查看“Python”的源代码


[[Python2 vs Python3]]

[[Python程序的调试]]

[[ipython]]

[[jupyter]]


=容器= 
*container（数据结构）
*有3种: 序列，映射，集合

==序列(sequence)==
*序列有6总（列表，元组，字符串，Unicode字符串，buffer对象，xrange对象）
*序列的索引从0开始，对序列分片时包括开头，不包括结尾，比如A[3:4]只包括A列表的第四个成员
*序列的加号操作，[1,2,3]+[4,5,6]   = [1,2,3,4,5,6] 
*乘号参考加号 [1,2]*2 = [1,2,1,2]

===通用序列操作===
* 索引，分片（slice），加，乘，迭代，最大，最小，长度
* 索引从0开始，最后一个元素是-1（从右向左索引）
*分片: 访问倒数3个 A[-3:]，访问正数3个A[:3]
:*步长为2访问 A[0:10:2]，步长可以为负，从右向左。
*相加 [1,2]+[3,4]-->[1,2,3,4]
*相乘 [1,2]*3 --> [1,2,1,2,1,2]
:* A=[None]*10 生成长度为10的空的列表
*成员资格：in，布尔运算符
*len （长度），min，max
*enumerate:  对一个列表或数组既要遍历索引又要遍历元素时
 for index，text in enumerate(list): 
   print index ,text

===列表===
* 列表的元素可以修改，字符串不能
:* x=[1,1,1],x[1]=2
:* del x[1]
:* x[1:1]=[2,3,4] 分片赋值，注意这相当于插入
* 列表方法
:* append, count, extend, index, insert
:* pop (删除指定位置元素，并返回该元素，同时修改列表)，实现栈的功能，入栈（push），出栈（pop），Python里面没有push，用append功能实现
:* remove，reverse，sort （sort的用法要注意，参考书的39页）,sorted

===元组===
*不可变序列
*（1,2,3) (1，)
* 比如3*(40+2) 和3*(40+2,)的差别
* tuple函数：把列表转换为元组 
* list: 把元祖装换为列表
*  元组貌似没有什么用处，列表基本满足所有需要


===字典===
*字典用大括号生成，字典的元素是items，每个元素有keys，values
:如果不定义keys，默认的keys就是index，那么字典的里面的values可以直接用index调用
 dic={'a','b','c'}
 dic[2]
* a，b 是两个数组，把 a和b映射起来变成一个字典
:dic=dict(zip(a,b))
* 如果对一个列表c，希望用dict来查值，并赋给另外一个列表d
 d=[dict(x) for x in a]
* 下面的方法将用于合并两个字典。
 def merge_two_dicts(a, b):
    c = a.copy()   # make a copy of a 
    c.update(b)    # modify keys and values of a with the ones from b
    return c
# 在 Python 3.5 或更高版本中，我们也可以用以下方式合并字典：
 def merge_dictionaries(a, b)
   return {**a, **b}

*字典默认值通过 Key 取对应的 Value 值，可以通过以下方式设置默认值。如果 get() 方法没有设置默认值，那么如果遇到不存在的 Key，则会返回 None。
 d = {'a': 1, 'b': 2}
 print(d.get('c', 3)) # 3

===字符串===
*%s%d%f （字符串，整数，浮点数）[https://blog.csdn.net/qq_37482544/article/details/63720726]
* join & split 
 A=['1','2']
 B='+'.join(A)
 C-B,split('+')

==集合==
*无序不重复集 set [http://blog.csdn.net/business122/article/details/7541486]
 >>> a = [11,22,33,44,11,22]
 >>> b = set(a)
 >>> b
 set([33, 11, 44, 22])
 >>> c = [i for i in b] #注意这个用法很方便
 >>> c

==数组==
*numpy中有个数组ndarray的数据结构 [http://blog.csdn.net/sunny2038/article/details/9002531]
:array() 可以将列表等转化为数组
:asarray()和array差不多，但是不一定需要复制

*如何把两个数组合并为一个数组
:np.concatenate((a, b), axis=0)

=控制语句=
==条件==
*<expression1> if <condition> else <expression2>
:如果为真 执行 expression1，否则执行 expression2

==异常==
 try:
   x=input('enter the value of x')
   y=1/x
 except:
   print(error)
 else:
   print(1/x)
 finally:
  print('whatever x, I do not care')

=函数、类、模块=
*函数以 def(): 来定义
*类以 class(): 来定义
*一般一个模块指一个同名文件（文件中有一般有一个__init__()函数），或者同名文件夹（文件夹下有一个__init__.py）
:* import一个文件中的某个函数，或者类， from  modular  import sth
:* import一个文件夹中的某个文件： from modular import file
:* import一个文件夹中的某个文件中的某个函数或者类： from modular.file imprt sth
*只有某个文件对应的模块可以被reload（文件修改之后需要重新加载）
:先import 某个模块，然后才可以reload

==函数==
*函数的输出用returm
*lambda 函数
 >>> g = lambda x:x+1 
看一下执行的结果：　
　　>>>g(1)
　　>>>2
可以这样认为,lambda作为一个表达式，定义了一个匿名函数，上例的代码x为入口参数，x+1为函数体:f(x)=x+1
参见http://www.cnblogs.com/evening/archive/2012/03/29/2423554.html
===参数===
*参见 [https://www.jianshu.com/p/98f7e34845b5]
*五种参数
这五种参数可以组合使用，但参数定义的顺序必须是：位置参数-->默认参数-->可变参数-->命名关键字参数-->关键字参数

*位置参数
*默认参数
:重点：默认参数必须指向不变对象
*可变参数
 def calc(*numbers):
    sum = 0
    for n in numbers:
        sum = sum + n * n
    return sum
:可变参数允许你传入0个或任意个参数，这些可变参数在函数调用时自动组装为一个tuple
 >>> nums = [1, 2, 3]
 >>> calc(*nums)
: 实参里调用*nums表示把nums这个list的所有元素作为可变参数传进去。这种写法相当有用，而且很常见。

*关键字参数
 def person(name, age, **kw):
     print('name:', name, 'age:', age, 'other:', kw)
:关键字参数允许你传入0个或任意个含参数名的参数，这些关键字参数在函数内部自动组装为一个dict。
 >>> extra = {'city': 'Beijing', 'job': 'Engineer'}
 >>> person('Jack', 24, **extra)
: 实参中的**extra用法表示把extra这个dict的所有key-value用关键字参数传入到函数的**kw参数，kw将获得一个dict，注意kw获得的dict是extra的一份拷贝，对kw的改动不会影响到函数外的extra。

*命名关键字参数（这个我比较喜欢）
如果要限制关键字参数的名字，就可以用命名关键字参数，例如，只接收city和job作为关键字参数。这种方式定义的函数如下：
 def person(name, age, *, city, job):
     print(name, age, city, job)
:和关键字参数**kw不同，命名关键字参数需要一个特殊分隔符，后面的参数被视为命名关键字参数。
:命名关键字参数可以设定默认值，但是不能不给,可能这是和默认参数的区别

===函数名===
*是否可以用变量做为函数名？参见 [pythontab.com/html/2013/pythonhexinbiancheng_0813/540.html]

==类==
*类的实例的保存和载入，pickle
 output = open('data.pkl', 'wb')
 # Pickle dictionary using protocol 0.
 pickle.dump(data1, output) 
 output.close()

 pkl_file = open('data.pkl', 'rb')
 data1 = pickle.load(pkl_file)
 pkl_file.close()
===内部变量，魔方方法===
*__file__
:查找源文件位置 print(ppxf.__file__)
*__name__,__main__
:if __name__ == '__main__': test()
*__init__ （初始化方法 ）
:def __init__(self)
*__all__  （显示可见功能）
:copy.__all__
*__doc__ （文档）
:print(copy.copy.__doc__)

[[脚本和模块]]

=画图=
*参见[[Matplotlib]]
*交互式，数据可视化Bokeh
*还有spotify下的Charitfy（基于Bokeh）

=输入输出=


==格式==
*print("%10.3f"% (356.08977))
*在输出ndarray的时候，设置输出的数的精度
:np.set_printoptions(precision=2)  

==文件输入==
===ascii 文件===
*[[pandas]] 中的read_table
*[[numpy]]中的genfromtext
:ppxf 中根据该程序写了一个接口程序 readcol

==文件输出==
 f = open("chain.dat", "w")
 k=1000
 l=10
 s='line'

*格式输出 
 f.write("{0:4d} {1:d}\n".format(k,l)) #str.format 用法 0是第一个参数，1是第二个参数，：后面是格式， write只能是字符串
 f.write('line 1: {:0>3d},{:.2f}'.format(a,b)+'\n') #0表示左边补0, >表示右对齐，3表示宽为3个字符
 f.write("line 1:%3d %4.2f" %(a,b)) #C语言格式，感觉更友好

*默认格式输出
  data=[s,k,l]
  f.write(','.join([str(i) for i in data])+'\n')
  print(s.k,l,file=f) 

*关闭文件
 f.close() 

===表格输出===
 table={'XCENTER': [0.2, 0.44]}
 ascii.write(table, formats={'XCENTER': '%12.5f'})

=Packages=

*glob 查找文件位置

*os 系统的一些变量
:dir=os.getenv('bc03_dir')
:os.getcwd() #获取当前目录的绝对路径


*[[astropy]]

*[[scipy]]

*[[numpy]]

*[[pandas]]

*命令行解析工具 Argparse [https://www.cnblogs.com/jianboqi/archive/2013/01/10/2854726.html]

*消光：sfdmap and extinction
:https://github.com/kbarbary/sfdmap
*healpy

=链接=
*带下划线变量的意义 [http://www.cnblogs.com/elie/p/5902995.html]