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
OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
查看>>
OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
查看>>
OpenCV与AI深度学习 | 什么是 COCO 数据集?
查看>>
OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
查看>>
OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
查看>>
OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
查看>>
OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
查看>>
OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
查看>>
OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
查看>>
OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>
OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
查看>>
OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
查看>>