在查看Python 内置的帮助文档的时候, 我发现其对函数的定义def是如下形式的.
duplicated(
subset: 'Hashable | Sequence[Hashable] | None' = None,
keep: "Literal['first'] | Literal['last'] | Literal[False]" = 'first'
) -> 'Series' method of pandas.core.frame.DataFrame instance
可见函数对其中的输入变量进行了类型解释, 如subset被解释使用Hashable或Sequence[Hashable]或None类型. 我很好奇Hashable和Sequence[Hashable]代表了什么. 本文以sequence 类型为例首先进行解释.
其实, Python 中的 sequence 类型是几种数据类型的总称。这些类型的共同点是集合中的元素是有序排列的。本文详细介绍 sequence 中各种类型的共同点。
概述
sequence 类型有 list 、 tuple 和 str 三类。
- list 类型是最常见的 sequence 类型，对应了其他语言（比如javascript）中的 array 类型。
- tuple 是 list 类型的immutable版本
- str 类型也是immutable
list 类型介绍
list 的底层保存的是指向内容的引用。
tuple 类型介绍
tuple 对象一经生成，其中的元素便不可更改。
str 类型介绍
字符串使用单引号或者双引号括起来的字符序列。也是immutable的。如果三个连续的单引号或者双引号，则表示一个长字符串，其中的换行符（\n）无需转义。比如：
print("""This is a
long string""")
sequence 类型的共同用法
下列的用法可以用于 sequence 的任一类型：
寻址
[i]
方括号用来表示寻址。 S[i] 返回 S 中第 i 个元素。
若 i 是负数，则表示从尾部开始，或者可以理解为坐标值 i加上序列长度的结果，意思是：
S[ i ] = S[ len(S)+i ] ,当 -len(S)<=i<0
比如：
>>> range(10)[-2]
8
>>> range(10)[10-2]
8
>>> range(10)[-3]
7
>>> range(10)[10-3]
7
>>> range(10)[-10]
0
>>> range(10)[10-10]
0
切片
[m:n:i]
寻址的高级用法是切片 Slicing 。 S[m:n:i] 返回 S 中第 m 个元素开始，每隔 i 个元素，直到 n-1 为止的子集。比如：
>>> range(10)[1:8:2]
[1, 3, 5, 7]
>>>
若不提供 i ，则 i 默认为1
>>> range(10)[1:8]
[1, 2, 3, 4, 5, 6, 7]
>>>
若m或者n是负数，则按照寻址表示：
>>> range(10)[-8:-1]
[2, 3, 4, 5, 6, 7, 8]
若不提供m或者n中的一个，则表示从到尾部结束或者从头部开始：
>>> range(10)[4:]
[4, 5, 6, 7, 8, 9]
>>> range(10)[:4]
[0, 1, 2, 3]
>>>
若m和n均不提供，则表示一个原始 sequence 的复制品：
>>> range(10)[:]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
级联
+
sequence 的加法 “+” 被重载为级联动作：
>>> (1,2,3)+(4,5,6)
(1, 2, 3, 4, 5, 6)
>>>
重复
*
sequence 的乘法 “*” 被重载为复制动作：
>>> "abc "*3
'abc abc abc '
>>>
判断成员身份
in
sequence 类型都支持 in 操作，以判断某个元素是否在集合内部。
>>> "c a" in ("abc "*3)
True
>>>
sequence 类型支持的函数
元素个数
len()
len(S) 函数返回序列 S 的元素个数
元素的极值
min( ), max( )
min(S) 函数返回序列 S 的中最小元素， max(S) 函数返回序列 S 的中最大元素。
>>> min("ABC")
'A'
>>> max("aBC")
'a'
>>>
寻找元素
index( )
S.index(a) 法函数返回对象 S 的元素 a 第一次出现的位置，例如：
>>> "aaaa".index('a')
0
>>>
统计元素出现次数
count( )
S.count(a) 方法函数返回对象 S 的元素 a 出现的次数，例如：
>>> [[1],[1],[1]].count([1])
3
