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
SpringBoot+Vue+Redis前后端分离家具商城平台系统(源码+论文初稿直接运行《精品毕设》)15主要设计:用户登录、注册、商城分类、商品浏览、查看、购物车、订单、支付、以及后台的管理
查看>>
pandas :to_excel() float_format
查看>>
pandas :从数据透视表中的另一列中减去一列
查看>>
pandas :加入有条件的数据框
查看>>
pandas :将多列汇总为一列,没有最后一列
查看>>
pandas :将时间戳转换为 datetime.date
查看>>
pandas :将行取消堆叠到新列中
查看>>
pandas :设置编号.最大行数
查看>>
pandas DataFrame 中的自定义浮点格式
查看>>
Pandas DataFrame 的 describe()方法详解-ChatGPT4o作答
查看>>
Pandas DataFrame中删除列级的方法链接解决方案
查看>>
Pandas DataFrame中的列从浮点数输出到货币(负值)
查看>>
Pandas DataFrame中的列从浮点数输出到货币(负值)
查看>>
Pandas DataFrame多索引透视表-删除空头和轴行
查看>>
pandas DataFrame的一些操作
查看>>
Pandas Dataframe的日志文件
查看>>
Pandas df.iterrows() 并行化
查看>>
Pandas drop_duplicates 方法不适用于包含列表的数据框
查看>>
pandas groupby 和过滤器
查看>>
pandas GROUPBY+变换和多列
查看>>