python contains 函数 python中contains

Python近几年来热度不断增加，依赖于开发者社区的无私贡献，Python从程序员圈子迅速火到了自动化办公、机器学习、数据分析、运维等领域，作为从脚本早期就关注其发展的使用者，也欣慰自己点亮了一个道路正确的"技能树"。可以说在我遇到Python之之后才开始真正将我的技能带入到了日常生活中，切实的提高了工作效率也改变了我的生活方式。Python就像是一个多年老友，知心而且可靠，遇到的各类问题只要是计算机能做的，我知道它都能帮我高效解决。在这里我想写一个很长的故事，和大家分享Python的各种特点以及我日常工作生活中是如何使用它的。

Python的一些特点

如果你没有装过Python，建议你使用Anaconda一次性搞定各种常用的Python依赖库，Anaconda是一个科学计算、数据处理开发套件，集成了常用的相关Python库并且自带包管理工具，能一站式提供绝大多数常用包。

Anaconda最新版自带的解释器是Python3，Python2和Python3并不兼容，如果你对Python版本没有历史包袱的话，推荐使用Python3，本文所有代码基于Python3演示。

下面正式为大家介绍，可爱的Python。

Python之禅

Python有一个彩蛋，在脚本中import this的话可以打印出”The Zen of Python“，Python之禅，可以认为这是Python的设计思想，也是给各位(不只是Python)程序员的忠告，译文不再完整粘贴，摘录几句——

大家可以自己尝试翻译一下，也请尽量记住这些忠告，在写代码的时候保持理性和克制。

Jupyter Notebook以及帮助信息

Python的编辑器非常多，PyCharm、Wing、vscode甚至记事本都不影响我们发挥，但是在需要快速验证想法，或者希望快速了解某些库的话个人更推荐Jupyter Notebook，它是一个网页版的IDE，有拼写提示，能快捷的显示各库的帮助信息；网页写代码，服务端执行。对于数据分析、脚本验证再合适不过了。Jupyter Notebook集成在Anaconda中，在终端上输入jupyter notebook，将输出的URL复制到浏览器中即可使用。如果没有已经编写好的脚本，需要新建一个Python3脚本，如图。

在需要查看某个库/函数的帮助信息时，在要查询的主体后面加'?'即可——

想知道库中有哪些类型/函数，使用dir(lib)预览(也可以预览类型的属性和方法)——

希望详细了解语言特性或者库函数的话，还是首选官方网站(https://docs.python.org/3/)
想直接执行dos命令或shell，在语句前加'!'即可——

按tab键开始拼写提示。其他还有各种快捷操作和插件，不再详细介绍，感兴趣的同学详细研究吧。

常用数据结构

Python中一切皆对象，甚至包括函数、包、类，都是对象，可以用下面方法验证——

因此请了解下面列举的各种类型变量，本质上都是对象。

数值类型

Python的数值类型有int/float/bool/complex几种，需要注意数值类型在Python中是不可变类型，意思是该变量的值不能被改变。

我上面那句没有写错你也没看错，数值类型在Python中的确无法改变，那如下代码发生了什么？

a的类型是int，初始值是1。在执行a+=1后，a变量指向的就不再是之前的值1了，而是一个新的对象，也就是说加法执行完毕后a指向的对象变了。具体可以用id来验证，这个函数用来返回变量指向的对象"地址"——

可以看出执行前后a指向的对象地址已经变了。

这个结论有点颠覆三观，但为了提高执行效率Python的确就是这么实现的。数值类型都是不可变的，其他几种类型同理，不再具体举例了。

字符串

字符串在Python中同样是不可变的——

字符串可以用单引号、双引号和三个单/双引号包括，其中单引号和双引号没有区别，可以在字符串也包含引号时用不同的方式区分，例如

三个引号包括的内容被完整引用，包括缩进、换行等，例如

除此之外，Python的字符串有大量非常方便的函数，下面举几个简单的例子。

格式化
Python的字符串格式化操作非常简洁，例如想将各种类型变量格式化到一个字符串中，可以

上面代码混合了字符串、数值、字典的格式化，一个format就能搞定。更多的控制细节大家可以自行查询。

字符串重复打印
如何重复打印100次字符串？其他语言可能需要用循环来控制，Python则使用“乘法”来实现——

字符串分割
如果有日志字符串格式类似2020-9-1 19:49:06 [INFO] aaa|bbb|ccc，如果希望抽取时间，可以按空格分割并把的第二个空格前面的字符串合并，例如

如果想把日志级别抽取出来，除了正则表达式之外，还可以按[ ]分割，例如

提取bbb一样的道理，例如

字符串查找in关键字可以用来判断是否包含子串

find函数可以用来查找子串出现的位置

大小写转换upper/lower函数用来转换字符串的大小写

去掉空白字符
在文本处理时经常要忽略掉空白字符，例如换行、回车、空格，可以使用strip/lstrip/rstrip清除，例如

元组

从这里开始就是Python内置的常用容器了，元组(tuple)是一个不可修改的序列，可以随机访问，但无法修改元组本身，也就是说元组创建之后不能增加或删除里面的元素。元组创建方式是t=tuple()或t=()——

所谓的元组不能修改，指的是元组本身无法修改，元组中的数据其实是可以改变的——

元组可以转为其他容器、可以切片也可以迭代、可以随机访问、计算长度等——

值得注意的是如上面第一个例子所示，元组(和其他所有容器)可以保存任意类型对象，类型无需相同。

列表

列表是Python中最常用的容器，它与元组不同之处是可以被修改。创建方式是l=list()或l=[]。向列表中追加元素——

删除列表中元素——

合并两个列表——

对列表排序——

其他元组支持的操作列表也都支持，不再重复。

集合

集合用来无序保存唯一的元素，创建方式是s=set()或s={1}，注意{}创建的是字典，因此空集合必须用set()创建。集合可以任意添加和删除元素，常见操作有——

更常用的操作是set之间的操作，例如判断集合的交、并、补——

字典

字典(dict)提供了key-value的映射关系，创建字典的方式是d=dict()或d={k:v,k2:v2}。可以通过'[]'设置或获取值，例如——

可以使用del删除映射关系:del d[key]。
可以通过key()返回所有的键，values()返回所有值，items()返回所有键值对——

不存在映射关系时直接访问会抛出异常，如果希望key不存在时能返回默认值，可以使用setdefault()或者get()    

推导式

推导式是Python的一个特色语法糖，能让我们用简洁的代码快速生成容器，上述所有容器均支持推导式，例如——

字典一样可以用推导式生成，例如希望将两个列表合并，分别当做字典的key和value——

推导式写起来就和用自然语言描述一样，非常方便。

注意上面的例子中，生成列表和字典时用的是[]和{}，但生成元组并未直接用()，是因为直接用()的话创建的是生成器对象而非元组。生成器是Python为了节省空间而设计的一种特殊类，它的特点是几乎不占内存但可以和容器一样被遍历，例如——

上面的例子中Python解释器并未生成0~10000的数字，也没有相应的内存占用，但在遍历操作时每一轮循环生成器对象都会返回下一个数字，因此节省了内存占用(尤其是容器保存较为复杂的对象时)，但由于容器并未实际生成，不允许对生成器对象进行随机访问或切片，需要此类操作前可以先转为列表或元组。

for/with

for是Python中循环常用关键字，可以用来遍历容器或生成器对象，例如需要循环10次，可以用如下代码——

需要遍历容器或生成器对象，可以用如下代码——

有时需要遍历容器的前几项，可以用切片——

但生成器对象无法切片就不能使用该方法了，粗暴一点可以用一个变量计数——

更符合Python风格(pythonic，我下次打算说说这个)做法是用enumerate函数修饰可迭代对象(比如容器或者生成器)，该函数返回一个迭代次数、迭代内容构成的元组——

with关键字用来实现上下文管理。在C++中一个常用技巧RAII，即在对象的构造和析构中进行资源申请和释放，用语言特性保证资源在合适时机被释放；Python的with关键字即实现类似效果。最常用的场景是打开文件——

with关键字保证了文件在离开with语句块后被关闭，无论do_sth函数是正常返回还是抛出异常。如果想手写出此效果，需要写类似下面的代码——

相比之下非常臃肿。
我们也可以自己编写符合条件的类，实现其他资源的自动管理，只需要实现__enter__和__exit__方法即可——

C++程序员的疑惑

作为一名传统的C++程序员，Python带来的灵活性和语言特性总是让人是不是的收获意外惊喜(或惊吓)，下面列举一些我平时发现的Python有违C++常识的内容。

任意添加属性

解释型语言就可以为所欲为，我可以定义一个空类，在对象中给它增加各种属性——

有人说设计模式是编程语言支持度不足的情况下产生的变通方案，至少在Python这个特性下策略模式不需要复杂设计就能轻松实现——

事物总是分两面，有时太灵活的技巧会导致代码维护难度加大，当我们想回归传统程序员，限制对象不能随意增加属性时，可以将支持的属性名放在__solts__中，例如——

神奇的函数参数

函数默认值
这可以说是Python的一个隐藏的坑了，函数的默认参数只会被计算一次。比如——

上面代码中第二次调用测试函数，竟然返回了[1,1]，似乎第二次调用时并没有创建新的list。原因在于函数的默认参数只在函数定义时计算一次，以后多次调用不会再创建新的参数。

函数内改变参数
C++中如果一个函数接收的是对象，在函数内对这个对象的任何修改都是针对函数内临时创建的对象，而非本函数被调用时传入的对象。在Python中，这个原则变的并不十分明显，例如函数接收可变类型的话，函数内修改是可以反映到传入参数的——

但是如果传入的是不可变类型(你一定还记得数值类型、字符串类型是不可变类型)，那么Python函数的行为和C++类似，函数内的修改无法反映到传入参数——

这也是可以理解的，因为不可变类型是无法修改的，这个原则即使作为参数传给函数时也需要保持。只是我们在编写和阅读代码时，需要保持这样的认识——函数内修改参数的行为与参数的类型是有关系的。

伪多线程

Python的一个遗憾是由于全局锁的存在(GIL，其实GIL并不是Python语言的特性，而是使用范围很广的CPython实现引入的一个机制，这里为了简略描述，就叫Python了请注意辨别)并不支持完整的多线程，在同一个进程内的多个线程是无法并发运行的。好在如果我们的程序是I/O密集型的，依然可以考虑使用多线程来加快运行速度；但如果程序是CPU密集型的话，就需要用多进程来实现真正的并发了。好消息是Python的多进程库提供了和多线程库几乎一致的接口，几乎可以像编写多线程程序一样开发多进程。

限于篇幅具体不再举例子了，感兴趣的同学可以自行查阅官方手册了解接口细节。