Python 字符串格式化(format)介绍
itomcoil 2025-01-20 13:55 12 浏览
本文将通过string的format函数,介绍在Python中格式化字符串的几种常用方法。
以下是我们的源代码:
程序的执行效果如下:
下面我们将逐行解释一下。
第1行:这是format的基本用法。基于传入参数的位置,我们使用花括号来将对应的参数替换到format的字符串上。比如第1个参数我们传入了"成都",第2个参数我们传入了34。因此,在字符串中,程序第1次遇到花括号时,就将"成都"替换上去,第2次遇到花括号时,将34替换上去。
第2行和第3行:我们在花括号中加入了数字,这样就可以自由的控制传入的参数。比如这次,我们第1个参数传入string形式的分行名称,第2个参数传入number形式的余额时,我们可以使用{0}来引用分行名称,用{1}来引用余额。在某些使用场景下,我们可能引用的顺序和参数传入的顺序会不同。比如第3行,我们对调了传入参数的顺序,我们先传入37,再传入"大连",而引用时,我们就可以直接使用{1}来引用第2个参数即"大连"来替换这个字符串。这在参数较多或需要重复引用的时候就很方便,试想一下我们有七八个参数,又或是比如分行名称可能在两个地方都要用,那我们就可以在每个需要分行名称的地方,都使用{1}替换一次,这就方便多了,要不然我们就得在传入的参数列表上多次敲好多遍变量名称。
第4行:我们使用了关键字参数。传入参数时指定了关键字参数之后,在使用时,我们可以用{name}的形式直接引用,如果只是使用基于位置的参数,那么参数多了会看不出来到底引用了哪个参数,容易出BUG(想想七八个参数,看字符串含义的时候,估计你就得回去数一下{5}是指谁?),但是如果使用了关键字参数,就可以顾名思义,直观的看出整个语句的含义。大家回过头看一下第4行的print是不是就比之前的例子,要容易理解一些。
第5行:当然,我们也可以将基于位置的参数和关键字参数相结合。就像第5行演示的一样。第1和第2个参数是基于位置的。使用{0}和{1}引用,而第3个参数是使用关键字参数引用。这里大家要注意,关键字参数要位于基于位置的参数后面。
好了,下面我们看两个比较复杂的例子。
第6行:我们在参数上使用了字典(dict)变量。这时我们使用类似{0[name]}的形式,引用了这个字典变量。花括号后面的0,代表是基于位置的第1个参数,而由于参数是字典类型,所以再使用方括号加名称,即[name],就可以引用数据了。其实也有点儿类似我们平常用dict[name]的形式引用数据。
第7行:在上面的例子中,我们虽然可以引用字典类型变量了,但是{0[name]}这种玩意儿,还是太丑陋了。因此我们可以使用"**"符号来解压参数。经过**ind_chengdu之后,我们在字符串中引用参数时,就可以改为{name}这样的形式,这样整个字符串的展示就很亲民了,我们也很容易看出整个字符串的含义。现在的效果也比较接近第4行的例子。
这里有一个小问题,大家要关注一下,就是使用**解压参数时,实参(即传入的参数)需要位于参数列表最后一个,所以第第6行相比,我们把传入参数的位置调换了一下。
以上就是关于Python中字符串格式化的一些技巧,希望对大家有所帮助。
我使用的环境:Windows 7 + Python 2.7.17 + PyCharm Community Edition 2016.1.5
如果大家认为我的文章还可以,真心希望能帮我点一个"关注",粉丝的数量真的对我很重要,也算是对我努力结果的一个支持,谢谢大家了。
相关推荐
- Python高效数据处理——从基础方法到性能优化
-
数据处理是数据分析的核心环节,高效的数据处理方法能显著提升代码性能。本文将深入介绍Pandas中的各种数据处理技术,并分析它们的性能特点。使用apply方法应用自定义函数apply是Pandas中最灵...
- 正态分布-置信区间计算(正态90%置信区间)
-
统计学有两大主要分支,分别是描述性统计学和推断统计学。描述性统计学用于描述和概括数据的特征以及绘制各类统计图表。总体数据,往往因为数据量太大而难以被获取,所以就有了通过较小的样本数据推测总体特性的推断...
- 一篇文章搞定人工智能之深度学习创建训练数据集的方法
-
基础数据准备训练所需要的数据集合都存储在数据库中,还有部分文本文件首先对数据进行分类结构化存储[因为涉及到的是多分类问题]整理并存储原始数据集使用numpy将所有需要数据读取出来splitlines(...
- 向量搜索之 k-means 算法(annoy向量检索)
-
一直好奇向量数据库的索引是如何实现的,我们可以推断向量搜索的简单实现:把数据存入向量数据库时,会计算每个分段文档的向量(文档向量),然后把分段文档和文档向量同时存入向量数据库。从向量数据库中搜索文档时...
- 融合贝叶斯生存模型与Transformer注意力的客户重参与策略优化
-
本文提出了一个集成三种核心技术的下一代智能优惠券分发系统:基于贝叶斯生存模型的重购概率预测、采用注意力机制的Transformer利润预测模型,以及用于策略持续优化的Dyna-Q强化学习代理。该系统构...
- 用Deepseek编写代码计算今天大乐透开奖号码
-
以下是一个基于Python的示例代码,用于分析大乐透历史数据并生成可能的号码组合。请务必注意:这仅是统计学模拟,无法真正预测开奖结果,所有结果均为随机性参考。代码实现步骤1.数据准备(模拟数据)假设...
- 拆解特斯拉L2家用充电桩:技术细节太多了
-
本文是对第三代特斯拉家用充电桩(L2级)的拆解分析报告。深入探究该充电桩的内部结构、设计特点、性能参数等内容。产品概述设备为第三代特斯拉家用充电桩,属于Level2充电器,是特斯拉推出的家用充电设备...
- 《光环5》2月更新“战锤风暴”正式推送“枪林弹雨”模式即将到来
-
今天(2月25日)微软和343工作室正式向Xboxone玩家推送了《光环5》的2月更新补丁“战锤风暴HammerStorm”。本次更新包括了1张全新Arena竞技场地图Torque;3个全新游戏模式...
- Spring Boot(十一)Redis集成从Docker安装到分布式Session共享
-
一、简介Redis是一个开源的使用ANSIC语言编写、支持网络、可基于内存亦可持久化的日志型、Key-Value数据库,并提供多种语言的API,Redis也是技术领域使用最为广泛的存储中间件,它是「...
- Mac 基于HTTP方式访问下载共享文件,配置共享服务器
-
方法一:使用Python的SimpleHTTPServer进行局域网文件共享Mac自带Python,所以不需要安装其他软件,一条命令即可1):进入需要共享的文件夹,如Public文件夹cd/Us...
- 移动端性能专项测试之 CPU(移动端cpu天梯图2020百度贴吧)
-
指标背景很多场景下我们去使用App,可能会碰到手机会出现发热发烫的现象。这是因为CPU使用率过高、CPU过于繁忙,会使得整个系统无法响应用户,整体性能降低,用户体验变得相当差,也容易引起AN...
- 如何三天学会Phyton?这篇文章教你快速编程入门
-
Phyton作为一门常用的语言在很多领域都有很应用,很多人都想学习这门语言,那么我们就开始从头学习这门语言吧!首先你需要在官网下载你的Phyton的编程工具,也就是下载你的解释器!登录Phyton官网...
- 学习Python第一天 ---Hello World
-
引言人生苦短,请用Python(3.+)越来越多的情况下使用Python语言进行"代码粘合"和"数据分析"变得非常方便,而且Python在"爬虫"...
- mysql的MVCC多版本并发控制机制(mysql并发情况下怎么解决)
-
认识MVCCMVCC是英文Multi-VersionConcurrencyControl多版本并发控制的首字母简拼。在上文MYSQL事务隔离级别中,我们已经知道,在可重复读的级别下,不管其他事...
- 爆炸,MySQL9.0大版本发布,我严重怀疑,它是不...
-
MySQL在本月发布了9.0大版本,作为MySQL的忠实粉丝,简单说下这次大版本更新。1.企业版,支持JS存储程序(JavaScriptstoredprograms)了。例如,可以像这样定一个函...
- 一周热门
- 最近发表
- 标签列表
-
- ps图案在哪里 (33)
- super().__init__ (33)
- python 获取日期 (34)
- 0xa (36)
- super().__init__()详解 (33)
- python安装包在哪里找 (33)
- linux查看python版本信息 (35)
- python怎么改成中文 (35)
- php文件怎么在浏览器运行 (33)
- eval在python中的意思 (33)
- python安装opencv库 (35)
- python div (34)
- sticky css (33)
- python中random.randint()函数 (34)
- python去掉字符串中的指定字符 (33)
- python入门经典100题 (34)
- anaconda安装路径 (34)
- yield和return的区别 (33)
- 1到10的阶乘之和是多少 (35)
- python安装sklearn库 (33)
- dom和bom区别 (33)
- js 替换指定位置的字符 (33)
- python判断元素是否存在 (33)
- sorted key (33)
- shutil.copy() (33)