一文看懂Python的控制結構：For、While、If…都有了
傳統Python語言的主要控制結構是for循環。然而，需要注意的是for循環在Pandas中不常用，因此Python中for循環的有效執行并不適用于Pandas模式。一些常見控制結構如下。
- for循環
- while循環
- if/else語句
- try/except語句
- 生成器表達式
- 列表推導式
- 模式匹配
所有的程序最終都需要一種控制執行流的方式。本節介紹一些控制執行流的技術。
01 for循環
for循環是Python的一種最基本的控制結構。使用for循環的一種常見模式是使用range函數生成數值范圍，然后對其進行迭代。
- res = range(3)
- print(list(res))
- #輸出：[0, 1, 2]
- for i in range(3):
- print(i)
- '''輸出：
- 0
- 1
- 2
- '''
- for循環列表
使用for循環的另一種常見模式是對列表進行迭代。
- martial_arts = ["Sambo","Muay Thai","BJJ"]
- for martial_art in martial_arts:
- print(f"{ martial_art} has influenced\
- modern mixed martial arts")
- '''輸出：
- Sambo has influenced modern mixed martial arts
- Muay Thai has influenced modern mixed martial arts
- BJJ has influenced modern mixed martial arts
- '''
02 while循環
while循環是一種條件有效就會重復執行的循環方式。while循環的常見用途是創建無限循環。在本示例中，while循環用于過濾函數，該函數返回兩種攻擊類型中的一種。
- def attacks():
- list_of_attacks = ["lower_body", "lower_body",
- "upper_body"]
- print("There are a total of {lenlist_of_attacks)}\
- attacks coming!")
- for attack in list_of_ attacks:
- yield attack
- attack = attacks()
- count = 0
- while next(attack) == "lower_body":
- count +=1
- print(f"crossing legs to prevent attack #{count}")
- else:
- count += 1
- print(f"This is not lower body attack, \
- I will cross my arms for# count}")
- '''輸出：
- There are a total of 3 attacks coming!
- crossing legs to prevent attack #1
- crossing legs to prevent attack #2
- This is not a lower body attack, I will cross my arms for #3
- '''
03 if/else語句
if/else語句是一條在判斷之間進行分支的常見語句。在本示例中，if/elif用于匹配分支。如果沒有匹配項，則執行最后一條else語句。
- def recommended_attack(position):
- """Recommends an attack based on the position"""
- if position == "full_guard":
- print(f"Try an armbar attack")
- elif position == "half_guard":
- print(f"Try a kimura attack")
- elif position == "fu1l_mount":
- print(f"Try an arm triangle")
- else:
- print(f"You're on your own, \
- there is no suggestion for an attack")
- recommended_attack("full_guard")#輸出：Try an armbar attack
- recommended_attack("z_guard")
- #輸出：You're on your own, there is no suggestion for an attack
04 生成器表達式
生成器表達式建立在yield語句的概念上，它允許對序列進行惰性求值。生成器表達式的益處是，在實際求值計算前不會對任何內容進行求值或將其放入內存。這就是下面的示例可以在生成的無限隨機攻擊序列中執行的原因。
在生成器管道中，諸如 “arm_triangle”的小寫攻擊被轉換為“ARM_TRIANGLE”，接下來刪除其中的下劃線，得到“ARM TRIANGLE”。
- def lazy_return_random_attacks():
- """Yield attacks each time"""
- import random
- attacks = {"kimura": "upper_body",
- "straight_ankle_lock": "lower_body",
- "arm_triangle": "upper_body",
- "keylock": "upper_body",
- "knee_bar": "lower_body"}
- while True:
- random_attack random.choices(list(attacks.keys()))
- yield random attack
- #Make all attacks appear as Upper Case
- upper_case_attacks = \
- (attack.pop().upper() for attack in \
- lazy_return_random_attacks())
- next(upper-case_attacks)
- #輸出：ARM-TRIANGLE
- ## Generator Pipeline: One expression chains into the next
- #Make all attacks appear as Upper Case
- upper-case_attacks =\
- (attack. pop().upper() for attack in\
- lazy_return_random_attacks())
- #remove the underscore
- remove underscore =\
- (attack.split("_")for attack in\
- upper-case_attacks)
- #create a new phrase
- new_attack_phrase =\
- (" ".join(phrase) for phrase in\
- remove_underscore)
- next(new_attack_phrase)
- #輸出：'STRAIGHT ANKLE LOCK'
- for number in range(10):
- print(next(new_attack_phrase))
- '''輸出：
- KIMURA
- KEYLOCK
- STRAIGHT ANKLE LOCK
- '''
05 列表推導式
語法上列表推導式與生成器表達式類似，然而直接對比它們，會發現列表推導式是在內存中求值。此外，列表推導式是優化的C代碼，可以認為這是對傳統for循環的重大改進。
- martial_arts = ["Sambo", "Muay Thai", "BJJ"]
- new_phrases [f"mixed Martial Arts is influenced by \
- (martial_art)" for martial_art in martial_arts]
- print(new_phrases)
- ['Mixed Martial Arts is influenced by Sambo', \
- 'Mixed Martial Arts is influenced by Muay Thai', \
- 'Mixed Martial Arts is influenced by BJJ']
06 中級主題
有了這些基礎知識后，重要的是不僅要了解如何創建代碼，還要了解如何創建可維護的代碼。創建可維護代碼的一種方法是創建一個庫，另一種方法是使用已經安裝的第三方庫編寫的代碼。其總體思想是最小化和分解復雜性。
- 使用Python編寫庫
使用Python編寫庫非常重要，之后將該庫導入項目無須很長時間。下面這些示例是編寫庫的基礎知識：在存儲庫中有一個名為funclib的文件夾，其中有一個_init_ .py文件。要創建庫，在該目錄中需要有一個包含函數的模塊。
首先創建一個文件。
- touch funclib/funcmod.py
然后在該文件中創建一個函數。
- """This is a simple module"""
- def list_of_belts_in_bjj():
- """Returns a list of the belts in Brazilian jiu-jitsu"""
- belts= ["white", "blue", "purple", "brown", "black"]
- return belts
- import sys;sys.path.append("..")
- from funclib import funcmod
- funcmod.list_of_belts_in-bjj()
- #輸出：['white', 'blue', 'purple', 'brown', 'black']
- 導入庫
如果庫是上面的目錄，則可以用Jupyter添加sys.path.append方法來將庫導入。接下來，使用前面創建的文件夾/文件名/函數名的命名空間導入模塊。
- 安裝第三方庫
可使用pip install命令安裝第三方庫。請注意，conda命令(
https://conda.io/docs/user-guide/tasks/manage-pkgs.html)是pip命令的可選替代命令。如果使用conda命令，那么pip命令也會工作得很好，因為pip是virtualenv虛擬環境的替代品，但它也能直接安裝軟件包。
安裝pandas包。
- pip install pandas
另外，還可使用requirements.txt文件安裝包。
- > ca requirements.txt
- pylint
- pytest
- pytest-cov
- click
- jupyter
- nbval
- > pip install -r requirements.txt
下面是在Jupyter Notebook中使用小型庫的示例。值得指出的是，在Jupyter Notebook中創建程序代碼組成的巨型蜘蛛網很容易，而且非常簡單的解決方法就是創建一些庫，然后測試并導入這些庫。
- """This is a simple module"""
- import pandas as pd
- def list_of_belts_in_bjj():
- """Returns a list of the belts in Brazilian jiu-jitsu"""
- belts = ["white", "blue", "purple", "brown", "black"]
- return belts
- def count_belts():
- """Uses Pandas to count number of belts"""
- belts = list_of_belts_in_bjj()
- df = pd.Dataframe(belts)
- res = df.count()
- count = res.values.tolist()[0]
- return count
- from funclib.funcmod import count_belts
- print(count_belts())
- #輸出：5
- 類
可在Jupyter Notebook中重復使用類并與類進行交互。最簡單的類類型就是一個名稱，類的定義形式如下。
- class Competitor: pass
該類可實例化為多個對象。
- class Competitor: pass
- conor = Competitor()
- conor.name = "Conor McGregor"
- conor.age = 29
- conor.weight = 155
- nate = Competitor()
- nate.name = "Nate Diaz"
- nate.age = 30
- nate.weight = 170
- def print_competitor _age(object):
- """Print out age statistics about a competitor"""
- print(f"{object.name} is {object.age} years old")
- print_competitor_age(nate)
- #輸出：Nate Diaz is 30 years old
- print_competitor_age(conor)
- #輸出：Conor McGregor is 29 years old
- 類和函數的區別
類和函數的主要區別包括：
- 函數更容易解釋。
- 函數(典型情況下)只在函數內部具有狀態，而類在函數外部保持不變的狀態。
- 類能以復雜性為代價提供更高級別的抽象。
