namedtuplepython

1. 說說 python 的具名元組

Python 提供的元組與列表類似，不同之處在於元組的元素不能修改。雖然有時候很方便，但因為不能為元組內部的數據進行命名，所以沒有那麼直觀。

Python 引入了 collections.namedtuple 這個工廠函數，用來構造一個帶欄位名的元組。

（1）聲明與實例化

我們一般這樣來構造具名元組：

下面是聲明一個具名元組及其實例化方法的示例：

運行結果：

這里通過 collections.namedtuple 創建了一個具名元組，用來表示一張撲克牌。rank 表示撲克牌點數，suit 表示花色。可以通過欄位名或者位置來實例化一個具名元組。這里的 select_card 表示抽到一張黑桃 10。

（2）特有屬性與方法

具名元組還擁有以下這些特有的屬性與方法。

運行結果：

另外，通過 . 語法還可以獲取具名元組中所對應的屬性值：

運行結果：

2. python 為什麼要使用元組

有的常數要求不變，放在元組裡面保險呀。再就是有時間元組。

3. Python 數據模型

Python 風格的關鍵完全體現在 Python 的數據模型上，數據模型所描述的 API ，為使用最地道的語言特性來構建開發者自己的對象提供了工具。

當 Python 解析器遇到特殊句法時，會使用特殊方法去激活一些基本的對象操作。特殊方法以雙下劃線開頭，以雙下劃線結尾。如： obj[key] 的背後就是 __getitem__ 方法。魔術方法是特殊方法的昵稱，特殊方法也叫雙下方法。

使用 __getitem__ 和 __len__ 創建一摞有序的紙牌：

上面的例子，使用 collections.namedtuple 構建了一個簡單的類來表示一張紙牌， namedtuple 用以構建只有少數屬性但沒有方法的類。

我們自定義的 FrenchDeck 類可以像任何 python 標准集合類型一樣使用 len() 函數，查看一疊牌有多少張：

也可以像列表一樣，使用位置索引， d[i] 將調用 __getitem__ 方法：

也可以使用標准庫模塊提供的 random.choice 方法，從序列中隨機選取一個元素。下面，我們如隨機取出一張紙牌：

現在我們已經體會到通過 python 特殊方法，來使用 Python 數據模型的 2 個好處：

因為 __getitem__ 方法把 [] 操作交給了 self.cards 列表，所以我們的 FrenchDeck 實例自動支持切片：

僅僅實現了 __getitem__ 方法，這一摞牌即變得可迭代：

運行結果：

也可以直接調用內置的 reversed 函數，反向迭代 FrenchDeck 實例：

運行結果：

迭代通常是隱式的，比如一個集合類型沒有實現 __contains__ 方法，那麼 in 運算符就會按順序做一次迭代搜索。

因此， in 運算符可以用在我們的 FrenchDeck 實例上，因為它是可迭代的：

FrenchDeck 還可以使用 Python 標准庫中的 sorted 函數，實現排序：

首先定義一個排序依據的函數：

優先按 rank 的大小排序，rank 相同時則比較 suit 的值：

運行結果：

優先按 suit 的大小排序，suit 相同時則比較 rank 的值：

運行結果：

按照目前的設計，FrenchDeck 還不支持洗牌，因為它是不可變的：

shuffle 函數要調換集合中元素的位置，而 FrenchDeck 只實現了不可變的序列協議，可變的序列還必須提供 __setitem__ 方法：

洗牌：

沒有任何的返回值，可見 random.shuffle 就地修改了可變序列 d 。為便於觀察結果，我們定義輸入的輸出函數：

運行結果：

每次洗牌，都是一個隨機的序列：

首先明確一點，特殊方法的存在是為了被 Python 解析器調用的，例如：我們不會使用 obj.__len__() 這種寫法，而是 len(obj) 。在執行 len(obj) 時，如果 obj 是一個自定義類的對象，那麼 Python 會自己去調用我們實現的 __len__ 方法。

對於 Python 內置的數據類型，比如列表、字元串、位元組序列等，那麼 CPython 會抄個近路， __len__ 實際上會返回 PyVarObject 里的 ob_size 屬性，這是因為直接讀取屬性比調用一個方法要快得多。

很多時候，特殊方法的調用是隱式的，比如 for i in x: 這個語句其實是調用 iter(x) ，而這個函數的背後是 x.__iter__() 方法。

通過內置函數如來使用特殊方法是最好的選擇。這些內置函數不僅會調用這些方法，通常還提供額外的好處，對於內置類型來說，它們的速度更快。

下面，我們通過定義一個簡單的二維向量類，再來體會一下 Python 特殊方法的美妙：

使用 Vector 類，就像使用 Python 內置的數據類型一樣簡單：

4. 命名參數可以與Python枚舉一起使用嗎

雖然不能像枚舉那樣使用命名參數，但是可以通過namedtuple混音：
from collections import namedtuple
from enum import Enum
Body = namedtuple("Body", ["mass", "radius"])
class Planet(Body, Enum):
MERCURY = Body(mass=3.303e+23, radius=2.4397e6)
VENUS = Body(mass=4.869e+24, radius=6.0518e6)
EARTH = Body(mass=5.976e+24, radius=3.3972e6)
# ... etc.
你不必寫一個__init__方法。
示例使用：
>>> Planet.MERCURY
<Planet.MERCURY: Body(mass=3.303e+23, radius=2439700.0)>
>>> Planet.EARTH.mass
5.976e+24
>>> Planet.VENUS.radius
6051800.0

5. 用python獲取電腦cpu溫度代碼

from __future__ import division
import os
from collections import namedtuple

_nt_cpu_temp = namedtuple('cputemp', 'name temp max critical')

def get_cpu_temp(fahrenheit=False):
"""Return temperatures expressed in Celsius for each physical CPU
installed on the system as a list of namedtuples as in:

>>> get_cpu_temp()
[cputemp(name='atk0110', temp=32.0, max=60.0, critical=95.0)]
"""
# http://www.mjmwired.net/kernel/Documentation/hwmon/sysfs-interface
cat = lambda file: open(file, 'r').read().strip()
base = '/sys/class/hwmon/'
ls = sorted(os.listdir(base))
assert ls, "%r is empty" % base
ret = []
for hwmon in ls:
hwmon = os.path.join(base, hwmon)
label = cat(os.path.join(hwmon, 'temp1_label'))
assert 'cpu temp' in label.lower(), label
name = cat(os.path.join(hwmon, 'name'))
temp = int(cat(os.path.join(hwmon, 'temp1_input'))) / 1000
max_ = int(cat(os.path.join(hwmon, 'temp1_max'))) / 1000
crit = int(cat(os.path.join(hwmon, 'temp1_crit'))) / 1000
digits = (temp, max_, crit)
if fahrenheit:
digits = [(x * 1.8) + 32 for x in digits]
ret.append(_nt_cpu_temp(name, *digits))
return ret

6. 怎麼用python讀取csv數據

這兩天剛好看到，Python CookBook上有說到。這里是三種讀取csv的方法。

文件格式是這樣的

Region,DATE_,RAW_ACU

zh_ch,Jan 27 2017,208172

importcsv


#withopen('data.csv')asf:
#f_csv=csv.reader(f)
#headers=next(f_csv)
#forrowinf_csv:
##print(row)
#print(row[0],row[1])


#withopen('data.csv',encoding='utf-8-sig')asf:
#f_csv=csv.reader(f)
#headers=next(f_csv)
#print(headers)
#Row=namedtuple('Row',headers)
#forrinf_csv:
#row=Row(*r)
#print(row.Region,row.DATE_)


withopen('data.csv',encoding='utf-8-sig')asf:
f_csv=csv.DictReader(f)
forrowinf_csv:
print(row['DATE_'],row)

具體可以看這個文檔。http://python3-cookbook.readthedocs.io/zh_CN/latest/c06/p01_read_write_csv_data.html。