Python 速查表

这份Python速查表旨在成为您Python编程的快速参考指南。无论您是学习基础知识的初学者，还是寻找便捷资源的经验丰富的开发者，这份速查表涵盖了重要主题。凭借这份速查表，您可以自信地深入Python的世界，简化编码任务，提高您的Python熟练度。

01 数据类型：

Python支持多种数据类型，如整数、浮点数、字符串和布尔值。理解这些基本类型对于管理和处理程序中的数据至关重要。

int_num = 42
float_num = 3.14
string_var = "Hello, Python!"
bool_var = True

02 变量与赋值：

在Python中，变量用于存储数据，并可以使用等号（=）赋值。这使得在代码中存储和重用值成为可能。

x = 10
y = "Python"

03 列表与元组：

列表是可变序列，可以容纳多种数据类型，而元组是不可变的。这些结构对于将相关数据分组和遍历元素至关重要。

my_list = [1, 2, 3, "Python"]
my_tuple = (1, 2, 3, "Tuple")

04 字典：

字典以键值对的形式存储数据，允许根据唯一键快速检索值。它们在高效组织和访问复杂数据方面非常有用。

my_dict = {'name': 'John', 'age': 25, 'city': 'Pythonville'}

05 控制流：

像 if、elif、else、for 和 while 这样的语句使得条件执行和迭代成为可能。这些结构帮助你根据各种条件控制程序的执行路径。

if x > 0:
    print("正数")
elif x == 0:
    print("零")
else:
    print("负数")
for item in my_list:
    print(item)


while condition:
    # code

06 函数：

函数封装了可重用的代码块，并可以接受参数以执行特定任务。定义和调用函数增强了程序的模块化和代码重用性。

def greet(name="User"):
    return f"你好，{name}!"
result = greet("John")

07 类和对象：

类定义了对象的蓝图，封装了数据和行为。使用面向对象编程，您可以在代码中建模现实世界的实体及其交互。

class Dog:
    def __init__(self, name):
        self.name = name
    def bark(self):
        print("汪汪！")
my_dog = Dog("巴迪")
my_dog.bark()

08 文件处理：

Python 提供了易于使用的函数用于读取和写入文件。这允许在程序中实现数据持久性和文件内容的操作。

with open("file.txt", "r") as file:
    content = file.read()
with open("new_file.txt", "w") as new_file:
    new_file.write("Hello, Python!")

09 异常处理：使用 try、except 和 finally 块来优雅地管理错误。这有助于确保您的程序能够处理意外情况并继续运行。

try:
    result = 10 / 0
except ZeroDivisionError:
    print("不能被零除！")
finally:
    print("执行完成。")

10个库和模块：Python的标准库和外部模块扩展了其功能。导入并使用像math和datetime这样的库使您能够用最少的代码执行复杂的操作。

import math
from datetime import datetime
result = math.sqrt(25)
current_time = datetime.now()

11 列表推导式：提供了一种简洁的方式来创建列表。它们对于通过对可迭代对象的每个元素应用表达式来生成新列表非常有用。

squares = [x**2 for x in range(5)]

12 Lambda 函数：

是使用 lambda 关键字定义的匿名函数。它们通常用于小型、一次性函数，无需使用 def 正式定义函数。

add = lambda x, y: x + y
result = add(2, 3)

13 虚拟环境：

虚拟环境是用于管理不同项目依赖关系的隔离Python环境。它们通过为每个项目维护独立的环境来帮助防止依赖冲突。

# 创建虚拟环境
python -m venv myenv

# 激活虚拟环境
source myenv/bin/activate  # 在Unix或MacOS上
myenv\Scripts\activate  # 在Windows上

# 关闭虚拟环境
deactivate

14 包管理：

Python中的包管理通常使用pip来处理。它允许您安装、管理和共享项目所需的包和库。# 安装一个包

pip install package_name

# 列出已安装的包
pip list

# 创建 requirements.txt
pip freeze > requirements.txt

# 从 requirements.txt 安装包
pip install -r requirements.txt

15 处理 JSON：

JSON（JavaScript 对象表示法）是一种轻量级的数据交换格式。Python 提供了 json 模块来编码和解码 JSON 数据，使得与 API 和数据存储的交互变得简单。

import json

# 将 Python 对象转换为 JSON
json_data = json.dumps({"name": "John", "age": 25})

# 将 JSON 转换为 Python 对象
python_obj = json.loads(json_data)

16 正则表达式：

正则表达式（regex）是定义搜索模式的字符序列。Python中的re模块允许您使用正则表达式匹配、搜索和操作字符串。

import re
pattern = r'\d+'  # 匹配一个或多个数字
result = re.findall(pattern, "There are 42 apples and 123 oranges.")

17 处理日期：

Python中的datetime模块提供了用于操作日期和时间的类。它允许您执行诸如获取当前日期和时间、添加或减去时间以及格式化日期等操作。

from datetime import datetime, timedelta

current_date = datetime.now()
future_date = current_date + timedelta(days=7)

18 列表操作：

Python 提供了几个内置函数来操作列表，例如 filter、map 和 reduce。这些函数通过函数式编程技术实现高效的数据处理。

numbers = [1, 2, 3, 4, 5]

# 过滤
evens = list(filter(lambda x: x % 2 == 0, numbers))

# 映射
squared = list(map(lambda x: x**2, numbers))

# 归约（需要 functools）
from functools import reduce
product = reduce(lambda x, y: x * y, numbers)

19 字典操作：

字典在Python中可以通过多种方式进行操作，例如使用默认值访问值和使用字典推导式。这些技术增强了处理键值对的灵活性和效率。

my_dict = {'a': 1, 'b': 2, 'c': 3}

# 获取默认值
value = my_dict.get('d', 0)

# 字典推导式
squared_dict = {key: value**2 for key, value in my_dict.items()}

20 使用线程进行并发：

Python中的线程模块允许您创建和管理线程以实现并发执行。它对于可以并行执行的任务非常有用，可以提高程序的性能。

import threading
def print_numbers():
    for i in range(5):
        print(i)
thread = threading.Thread(target=print_numbers)
thread.start()

21 使用 Asyncio 进行并发：

asyncio 模块提供了一个使用 async 和 await 语法编写异步代码的框架。它适用于 I/O 密集型和高层次结构化的网络代码。

import asyncio
async def print_numbers():
    for i in range(5):
        print(i)
        await asyncio.sleep(1)
asyncio.run(print_numbers())

22 使用 Beautiful Soup 进行网页抓取：

Beautiful Soup 是一个用于网页抓取的 Python 库。它允许你解析 HTML 和 XML 文档，并从网页中提取数据。

from bs4 import BeautifulSoup
import requests
url = "https://example.com"
response = requests.get(url)
soup = BeautifulSoup(response.text, 'html.parser')
title = soup.title.text

23 使用 Flask 创建 RESTful API：

Flask 是一个轻量级的 Python Web 框架。它使您能够轻松创建 RESTful API，从而允许您的应用程序通过 HTTP 与其他服务进行交互。

from flask import Flask, jsonify, request
app = Flask(__name__)

@app.route('/api/data', methods=['GET'])
def get_data():
    data = {'key': 'value'}
    return jsonify(data)
if __name__ == '__main__':
    app.run(debug=True)

24 单元测试与 unittest：

Python 中的 unittest 模块提供了一个创建和运行单元测试的框架。它通过验证功能的各个单元，帮助确保您的代码按预期工作。

import unittest

def add(x, y):
    return x + y
class TestAddition(unittest.TestCase):
    def test_add_positive_numbers(self):
        self.assertEqual(add(2, 3), 5)
if __name__ == '__main__':
    unittest.main()

25 与 SQLite 的数据库交互：

SQLite 是一种轻量级的基于磁盘的数据库。Python 的 sqlite3 模块允许您与 SQLite 数据库进行交互，执行 SQL 查询和管理数据库连接等操作。

import sqlite3
conn = sqlite3.connect('example.db')
cursor = conn.cursor()

# 执行 SQL 查询
cursor.execute('CREATE TABLE IF NOT EXISTS users (id INTEGER PRIMARY KEY, name TEXT)')

# 提交更改
conn.commit()

# 关闭连接
conn.close()

26 文件处理：

文件处理在Python中允许您读取和写入文件，这对于涉及数据存储和检索的任务至关重要。

# 写入文件
with open('example.txt', 'w') as file:
    file.write('Hello, Python!')
# 从文件读取
with open('example.txt', 'r') as file:
    content = file.read()

27 错误处理：

错误处理有助于优雅地管理异常，确保您的程序能够处理错误和意外情况而不会崩溃。

try:
    result = 10 / 0
except ZeroDivisionError as e:
    print(f"错误: {e}")
except Exception as e:


    print(f"意外错误: {e}")
else:
    print("没有发生错误。")
finally:
    print("这个代码块总是会执行。")

28 Python 装饰器：

Python 装饰器允许您修改函数或方法的行为。它们是代码重用和增强功能的强大工具。

def decorator(func):
    def wrapper():
        print("函数执行前")
        func()
        print("函数执行后")
    return wrapper
@decorator
def my_function():
    print("在函数内部")
my_function()

29 使用枚举：

Python中的枚举提供了一种定义命名值集合的方法，通过使用符号名称而不是字面量来提高代码的可读性和可靠性。

from enum import Enum
class Color(Enum):
    RED = 1
    GREEN = 2
    BLUE = 3
print(Color.RED)

33 集合操作：

Python 中的集合是唯一元素的集合。它们支持并集、交集和差集等操作，使其在数学集合运算中非常有用。

set1 = {1, 2, 3}
set2 = {3, 4, 5}

# 并集
union_set = set1 | set2

# 交集
intersection_set = set1 & set2

# 差集
difference_set = set1 - set2

31 列表推导式：

列表推导式提供了一种简洁的方式来创建列表。它们高效且通常比传统的基于循环的构造更具可读性。

numbers = [1, 2, 3, 4, 5]

# 偶数的平方
squares = [x**2 for x in numbers if x % 2 == 0]

32 Lambda 函数：

Lambda 函数是使用 lambda 关键字定义的小型匿名函数。它们对于快速、一次性的操作非常有用。


add = lambda x, y: x + y
result = add(3, 5)

33 使用 Concurrent.futures 进行线程处理：

使用 Concurrent.futures 进行线程处理可以实现任务的并行执行，从而提高 I/O 绑定和 CPU 绑定操作的性能。

from concurrent.futures import ThreadPoolExecutor
def square(x):
    return x**2
with ThreadPoolExecutor() as executor:
    results = executor.map(square, [1, 2, 3, 4, 5])

34 国际化 (i18n) 与 gettext：

国际化 (i18n) 涉及将软件适配为不同的语言和地区。gettext 模块有助于翻译和本地化您的应用程序

import gettext

# 设置语言
lang = 'en_US'
_ = gettext.translation('messages', localedir='locale', languages=[lang]).gettext
print(_("Hello, World!"))

35 处理日期：

在 Python 中处理日期涉及使用 datetime 模块来操作日期和时间数据，使得格式化日期和计算未来或过去的日期等任务成为可能。from datetime import datetime, timedelta

now = datetime.now()

# 格式化日期
formatted_date = now.strftime('%Y-%m-%d %H:%M:%S')

# 在日期上添加天数
future_date = now + timedelta(days=7)

36 使用字典：

Python中的字典存储键值对，提供了一种快速检索和操作数据的方式。它们对于映射和关联数组至关重要。my_dict = {'name': 'John', 'age': 30}


# 使用默认值获取值
age = my_dict.get('age', 25)

# 遍历键和值
for key, value in my_dict.items():
    print(f"{key}: {value}")

37 正则表达式：

正则表达式（regex）是用于匹配字符串中字符组合的模式。它们是搜索、替换和解析文本的强大工具。

import re

text = "Hello, 123 World!"

# 匹配数字
numbers = re.findall(r'\d+', text)

38 使用生成器：

Python中的生成器是返回可迭代项集的函数，使用yield关键字一次返回一个项。它们在内存使用上非常高效，适用于大数据集。

def square_numbers(n):
    for i in range(n):
        yield i**2
squares = square_numbers(5)

39 使用SQLite进行数据库交互：

SQLite是一个C语言库，提供轻量级的基于磁盘的数据库。Python的sqlite3模块使得SQLite数据库的集成和操作变得简单。

import sqlite3

# 连接到SQLite数据库
conn = sqlite3.connect('mydatabase.db')
cursor = conn.cursor()

# 执行SQL查询
cursor.execute('SELECT * FROM mytable')

40 处理ZIP文件：

ZIP文件用于压缩文件和目录。Python的zipfile模块支持创建、读取、写入和提取ZIP文件。

import zipfile

with zipfile.ZipFile('archive.zip', 'w') as myzip:

myzip.write('file.txt')
with zipfile.ZipFile('archive.zip', 'r') as myzip:
myzip.extractall('extracted')

41 使用 requests 和 BeautifulSoup 进行网页抓取：

网页抓取涉及从网站提取数据。Python 中的 requests 和 BeautifulSoup 库简化了获取和解析 HTML 内容的过程。

import requests
from bs4 import BeautifulSoup
url = 'https://example.com'
response = requests.get(url)
soup = BeautifulSoup(response.text, 'html.parser')

# 从 HTML 中提取数据
title = soup.title.text

42 使用 smtplib 发送电子邮件：

在 Python 中，可以使用 smtplib 库发送电子邮件，该库支持通过 SMTP 协议发送邮件，并支持各种配置和 MIME 类型。

import smtplib
from email.mime.text import MIMEText

# 设置电子邮件服务器
server = smtplib.SMTP('smtp.gmail.com', 587)
server.starttls()

# 登录电子邮件账户
server.login('your_email@gmail.com', 'your_password')

# 发送电子邮件
msg = MIMEText('你好，Python！')
msg['Subject'] = 'Python 邮件'
server.sendmail('your_email@gmail.com', 'recipient@example.com', msg.as_string())

43 处理 JSON 文件：

处理 JSON 文件涉及使用 json 模块来读取和写入 JSON 数据到文件中。这对于网页应用程序中的数据存储和交换至关重要。

import json
data = {'name': 'John', 'age': 30}

# 写入 JSON 文件
with open('data.json', 'w') as json_file:
    json.dump(data, json_file)

# 从 JSON 文件读取
with open('data.json', 'r') as json_file:
    loaded_data = json.load(json_file)

Python 单例日志记录器：线程安全、竞争条件与锁优化

我们成功创建了一个单例类 Logger，

如何在Python中创建向量嵌入

当你在构建一个检索增强生成（RAG）应用