with语句
在Python中，with语句用于确保某段代码执行完毕时，资源（如文件对象、网络连接等）可以被正确地清理。这通常涉及到使用上下文管理协议，该协议要求一个对象实现__enter__()和__exit__()两个方法。
with语句的基本语法如下：
with context_expression [as variable]: | |
with-block |
context_expression：返回一个上下文管理对象。as variable（可选）：将上下文管理对象的返回值（通常是__enter__()方法的返回值）赋值给variable。with-block：要执行的代码块。
当with语句开始时，__enter__()方法会被调用，并且如果提供了as variable，__enter__()的返回值会被赋值给variable。然后执行with-block中的代码。当with-block执行完毕时，__exit__()方法会被调用，无论with-block中的代码是正常执行完毕还是抛出了异常。
一个常见的例子是使用with语句来打开文件：
with open('example.txt', 'r') as file: | |
data = file.read() | |
# 在这里可以对数据进行操作 | |
# 文件在这里已经被正确关闭，无需显式调用file.close() |
在这个例子中，open('example.txt', 'r')返回一个文件对象，该对象实现了上下文管理协议。当with语句开始时，文件被打开；当with语句结束时，文件被自动关闭，即使with-block中的代码抛出了异常也是如此。
通过使用with语句，可以确保资源在使用完毕后得到正确的清理，从而避免资源泄漏和其他潜在问题。
requests库
requests 是一个用于发送 HTTP 请求的 Python 库。它使得发送 HTTP 请求变得简单且人性化。以下是一些基本的 requests 函数及其用途：
requests.get(url, **kwargs)
发送一个 GET 请求到指定的 URL。
import requests | |
response = requests.get('https://www.example.com') | |
print(response.text) |
requests.post(url, data=None, json=None, **kwargs)
发送一个 POST 请求到指定的 URL。data 参数用于发送表单数据，而 json 参数用于发送 JSON 格式的数据。
import requests | |
payload = {'key1': 'value1', 'key2': 'value2'} | |
response = requests.post('https://www.example.com/post', data=payload) | |
print(response.text) |
requests.put(url, data=None, **kwargs)
发送一个 PUT 请求到指定的 URL。这通常用于更新资源。
4. requests.delete(url, **kwargs)
发送一个 DELETE 请求到指定的 URL。这通常用于删除资源。
5. requests.head(url, **kwargs)
发送一个 HEAD 请求到指定的 URL。HEAD 请求与 GET 请求类似，但只返回响应的头部信息，不返回实际的内容。
6. requests.patch(url, data=None, **kwargs)
发送一个 PATCH 请求到指定的 URL。PATCH 请求通常用于部分更新资源。
7. requests.session()
创建一个 Session 对象，用于跨多个请求保持某些参数，如 cookies 和 headers。这对于需要登录或维护会话状态的网站非常有用。
import requests | |
with requests.Session() as s: | |
s.get('https://www.example.com/login', auth=('user', 'pass')) | |
r = s.get('https://www.example.com/protected') | |
print(r.text) |
每个 requests 函数都返回一个 Response 对象，该对象包含有关响应的各种信息，如状态码、头部、内容等。你可以通过 Response 对象的各种属性（如 status_code、headers、text、json() 等）来访问这些信息。
为了使用 requests 库，你需要先安装它。你可以使用 pip（Python 的包管理工具）来安装：
pip install requests |
requests 库因其简洁、易用和强大的功能而受到广大 Python 开发者的喜爱，是发送 HTTP 请求的流行选择之一。
os内置模块
在Python中，os 是一个内置的模块，它提供了与操作系统交互的多种功能。这个模块提供了许多函数，用于处理文件和目录路径、执行系统命令、读取环境变量、访问操作系统相关的功能等。
os 模块中的一些常用功能包括：
-
文件和目录操作：
os.path提供了许多用于文件和目录操作的函数，如os.path.exists()（检查文件或目录是否存在）、os.path.isfile()（检查是否为文件）、os.path.isdir()（检查是否为目录）、os.path.join()（连接路径）、os.makedirs()（创建目录）等。 -
进程管理：
os模块提供了os.system()（执行系统命令并返回退出状态）和os.exec*系列函数（替换当前进程为另一个进程）来执行和管理进程。 -
环境变量：
os.environ是一个映射，表示环境变量。可以使用它来读取和设置环境变量。 -
文件和目录的访问权限：
os模块提供了os.chmod()（改变文件权限）和os.access()（检查文件的访问权限）等函数。 -
操作系统相关的功能：
os模块还包含了许多与特定操作系统相关的功能，如获取当前工作目录（os.getcwd()）、改变当前工作目录（os.chdir()）、获取登录用户的名字（os.getlogin()）等。
使用 os 模块可以简化Python程序与操作系统之间的交互，使程序能够更容易地处理文件和目录、执行系统命令以及访问操作系统的各种功能。需要注意的是，由于 os 模块中的某些函数直接调用操作系统的功能，因此在不同的操作系统上可能会有不同的行为。在编写跨平台的Python代码时，应特别注意这一点。
set无序且不重复的元素集合和set函数
在Python中，set是一个内置的数据类型，用于存储无序且不重复的元素集合。set类型是一个可变的数据结构，因此你可以添加或删除元素。由于集合是无序的，所以你不能通过索引来访问集合中的元素。
以下是一些基本的set操作示例：
创建集合
你可以通过将一个可迭代对象（如列表、元组或字符串）传递给set()函数来创建一个集合：
my_set = set([1, 2, 3, 2, 3, 4]) | |
print(my_set) # 输出: {1, 2, 3, 4} |
由于集合中的元素是唯一的，所以重复的元素会被自动去除。
添加元素
使用add()方法可以向集合中添加单个元素：
my_set.add(5) | |
print(my_set) # 输出: {1, 2, 3, 4, 5} |
使用update()方法可以向集合中添加多个元素（从一个可迭代对象中添加）：
my_set.update([6, 7, 8]) | |
print(my_set) # 输出: {1, 2, 3, 4, 5, 6, 7, 8} |
删除元素
使用remove()方法可以从集合中删除一个指定的元素：
my_set.remove(5) | |
print(my_set) # 输出: {1, 2, 3, 4, 6, 7, 8} |
如果尝试删除一个不存在的元素，remove()方法会抛出KeyError异常。为了避免这种情况，你可以使用discard()方法，它在元素不存在时不会抛出异常：
my_set.discard(9) # 不会抛出异常，因为9不在集合中 |
另外，你可以使用pop()方法删除并返回集合中的任意一个元素（具体返回哪个元素是不确定的，因为集合是无序的）：
removed_element = my_set.pop() | |
print(removed_element) # 输出集合中的一个元素，例如: 1 | |
print(my_set) # 输出: {2, 3, 4, 6, 7, 8}（假设移除的是1） |
检查元素
你可以使用in关键字来检查一个元素是否存在于集合中：
if 3 in my_set: | |
print("3 is in the set") # 输出: 3 is in the set |
集合运算
集合支持多种数学集合运算，如并集、交集、差集和对称差集：
set1 = {1, 2, 3, 4} | |
set2 = {3, 4, 5, 6} | |
# 并集 | |
union_set = set1 | set2 | |
print(union_set) # 输出: {1, 2, 3, 4, 5, 6} | |
# 交集 | |
intersection_set = set1 & set2 | |
print(intersection_set) # 输出: {3, 4} | |
# 差集（set1中有但set2中没有的元素） | |
difference_set = set1 - set2 | |
print(difference_set) # 输出: {1, 2} | |
# 对称差集（在set1或set2中，但不同时在两者中的元素） | |
symmetric_difference_set = set1 ^ set2 | |
print(symmetric_difference_set) # 输出: {1, 2, 5, 6} |
这些只是set类型提供的一些基本操作。集合在Python中是非常有用的数据结构，特别是在需要快速检查成员关系、执行集合运算或去除重复元素的场景中。
list有序的元素集合，list函数
在Python中，list是一个内置的数据类型，用于表示一个有序的元素集合。这些元素可以是任何数据类型，并且元素之间通过逗号分隔，整个列表由方括号包围。
list函数本身通常用于将其他可迭代对象（如元组、字符串或集合）转换为一个列表。不过，在大多数情况下，你不需要显式地调用list函数来创建列表，因为你可以直接使用方括号语法。
以下是一些使用list函数的例子：
从其他可迭代对象创建列表
python复制代码
# 从元组创建列表 | |
my_tuple = (1, 2, 3) | |
my_list = list(my_tuple) | |
print(my_list) # 输出: [1, 2, 3] | |
# 从字符串创建列表（将字符串拆分为字符列表） | |
my_string = "hello" | |
my_list_from_string = list(my_string) | |
print(my_list_from_string) # 输出: ['h', 'e', 'l', 'l', 'o'] | |
# 从集合创建列表（注意集合是无序的，所以列表中的元素顺序可能与集合中的不同） | |
my_set = {4, 2, 3} | |
my_list_from_set = list(my_set) | |
print(my_list_from_set) # 输出可能是: [4, 2, 3]，也可能是其他顺序，因为集合是无序的 |
使用方括号语法创建列表
通常，你不需要使用list函数来创建列表，而是可以直接使用方括号：
python复制代码
# 使用方括号直接创建列表 | |
my_list = [1, 2, 3, 4, 5] | |
print(my_list) # 输出: [1, 2, 3, 4, 5] | |
# 创建一个包含不同数据类型的列表 | |
mixed_list = [1, "two", 3.0, True, [4, 5]] | |
print(mixed_list) # 输出: [1, 'two', 3.0, True, [4, 5]] |
列表操作
列表支持许多操作，包括添加、删除、修改元素，以及使用切片来获取子列表等。
python复制代码
# 添加元素到列表末尾 | |
my_list.append(6) | |
print(my_list) # 输出: [1, 2, 3, 4, 5, 6] | |
# 在列表指定位置插入元素 | |
my_list.insert(2, "inserted") | |
print(my_list) # 输出: [1, 2, 'inserted', 3, 4, 5, 6] | |
# 删除列表中的元素 | |
my_list.remove("inserted") | |
print(my_list) # 输出: [1, 2, 3, 4, 5, 6] | |
# 使用切片获取子列表 | |
sublist = my_list[1:4] # 获取索引1到3（不包括4）的元素 | |
print(sublist) # 输出: [2, 3, 4] |
了解并掌握列表的基本操作对于在Python中进行编程是非常重要的，因为列表是Python中非常常用的一种数据结构。
enumerate()函数
在Python中，enumerate()是一个内置函数，用于将一个可遍历的数据对象（如列表、元组或字符串）组合为一个索引序列，同时列出数据和数据下标，一般用在 for 循环当中。这样，你不仅可以获取到元素的值，还可以获取到元素的索引（或位置）。
enumerate()函数的基本语法如下：
enumerate(iterable, start=0) |
iterable：一个可遍历的对象。start（可选）：计数的起始值，默认为0。
enumerate()返回一个枚举对象，这个对象是一个迭代器，可以生成由元素索引和元素值组成的元组。
下面是一个使用enumerate()函数的例子：
# 创建一个列表 | |
my_list = ['apple', 'banana', 'cherry'] | |
# 使用enumerate遍历列表 | |
for index, value in enumerate(my_list): | |
print(f"Index: {index}, Value: {value}") |
输出将会是：
Index: 0, Value: apple | |
Index: 1, Value: banana | |
Index: 2, Value: cherry |
在这个例子中，enumerate(my_list)生成了一个迭代器，每次迭代都返回一个元组，其中第一个元素是元素的索引（从0开始），第二个元素是元素的值。然后，我们通过解包这个元组到index和value变量中，从而能够在循环体内部同时访问到索引和值。
你也可以通过传递start参数给enumerate()函数来指定起始索引：
my_list = ['apple', 'banana', 'cherry'] | |
# 从索引1开始枚举 | |
for index, value in enumerate(my_list, start=1): | |
print(f"Index: {index}, Value: {value}") |
输出将会是：
Index: 1, Value: apple | |
Index: 2, Value: banana | |
Index: 3, Value: cherry |
在这个例子中，我们设置start=1，所以枚举从1开始而不是默认的0。
numpy.array
numpy.array 是 NumPy（Numerical Python 的简称）库中的一个核心函数，用于创建一个多维数组对象。NumPy 是 Python 中用于数值计算的一个扩展库，它提供了大量的数学函数来对数组和矩阵进行运算。
使用 numpy.array，你可以将 Python 中的列表、元组或其他序列类型的数据转换为 NumPy 数组，从而可以利用 NumPy 提供的各种高效和方便的数值计算功能。
下面是 numpy.array 的一些基本用法：
导入 NumPy 库
首先，你需要导入 NumPy 库：
import numpy as np |
创建一维数组
# 从 Python 列表创建一维数组 | |
list_data = [1, 2, 3, 4, 5] | |
array_1d = np.array(list_data) | |
print(array_1d) |
输出：
[1 2 3 4 5] |
创建二维数组（矩阵）
# 从 Python 列表的列表创建二维数组（矩阵） | |
list_of_lists = [[1, 2, 3], [4, 5, 6], [7, 8, 9]] | |
array_2d = np.array(list_of_lists) | |
print(array_2d) |
输出：
[[1 2 3] | |
[4 5 6] | |
[7 8 9]] |
指定数组的数据类型
你可以在创建数组时指定数据类型：
# 创建一个浮点型的数组 | |
float_array = np.array([1, 2, 3], dtype=float) | |
print(float_array) | |
print(float_array.dtype) # 输出数组的数据类型 |
输出：
[1. 2. 3.] | |
float64 |
数组的形状和维度
你可以使用 shape 属性查看数组的形状，使用 ndim 属性查看数组的维度数：
print(array_2d.shape) # 输出：(3, 3) | |
print(array_2d.ndim) # 输出：2，表示这是一个二维数组 |
NumPy 数组提供了很多高级的功能，比如切片、索引、广播、数学运算等，使得数值计算变得更加简单和高效。在数据分析和科学计算中，NumPy 数组是极其重要的数据结构。
NumPy库中的array和Python的内置列表（list）
NumPy库中的array和Python的内置列表（list）之间存在多个关键的区别。这些区别主要体现在数据类型、内存使用、运算能力以及用途等方面。
- 数据类型：
list中的数据类型可以不同，即列表中的元素可以是任何Python对象，包括整数、浮点数、字符串、其他列表等。array则要求所有元素的数据类型必须相同。这确保了数据的一致性和更高的运算效率。
- 内存使用：
list在内存中存储的是数据的引用（指针），而不是数据本身。这意味着，如果你有一个包含大量对象的列表，每个对象都会单独占用内存空间，而列表本身则只是存储了指向这些对象的指针。array在内存中存储的是实际的数据值，它通常使用连续的内存块来存储数据，这有助于减少内存碎片并提高数据访问速度。
- 运算能力：
list不支持数学四则运算或其他复杂的数学运算。虽然可以通过循环和条件语句对列表中的元素进行运算，但这种方式通常较为低效。array支持大量的数学运算，包括元素级的运算（如加法、乘法等）、矩阵运算（如点积、转置等）以及更复杂的线性代数运算。这使得array成为进行科学计算、数据分析以及机器学习等任务时的理想选择。
- 功能与用途：
list是Python中的一种通用数据结构，用于存储和处理一组有序的项目。它可以轻松地添加、删除和修改元素，并且支持各种列表操作（如排序、切片等）。array则主要用于存储和处理数值数据，尤其是那些需要进行数学运算或科学计算的数据。由于其高效的内存使用和强大的运算能力，array在处理大量数据时通常比list更为高效。
总结来说，list和array各有其优势和应用场景。在选择使用哪种数据结构时，应根据具体的需求和任务来决定。如果需要处理的是一组有序的项目，并且需要进行频繁的修改和操作，那么list可能是一个更好的选择。而如果需要处理的是大量的数值数据，并且需要进行复杂的数学运算或科学计算，那么array则可能更为合适。
![LeetCode每日一题[C++]-1793.好子数组的最大分数](http://pic.xiahunao.cn/LeetCode每日一题[C++]-1793.好子数组的最大分数)
