[Python] Python系列(三)之高级特性

Posted by 胡伟煌 on 2017-09-11

1. 切片

切片操作(slice),即从list(tuple是一种特殊的list)中获取部分元素。

  • L[m,n]表示从L[m]~L[n-1]的list。
  • L[:n]表示从L[0]~L[n-1]的list。
  • L[m:]表示从L[m]~L[len(L)-1]。
  • L[-m:]表示倒数m个数的list。
  • L[m:n:k]表示从L[m:n]list中每k个取一个数组成一个新的list。
  • L[::k]表示从L中每k个取一个组成新的list。
  • tuple也是一种list(不可变的list),使用切片操作的结果仍为tuple。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
#定义list
>>> L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']
#切片操作
>>> L[0:3]
['Michael', 'Sarah', 'Tracy']
>>> L[:3]
['Michael', 'Sarah', 'Tracy']
>>> L[1:3]
['Sarah', 'Tracy']
>>> L[-2:]
['Bob', 'Jack']
>>> L[-2:-1]
['Bob']

#定义0-99的list
>>> L = list(range(100))
#前10个数每两个取一个
>>> L[:10:2]
[0, 2, 4, 6, 8]
#所有数,每5个取一个
>>> L[::5]
[0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]

#tuple的切片操作
>>> (0, 1, 2, 3, 4, 5)[:3]
(0, 1, 2)

#字符串切片操作
>>> 'ABCDEFG'[:3]
'ABC'
>>> 'ABCDEFG'[::2]
'ACEG'

2. 迭代

2.1 迭代的概念

迭代:在某类对象的集合中通过遍历的方法来获取元素,对元素执行某项操作。

Python中的可迭代对象有:list,tuple,dict,str等,包括可迭代的自定义类型。

判断一类对象是否可迭代,可以通过collections模块的Iterable类型判断。例如:

1
2
3
4
5
6
7
>>> from collections import Iterable
>>> isinstance('abc', Iterable) # str是否可迭代
True
>>> isinstance([1,2,3], Iterable) # list是否可迭代
True
>>> isinstance(123, Iterable) # 整数是否可迭代
False

2.2 迭代的使用

在Python中,迭代是通过for ... in来完成的。

2.2.1 dict的迭代

1
2
3
4
5
6
7
>>> d = {'a': 1, 'b': 2, 'c': 3}
>>> for key in d:
... print(key)
...
a
c
b
  • dict默认迭代的是key,for key in d
  • 可以使用for value in d.values()来迭代value。
  • 可以用for k, v in d.items()来迭代key和value。

2.2.2 字符串的迭代

1
2
3
4
5
6
>>> for ch in 'ABC':
... print(ch)
...
A
B
C

2.2.3 迭代的索引

Python内置的enumerate函数可以把一个list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
6
>>> for i, value in enumerate(['A', 'B', 'C']):
... print(i, value)
...
0 A
1 B
2 C

2.2.4 多变量迭代

在for中,同时引用多个变量。例如:

1
2
3
4
5
6
>>> for x, y in [(1, 1), (2, 4), (3, 9)]:
... print(x, y)
...
1 1
2 4
3 9

3. 列表生成式

列表生成式即List Comprehensions,是Python内置的非常简单却强大的可以用来创建list的生成式。

一般是通过for … inrange来生成list。

1
2
3
4
5
>>> list(range(1, 11))
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

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

for循环中加if判断

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

多层循环

1
2
>>> [m + n for m in 'ABC' for n in 'XYZ']
['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']

多变量循环

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

可以使用内建的isinstance函数可以判断一个变量是不是字符串。

4. 生成器

在Python中,一边循环一边计算的机制,称为生成器:generator。生成器不必创建完整的list,可以在循环中不断推算出后续的元素,从而可以在获取所需元素的同时节省存储空间。

4.1 直接创建generator

创建generator即把列表生成式的[]改成()

1
2
3
4
5
6
>>> 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>

一般通过for循环来获取generator的元素,也可以使用next(g)来获取下一个元素。

1
2
3
4
5
6
7
8
9
10
11
12
13
>>> g = (x * x for x in range(10))
#通过for循环获取元素
>>> for n in g:
... print(n)
...
0
1
4
#通过next()获取元素
>>> next(g)
0
>>> next(g)
1

4.2 通过函数方式创建

通过yield关键字将一个函数变成generator。例如:

函数的定义:

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

生成器的定义:

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'

两者的差别在于生成器将函数的print(b)改为yield byield可以翻译为生成,即基于某次计算生成某个元素,而不是提前存储了该元素。

函数式的generator一般采用for循环来获取元素,也可以通过next()来获取下一个元素的值,例如:

1
2
3
4
5
6
7
8
9
>>> for n in fib(6):
... print(n)
...
1
1
2
3
5
8

如果要获取return的内容,可以捕获StopIteration错误,返回值包含在StopIterationvalue中。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
>>> g = fib(6)
>>> while True:
... try:
... x = next(g)
... print('g:', x)
... except StopIteration as e:
... print('Generator return value:', e.value)
... break
...
g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
Generator return value: done

5. 迭代器

5.1 可迭代对象

可以直接作用于for循环的对象统称为可迭代对象:Iterable。主要有:

  • 集合数据类型,如listtupledictsetstr
  • generator,包括生成器和带yield的generator function

可以使用isinstance()判断一个对象是否是Iterable对象:

1
2
3
4
5
6
7
8
9
10
11
>>> from collections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance('abc', Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100, Iterable)
False

5.2 迭代器

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

生成器都是Iterator对象,但listdictstrIterable,而不是Iterator

可以使用isinstance()判断一个对象是否是Iterator对象:

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

可以通过iter()函数将Iterable转换成Iterator

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,可以是无限大的数据流,例如全体自然数。

  • Iterator的元素是基于计算的,可以理解为惰性的、动态的、长度未知的(元素个数可能无限)。
  • listdictstr的元素是基于存储的,可以理解为静态的、长度已知的(元素个数有限)。

文章参考:廖雪峰Python教程



支付宝打赏 微信打赏

赞赏一下