博客
关于我
[转]Python中format( )用法
阅读量:580 次
发布时间:2019-03-07

本文共 1294 字,大约阅读时间需要 4 分钟。

Python 的字符串格式化功能自 2.6 版本后引入了更强大的语法,取代了传统的 % 格式符,通过 {}: 来实现更灵活的格式化需求。本文将详细介绍如何利用这些语法特性提升代码的可读性和效率。

1. 基本语法

Python 的字符串格式化使用 format 方法,接受任意数量的参数,可通过位置、关键字或对象属性指定替换位置。这种机制打破了传统的按顺序传递参数的局限性。

通过位置

'In [1]: ${0},{1}'.format('kzc', 18)'Out[1]: kzc,18'
'In [2]: ${},{='.format('kzc', 18)'Out[3]: kzc,18'
'In [3]: '{1},{0},{1}'.format('kzc', 18)'Out[3]: 18,kzc,18'

通过关键字参数

'In [5]: '{name},{age}'.format(age=18, name='kzc')'Out[5]: kzc,18'

通过对象属性

class Person:    def __init__(self, name, age):        self.name = name        self.age = age    def __str__(self):        return 'This guy is {self.name},is {self.age} old'.format(self=self)
'In [2]: str(Person('kzc', 18))'Out[2]: This guy is kzc, is 18 old'

通过下标

p = ['kzc', 18]'In [7]: '{0[0]},{0[1]}'.format(p)'Out[7]: kzc,18'

这些"映射"方式赋予了开发者更多的灵活性,尤其是在处理列表、元组和字典时,能够以更加简洁的方式传递数据。

2. 格式限定符

格式化字符串可以使用特殊字符来定制输出格式。这些字符通常以 : 符号后跟填充字符和对齐方式。

填充与对齐

  • 填充字符可以是任意单个字符,默认为空格。
  • 对齐方式包括:
    • ^:居中对齐
    • <:左对齐
    • >:右对齐
    • :0:左对齐并且用空格填充至指定宽度

示例

'In [15]: '{: >8}'.format('189')'Out[15]:   189'
'In [16]: '{:0>8}'.format('189')'Out[16]: 00000189'
'In [17]: '{:a>8}'.format('189')'Out[17]: aaaaa189'

精度与类型

  • 使用 . 后跟格式字符,可以指定精度和类型。
  • 常用类型:
    • f:浮点数
    • d:整数
    • o:八进制
    • b:二进制
    • x:十六进制

金额格式化

'In [47]: '{:,}'.format(1234567890)'Out[47]: 1,234,567,890'

Python 的这种灵活性不仅适用于字符串格式化,还可以用于数值输出,能够显著提升代码的可维护性和阅读性。

转载地址:http://ycejz.baihongyu.com/

你可能感兴趣的文章
Pandas数据分析的环境准备
查看>>
Pandas数据可视化怎么做?用实战案例告诉你!
查看>>
Pandas数据处理与分析教程:从基础到实战
查看>>
Pandas数据结构之DataFrame常见操作
查看>>
pandas整合多份csv文件
查看>>
pandas某一列转数组list
查看>>
Pandas模块,我觉得掌握这些就够用了!
查看>>
Pandas玩转文本处理!
查看>>
SpringBoot 整合 Mybatis Plus 实现基本CRUD功能
查看>>
pandas的to_sql方法中使用if_exists=‘replace‘
查看>>
Springboot ppt转pdf——aspose方式
查看>>
pandas读取csv编码utf-8报错
查看>>
pandas读取parquet报错
查看>>
pandas读取数据用来深度学习
查看>>
pandas读取文件时,不去掉前面的0 保留原有的数据格式
查看>>
Pandas进阶大神!从0到100你只差这篇文章!
查看>>
spring5-介绍Spring框架
查看>>
pandas,python - 如何在时间序列中选择特定时间
查看>>
Spring 框架之 AOP 原理深度剖析
查看>>
Pandas:如何按列元素的组合分组,以指示基于不同列的值的同现?
查看>>