软件的开发规范
标签：安装 全世界 none linux 指示 pass 分割 查询 可读性
原文地址：https://www.cnblogs.com/xiao-xuan-feng/p/12337616.html
