我与Py的那些事——高级特性

Posted by Csming on 2017-04-15

切片

取一个list或tuple的部分元素

1
2
3
4
5
6
7
8
9
10
11
12
13
14
L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']

# ---------------------------------------
L[0:3]
L[1:3] # 方法1


L[:3] # 方法2

L[-2:] # 方法3

L[:10:2] # 前10个数中每2个取1个
L[::5] # 每5个数取1个
L[:] # 直接赋值一个list

tuple也一样

1
(0, 1, 2, 3, 4, 5)[:3]

同样适用于字符串

1
2
3
4
>>> 'ABCDEFG'[:3]
'ABC'
>>> 'ABCDEFG'[::2]
'ACEG'

迭代

对给定的list或tuple,利用for来遍历,则称为迭代
Python中通过for…in完成

只要是可迭代对象,无论有无下标,都可以迭代

1
2
3
4
5
6
d = {'a': 1, 'b': 2, 'c': 3}
for key in d:
print(key)
# a
# c
# b

字符串也是可迭代对象

1
2
3
4
5
for ch in 'ABC':
print(ch)
# A
# B
# C

使用for循环时,只要作用于一个可迭代对象,for循环就可以正常运行,而我们不太关心该对象究竟是list还是其他数据类型

  • 可以使用isinstance函数判断是否为可迭代类型
1
2
3
4
5
6
7
8
isinstance('abc',Iterable)
# True

isinstance([1,2,3], Iterable)
# True

isinstance(123, Iterable)
# False
  • enumerate()函数可以把一个list变换变成索引-元素对,这样就可以在for循环中同时迭代索引和元素本身
1
2
3
4
5
for i, value in enumerate(['A', 'B', 'C']):
print(i, value)
# 0 A
# 1 B
# 2 C

在for循环中,可以同时引用多个变量

1
2
for x, y in [(1, 1), (2, 4), (3, 9)]:
print(x, y)

列表生成器

List Comprehensions;是Python内置的创建list的生成式

  • list(range(1, 11))

  • 若要生成[1x1, 2x2, 3x3, …, 10x10]
    可以使用:

1
2
print([x * x for x in range(1, 11)])
# [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

还可以加上if判断,进行筛选

1
2
print([x * x for x in range(1, 11) if x % 2 == 0])
# [4, 16, 36, 64, 100]

还可以使用两层循环

1
2
print([m + n for m in 'ABC' for n in 'XYZ'])
# ['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']
  • for可以同时使用多个变量,比如,dict的items()可以同时迭代key和value
1
2
3
4
5
6
d = {'x': 'A', 'y': 'B', 'z': 'C' }
for k, v in d.items():
print(k, '=', v)
# y = B
# x = A
# z = C

故可用两个变量来生成list

1
2
3
d = {'x': 'A', 'y': 'B', 'z': 'C' }
print([k + '=' + v for k, v in d.items()])
# ['y=B', 'x=A', 'z=C']

生成器

通过列表生成式,我们可以直接创建一个列表
列表元素可以按照某种算法推算出来;一边循环一边计算的机制,称为生成器:generator

要创建一个generator:第一种方法只要把一个列表生成式的[]改成(),就创建了一个generator;

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x1022ef630>
>>> next(g)
0
>>> next(g)
1
>>> next(g)
4
>>> next(g)
9
>>> next(g)
16
>>> next(g)
25
>>> next(g)
36
>>> next(g)

创建L和g的区别仅在于最外层的[]和(),L是一个list,而g是一个generator
可以直接打印出list的每个元素;而generator的元素需要利用next()函数获取generator的下一个返回值

generator保存的是算法,每次调用next(g),就计算出g的下一个元素的值,直到计算到最后一个元素,没有更多的元素时,抛出StopIteration的错误

  • 当然,generator也是可迭代对象
1
2
3
4
5
6
7
8
9
10
11
12
13
g = (x * x for x in range(10))
for n in g:
print(n)
# 0
# 1
# 4
# 9
# 16
# 25
# 36
# 49
# 64
# 81

插入一个特性yield

1
2
3
4
5
6
7
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
return 'done'

每次遇到yield语句就返回;再次执行时,从上次返回的yield语句处继续执行


迭代器

可以直接作用于for循环的对象统称为可迭代对象:Iterable
可以利用isinstance()判断一个对象是否为Iterable

生成器不但可以作用于for循环,还可以被next()函数不断调用并返回下一个值,直到最后抛出StopIteration错误表示无法继续返回下一个值了

  • 可以被next()函数调用并不断返回下一个值的对象称为迭代器:Iterator
1
2
3
4
5
6
7
8
9
>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False

生成器都是Iterator对象,但list、dict、str虽然是Iterable,却不是Iterator

  • 可以使用iter()函数,使list、dict、str等Iterable变成Iterator对象
1
2
3
4
>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True

Python的Iterator对象表示的是一个数据流,Iterator对象可以被next()函数调用并不断返回下一个数据,直到没有数据时抛出StopIteration错误

可以把这个数据流看做是一个有序序列,但我们却不能提前知道序列的长度,只能不断通过next()函数实现按需计算下一个数据,所以Iterator的计算是惰性的,只有在需要返回下一个数据时它才会计算;可以表示一个无限大的数据流


参考资料:http://www.liaoxuefeng.com/