Python 标准库解读.1(对应MicroPython）

上篇文章我们对mpy标准微库进行了简单的方法罗列，又因为mpy是从标准的Python库中退化而来，那就先简单的学习一下Python的库。

上面的文章说了这么多，那这篇就写这些

我这里就用3.8写了，使用jupyter环境

array是一个高效的数组模块，该模块定义了一个对象类型，它可以紧凑地表示一组基本值：字符、整数、浮点数。数组是序列类型，其行为与列表非常相似，只是其中存储的对象类型受到限制。类型是在创建对象时使用类型代码指定的， 类型代码是单个字符。定义了以下类型代码：

笔记，记好了

mpy中支持的格式代码：b
, B
, h
, H
, i
, I
, l
, L
, q
, Q
, f
, d
（后 2 种取决于浮点支持）。

那这个和list有什么区别呢？首先是一种序列类型，序列方法都可以在上面使用。然后数组类型的对象是固定的，不可以混合装载

使用要先导入，然后一开始要指定存储的数据类型

后面用元组传入存储的东西

IDE可以智能的给出方法

这里使用了一个列表的转换方法

这个比较简单，实验了mpy提供的一个添加方法

请看extend的方法

array.
extend
(iterable)

将来自 iterable 的项添加到数组末尾。如果 iterable 是另一个数组，它必须具有 完全 相同的类型码；否则将引发 TypeError
。如果 iterable 不是一个数组，则它必须为可迭代对象并且其元素必须为可添加到数组的适当类型。

限制较多，其实数据类型相同就行。其实方法这么少，正好可以去看看实现，谁说不是呢？

二进制之间的转换方法，没有什么说的

复数运算

这是完整的双端队列

mpy提供了两个方法

我这里就做简单的演示

这些方法mpy不支持而且很多方法是之后才加进来的

在看命名数组之前，需要知道一个概念，叫工厂函数：

工厂函数看上去有点像函数，实质上他们是类，当你调用它们时，实际上是生成了该类型的一个实例，就像工厂生产货物一样.

python核心编程

https://www.cr173.com/soft/10446.html

书籍的下载位置

书籍封面

当然java里面也有这样的概念，你可以看看

看这个，list这个函数本身就有工厂函数的能力

工厂函数是指这些内建函数都是类对象，当你调用它们的时候，实际上是创建了一个类实例，其实也可以理解成内建函数。

https://www.zhihu.com/question/20670869

归根结底，它源于设计模式中的一种说法，就是指你不通过类来直接构造对象，而是通过一个函数来构造对象，这样允许你在函数中加入更多的控制。

懵了吗？要是就这就懵了，那别看了~

其中命名元组赋予每个位置一个含义，提供可读性和自文档性。它们可以用于任何普通元组，并添加了通过名字获取值的能力，通过索引值也是可以的。

我觉得你看例子就能看懂

其中有使用位置和关键字实参，可以像普通元组一样去索引，字段可以用命去访问，加入了__repr__的值方法。

在mpy里面是这样使用的：

from collections import namedtuple


MyTuple = namedtuple("MyTuple", ("id", "name"))
t1 = MyTuple(1, "foo")
t2 = MyTuple(2, "bar")
print(t1.name)
assert t2.name == t2[1]

命名元组实例没有字典，所以它们要更轻量，并且占用更小内存。

我这个ordereddict真的不知道怎么翻译了，反正就是可以迭代的时候（就是打印的时候可以按照你加进去的顺序打印）

它会返回一个 dict 子类的实例，支持常用的 dict 方法。Ordered Dict 是一种记录键首次插入顺序的 dict 。如果新条目覆盖现有条目，则原始插入位置保持不变。删除一个条目并重新插入它将把它移到末尾。

这是标准Python库

from collections import OrderedDict


d = OrderedDict([("z", 1), ("a", 2)])
# More items can be added as usual
d["w"] = 5
d["b"] = 3
for k, v in d.items():
    print(k, v)

使用前记得初始化，以上为mpy

z 1
a 2
w 5
b 3

输出

接下来是文章中最有技术含量的东西，堆队列算法，这个东西讲起来就有学术味道了，而且还需要补充一些知识才可以。

容器：

在计算机科学中，容器是一个类或数据结构，其实例（运行实体）是其他对象的集合。换句话说，它们以遵循特定访问规则的有组织的方式存储对象。容器的大小取决于它包含的对象（元素）的数量。各种容器类型的底层（继承）实现的大小和复杂性可能不同，并为任何给定场景选择正确的实现提供了灵活性。

容器可以通过以下三个属性来表征：

    1.access，即访问容器对象的方式。在数组的情况下，访问是通过数组索引完成的。在堆栈的情况下，根据LIFO（后进先出）顺序进行访问，而在队列的情况下，根据FIFO（先进先出）顺序进行访问；

    2.storage，即容器对象的存储方式；

    3.traversal，即遍历容器对象的方式。

容器类应该实现方法来执行以下操作：

    1.创建一个空容器（构造函数）；

    2.将对象插入容器；

    3.从容器中删除对象；

    4.删除容器中的所有对象（清除）；

    5.访问容器中的对象；

    6.访问容器中的对象数量（计数）。

    7.容器有时与迭代器一起实现。

注意，容器其实是一种组织形式，就是特定的操作定义。它不单单是一种数据结构，它是一种更加高层的对数据结构的表达。

堆又是属于队列这种结构：

在计算机科学中，队列是按序列维护的实体集合，可以通过在序列的一端添加实体和从序列的另一端删除实体来修改。按照惯例，添加元素的序列末尾称为队列的后部、尾部或后部，删除元素的末尾称为队列的头部或前部，类似于以下使用的词人们排队等候商品或服务。

将元素添加到队列尾部的操作称为入队，而从队列中移除元素的操作称为出队。也可能允许其他操作，通常包括查看或前端操作，该操作返回下一个要出队的元素的值而不将其出队。

队列的操作使其成为先进先出 (FIFO) 数据结构。在 FIFO 数据结构中，添加到队列的第一个元素将是第一个被删除的元素。这相当于要求一旦添加了新元素，必须先删除之前添加的所有元素，然后才能删除新元素。队列是线性数据结构的一个例子，或者更抽象地说是一个顺序集合。队列在计算机程序中很常见，它们被实现为与访问例程耦合的数据结构、抽象数据结构或在面向对象的语言中作为类。常见的实现是循环缓冲区和链表。

队列在计算机科学、传输和运筹学领域提供服务，其中存储和保存各种实体（如数据、对象、人员或事件）以供以后处理。在这些上下文中，队列执行缓冲区的功能。队列的另一个用途是实现广度优先搜索。

大O表示

这个东西算是最出名的东西

那我们的堆是队列中的优先级队列：

在计算机科学中，优先级队列是一种抽象数据类型，类似于常规队列或堆栈数据结构，其中每个元素还具有与其关联的“优先级”。在优先级队列中，优先级高的元素在优先级低的元素之前被服务。在某些实现中，如果两个元素具有相同的优先级，则根据它们入队的顺序为它们提供服务，而在其他实现中，具有相同优先级的元素的排序是不确定的。

虽然优先级队列通常用堆实现，但它们在概念上与堆不同。优先级队列是一个类似于“列表”或“地图”的概念；正如列表可以用链表或数组实现一样，优先队列可以用堆或各种其他方法（例如无序数组）来实现。

上面这么多就够了，这里只说一下。堆是一种称为优先级队列的抽象数据类型的最高效率实现，实际上，优先级队列通常称为“堆”，无论它们如何实现。在堆中，最高（或最低）优先级的元素总是存储在根。但是，堆不是排序结构；它可以被认为是部分有序的。当需要重复删除具有最高（或最低）优先级的对象时，堆是一种有用的数据结构。

一个图解决战斗，看节点的数字大小

只实现了这三个

这个模块提供了堆队列算法的实现，也称为优先队列算法。

堆是一个二叉树，它的每个父节点的值都只会小于或大于所有孩子节点。它使用了数组来实现：从零开始计数，对于所有的 k ，都有``heap[k] <= heap[2*k+1]`` 和 heap[k] <= heap[2*k+2]
 。为了便于比较，不存在的元素被认为是无限大。堆最有趣的特性在于最小的元素总是在根结点：heap[0]
 。

这个API与教材中堆算法的实现不太一样，在于两方面：

（a）我们使用了基于零开始的索引。这使得节点和其孩子节点之间的索引关系不太直观，但是由于Python使用了从零开始的索引，所以这样做更加合适。

（b）我们的 pop 方法返回了最小的元素，而不是最大的

（这在教材中叫做 “最小堆”；而“最大堆”在课本中更加常见，因为它更加适用于原地排序）。

基于这两方面，把堆看作原生的Python list也没什么奇怪的： heap[0]
 表示最小的元素，同时 heap.sort()
 维护了堆的不变性！

注意堆的实现，是一个单独的模块

mpy中的堆操作，之后在使用的时候做说明