python list排序

以下是sort的具體實例。

實例1:
>>>L = [2,3,1,4]
>>>L.sort()
>>>L
>>>[1,2,3,4]
實例2:
>>>L = [2,3,1,4]
>>>L.sort(reverse=True)
>>>L
>>>[4,3,2,1]
實例3:
>>>L = [('b',2),('a',1),('c',3),('d',4)]
>>>L.sort(cmp=lambda x,y:cmp(x[1],y[1]))
>>>L
>>>[('a', 1), ('b', 2), ('c', 3), ('d', 4)]
實例4:
>>>L = [('b',2),('a',1),('c',3),('d',4)]
>>>L.sort(key=lambda x:x[1])
>>>L
>>>[('a', 1), ('b', 2), ('c', 3), ('d', 4)]
實例5:
>>>L = [('b',2),('a',1),('c',3),('d',4)]
>>>import operator
>>>L.sort(key=operator.itemgetter(1))
>>>L
>>>[('a', 1), ('b', 2), ('c', 3), ('d', 4)]
實例6:(DSU方法:Decorate-Sort-Undercorate)
>>>L = [('b',2),('a',1),('c',3),('d',4)]
>>>A = [(x[1],i,x) for i,x in enumerate(L)] #i can confirm the stable sort
>>>A.sort()
>>>L = [s[2] for s in A]
>>>L
>>>[('a', 1), ('b', 2), ('c', 3), ('d', 4)]
以上給出了6中對List排序的方法，其中實例3.4.5.6能起到對以List item中的某一項
為比較關鍵字進行排序.
效率比較：
cmp < DSU < key
通過實驗比較，方法3比方法6要慢，方法6比方法4要慢，方法4和方法5基本相當
多關鍵字比較排序：
實例7:
>>>L = [('d',2),('a',4),('b',3),('c',2)]
>>> L.sort(key=lambda x:x[1])
>>> L
>>>[('d', 2), ('c', 2), ('b', 3), ('a', 4)]
我們看到，此時排序過的L是僅僅按照第二個關鍵字來排的，如果我們想用第二個關鍵字
排過序後再用第一個關鍵字進行排序呢?有兩種方法
實例8:
>>> L = [('d',2),('a',4),('b',3),('c',2)]
>>> L.sort(key=lambda x:(x[1],x[0]))
>>> L
>>>[('c', 2), ('d', 2), ('b', 3), ('a', 4)]
實例9：
>>> L = [('d',2),('a',4),('b',3),('c',2)]
>>> L.sort(key=operator.itemgetter(1,0))
>>> L
>>>[('c', 2), ('d', 2), ('b', 3), ('a', 4)]
為什麼實例8能夠工作呢？原因在於tuple是的比較從左到右之一比較的，比較完第一個，如果
相等，比較第二個

python 3的特性

http://www.ibm.com/developerworks/cn/linux/l-python3-1/
http://www.ibm.com/developerworks/cn/linux/l-python3-2/
老實說，即使到了現在，很多開發的程式還是停留在2.6或者2.7，很多開發者不願意移植，事實上這種轉移比商業軟體還久，所以才在這裡再重複了一個參考連結

Collection內的方法

身為collection的class有許多方法，其實是用來支援某些運算子的
__contains__(self,x) # x in collection
__delitem__(self,k) #del y[k]
__getitem__(self,k) #y[k]
__setitem__(self,k,v)#y[k]=v
__iter__(self) # 回傳iterator
__len__(self) #len(y)
__reversed__(self) #revsersed(y)
理解了這些類似operator overloading的東西之後，大致上對於python就比較能理解背後運作的原理了

Python -- property

先來談談property，我第一次看到類似property的東西是在delphi上面，他讓programmer可以作一些存取控制，但是有如同直接存取變數一樣
接下來java bean也再看到了一次這樣的東西，很不幸的這次是一堆getter跟setter，也就是你必須在屬性前面加上getArea, setArea等等，即使他只是單純的access一個變數，如果沒有IDE的幫助，這簡直是一個惡夢

python上面的作法是使用decorator，也就是用@property這個語法，他支援四種引數，getter, setter,deleter, docstring
可以想像得到，如果使用一個自動計算面積的circle class，如果希望直接取得屬性，如circle.area，你可以使用
@property
def area(self):
return math.pi*(self.radius**2)
如果是setter則是
@property
def radius(self):
return self.__radius
@property.setter
def radius(self,radius):
assert radius>0, "radius must be non zero and non-negative!"
self.__radius=radius
由於property的作用，不用擔心radius這個屬性會產生名稱衝突，其實一使用property的時候，四個屬性等於全部被啟用，但是預設由python接手沒寫得東西，但是python就是啥都不做XD

回過頭來說到屬性，很多時候真的覺得他只是一個candy，也就是甜頭啦，如果說老是充斥這種東西，另方便性取代了程式的易讀性以及可能會忽略掉一些程式的邏輯
當一個programmer讀到某個function，他會心裡開始描述這個function的運作方式，他也的確知道這個function出現的時機，對於理解程式是有正面的幫助的，但是因為property的作用，使用者可能會無法領悟到這部份的事實
接下來另外一點干擾是邏輯性，當使用變數的時候，你並不會預期他會丟出一個例外，可是這對很多function來說是很正常的事情，甚至是必要的，在這樣的狀況下，很多使用者會忽略這個部份

老實說，綜觀這麼多程式，我很少可以找到一個絕對的必要性，必須使用property，如果是簡單的access，大可讓使用者直接access，如果必須作一些boundary控制，我覺得應該使用function模式，讓使用者在使用的時候有所警惕

另外其實decorator在python裡面有其他神奇的作用，java也是，decorator感覺已經有點變成語法了orz，另外一個討厭decorator的地方是，感覺他很不像"語法"，像是註解，但是又有程式的"邏輯"/"作用"在，decorator其他部份以後有時間再寫

Python心得

本來是打算學習ruby，但是後來傾向python，但是因為本身也不是對任一程式語言沒有接觸過，所以並不打算從頭到尾介紹一次某種程式語言，所以雖然這個網誌算是我的筆記，但也不是適合完全的新手來看，應該比較打算朝向tip or cookbook的方式去紀錄
再者另外一點我覺得很重要的是，我認為python並不適合一個完全不懂程式語言的人去使用，雖然本身它提供了很多syntax candy，讓一些使用者似乎可以很快的進入狀況，但是後面的原理卻是大量的OOP以及泛型。
換句煥說，當一個新手可能很快的進入狀況之後便碰到了一個玻璃的天花板，本身要去學會其他programming的準則或者原理之後才能更進一步。
最後，我認為python很適合拿來實作一些想法，讓使用者更專心在他想驗證或者實作的小功能上，而不是花太多的時間在debug與tuning上面；但是如果是以效能為主，python可能就無法勝任，比方說繁雜的科學計算，當然有lib可以做到這一點，但是他底層是C++ or fortran，主要是因為python的執行效能不彰，python的運算速度的確是慢於C++/java之類的。反過來說，如果是ㄧ些管理功能上的小程式，我倒是覺得python開發遠遠快於C++/java

Python -- OO

Python雖然不全面支援OO所有的特色，並不表示他無法做OO設計，同時也不表示OO不好，雖然我在寫小程式(1k lines以下)覺得Python開發速度很快，但也不表示OO不適用
在許多OOP裡面的overloading以及access control在Python並不支援，大多數Python的的類別屬性是公開的，對於存取的限制仰賴於programmer的素養(依循一定的規則)以及一些decorator的幫助。
另外由於python並不強調型態的重要性，他使用的是duck typing，也就是如果一個型態表現類似某一種型態的特性，你就可以把它當作該型態使用，比方說某隻鳥類似鴨子，你就可以把這隻鳥當作鴨子，可能他只是會呱呱叫，然後會飛短短的距離，python就當他是鴨子，可是根本的型態可能不是鴨子。
python跟java一樣，預設有一個class Object，所有新的class都繼承自這個Object，其中有許多重要的方法，一般python內定的方法使用__(雙底線/double under line)開頭。__str__()傳回一個該物件的字串描述，很類似java的toString()；另外有一個__repr__()他回傳該物件的字串，如果執行該字串就可以得到一個一模一樣的物件；預設中python會讓所有的物件可以hash，依賴的是object id，但是一旦改寫了__eq__()方法之後，這個物件就不再是可hash，也就是無法放入set或者dict型態內了。

Python -- Iterable

在python裡面有個重要的類別或者說觀念，就是iterable，何謂iterable?也就是本身要提供__iter__()這個方法，他會回傳一個iterator，每個iterator都有個__next__()的方法來取得下個元素
iterator大量使用在for迴圈跟list/set comprenhesion，對於sequence，iterator將會參考到sequence object，然後在__next__()呼叫sequence.__getitem(index)，iterator本身只要維護那個index，就可以從0走到len(sequence)，逐一取得sequence裡面的元素
而對於類似dict或者set這類的資料型態，就無法保證取出的順序，更有趣的是dict是屬於key/value的pair，那麼__iter__()回傳的是啥？答案是他是一個由dict.keys()產生的iterator，也就是這個iterator每次呼叫__next__()取回的是下一個key
iterator骨子裡面都是包含資料的物件嗎？答案是有例外的，比方說range所產生的iterator，其實他是一個特殊的yeild關鍵字所產生的iterator，他本身只有一個變數，類似C裡面的static，好處是可以這樣的一個物件不用佔用大量的空間，過去range回傳是一個tuple or list，也就是裡面每個元素都是佔有實際記憶體空間的

回頭來看過去for等等的語法格式
for variable in iterable:
suite
list/set的comprehension格式
[item for item in iterable]
這樣就比較瞭解，我們可以把何種物件變成list或者如何用for迴圈去走訪一個物件裡面的元素

另外有些常用的運算如all(), any(), max(), min(), sort(), sum()等等運算可以作用在iterator之上

其實python裡面還有許多方法是對應到operator overloading跟value的assign，瞭解這些方法，會讓programmer更加瞭解python裡面運作的方式，進而寫出更簡潔的code。

同時如果理解許多本來C/C++並不支援的機制，如decorator，就會更加瞭解python與C/C++的差異。所以我說懂得一種程式語言不是一兩個月內的事情，如果一兩個月內可以學會一種語言，大概就是指語法之類的吧！不然此人必定對程式語言設計本身有極高的素養，才可能在短時間內達成，不然大多數人應該只能花更長的時間理解一個程式語言的內含吧