【数据分析学习笔记day02】Python 3.x新特性和编码回顾+Python3.x 常用的新特性+字符串编码格式回顾+ASCII+GB2312+GBK/GB18030+Unicode+UTF-8

Python3.x 常用的新特性

• print() 是函数，不是一个语句

• raw_input()输入函数，改为 input()

• Python 3 对文本和二进制数据做了更为清晰的区分。

  1. 文本由unicode表示，为str类型
  2. 二进制数据由bytes (字节包)表示，为bytes类型

• 新增数据类型 bytes (字节包)，代表二进制数据以及被编码的文本字符串前有个前缀b

• Python3中 bytes 与 str 转换

  1. str 可以编码(encode)成 bytes
  2. bytes 可以解码(decode)成 str

• 字符串格式化输出方式：新增format()方式

• dict类型变化

  之前的 iterkeys(), itervalues(), iteritems()，

  改为现在的 keys(), values(), items()

字符串编码格式回顾

• ASCII：早起计算机保存英文字符的编码方式
• GB2312：对ASCII的中文扩展
• GBK/GB18030：包括了GB2312的所有内容，同时又增加了近20000个新的汉字和符号
• Unicode：包括了全球的符合和编码。每个字符用3~4个字节表示，浪费空间
• UTF-8：可变长的编码方式，在互联网上使用最广泛的一种Unicode的实现方式，根据语种决定字符长度，如一个汉字3个字节，一个字母1个字节，也是Linux环境下默认编码格式。