Python学习笔记三：高级特性

学习资源：廖雪峰Python教程

教程链接点击此处

重点记录与c，java有区别的知识点，红色部分重点注意。

三、高级特性

1.切片（Slice）

取list或tuple前n个数，也就是索引 0至(n-1) 的元素，或者取后n个数，也就是索引 (L-n)至(L-1) 或 -1至-n，L为list或tuple的长度，tuple类似：

L = list(range(100)) #创建一个0-99的list

print(L[0 : 3]) #从索引0开始取，直到索引3为止，但不包括索引3，即0,1,2
print(L[ : 3]) #如果第一个索引是0，可以省略

print(L[1 : 3]) #取索引1至索引3的元素，即1,2

print(L[-2 : -1]) #从索引-2开始取，直到索引-1为止，且包括索引-2，即98,99
print(L[-2 : ]) #类似的，索引-1可以省略

print(L[-5 : -2]) #从索引-5开始取，直到索引-2为止，且包括索引-5，即95,96,97,98

print(L[ : 10 : 2]) #索引0到索引10，但不包括索引10的元素,每两个取一个，即0,2,4,6,8
print(L[ : : 5]) #所有的元素，每五个取一个，即0,5,10,15...
print(L[ : ]) #原样赋值一个list

2.迭代（ Iteration）

①通过for...in循环来遍历list,tuple之类的 可迭代对象，这种遍历称为迭代（Iteration）

②通过collections模块的Iterable类型判断一个对象是不是可迭代对象

from collections import Iterable

print(isinstance(123, Iterable)) #整数是否可迭代？False
print(isinstance('abc', Iterable)) #str是否可迭代？True
print(isinstance([1, 2, 3], Iterable)) #list是否迭代？True
print(isinstance((1, 2, 3), Iterable)) #tuple是否可迭代？True
print(isinstance({'a' : 1, 'b' : 2, 'c':3}, Iterable)) #dict是否可迭代？True
print(isinstance(set([1, 2, 3]), Iterable)) #set是否可迭代？True

③Python内置的enumerate函数可以把一个list变成索引-元素对，这样就可以 同时迭代索引和元素本身：

for i, value in enumerate(['A', 'B', 'C']):
    print(i, value)

3.列表生成式（List Comprehentions)

①列表生成式（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

L1 = list(range(0, 10)) #生成一个0-9的list
L2 = [x * x for x in range (0, 10)] #生成list[0, 1, 4, 9, ..., 81]
L3 = [x * x for x in range (0, 10) if x % 2 == 0] #筛选出仅偶数的平方生成list[4, 16, 36, 64]
L4 = [m + n for m in 'abc' for n in 'xyz'] #两层循环生成全排列['ax','ay', ... ,'cy', 'cz']
print(L1)
print(L2)
print(L3)
print(L4)

②for..in循环实际上 可以同时使用两个甚至多个变量，如dict的items()可以同时迭代key和value：

d = {'a' : 1, 'b' : 2,'c' : 3}
for k,v in d.items():
    print(k, '=', v) #输出a=1 b=2 c=3

因此，列表生成式也 可以使用多个变量来生成list：

d = {'a' : 'A', 'b' : 'B', 'c' : 'C'}
L = [k + '=' + v for k, v in d.items()]
print(L) #输出['a=A', 'b=B', 'c=C']

4.生成器（generator）

①一遍循环一遍计算的机制。通过不断next(generator)获得元素

②创建一个generator的方法一：将列表生成式的 [] 号改成 () 号

L = [x * x for x in range(10)] #L是一个list
g = (x * x for x in range(10)) #g是一个generator
for n in g:
    print(n) #generator可迭代

③定义generator的另一种方法，如果一个函数定义中包含关键字 yield，那么这个函数不再是一个普通函数，而是一个generator：

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b #相当于t = (b, a + b)
                        #       a = t[0]
                        #       b = t[1]
                        #t是一个tuple
        n = n + 1
    return 'done'

for n in fib(5): #这里的fib(5)就是一个generator对象
    print(n)

在变成generator的函数中， 每次遇到yield都会返回，再次next()执行的时候，从上次的yield语句处继续执行。如上面fib函数中，对fib(5)进行迭代遍历是，每次遇到yield b就返回当前b的值，依次是1,1,2,3,5

④用for...in循环调用generator时，拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中：

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b #相当于t = (b, a + b)
                        #       a = t[0]
                        #       b = t[1]
                        #t是一个tuple
        n = n + 1
    return 'done'

g = fib(5) #构建generator对象
while True:
    try:
        x = next(g) #依次向后遍历generator
        print(x)
    except StopIteration as e: #捕获函数的返回值
        print('Generator return value', e.value)
        break

⑤注意：对于函数改成的generator来说，遇到yield返回一个值，遇到return或者最后一行语句，整个指令结束

调用函数时，获得的是函数的return：a = abs(-2)

调用函数改成的generator时， 获得的是一个generator对象：g = fib(5)

5.迭代器

①可以直接作用于for...in循环的数据类型有

集合数据类型： str、tuple、dict、list、set等

generator：包括 生成器和 带yield的generator function

称为 可迭代对象：Iterable

可以使用isinstance()判断一个数据类型是否是Iterable对象

from collections import Iterable

print(isinstance(123, Iterable)) #整数是否可迭代？False
print(isinstance('abc', Iterable)) #str是否可迭代？True
print(isinstance([1, 2, 3], Iterable)) #list是否迭代？True
print(isinstance((1, 2, 3), Iterable)) #tuple是否可迭代？True
print(isinstance({'a' : 1, 'b' : 2, 'c':3}, Iterable)) #dict是否可迭代？True
print(isinstance(set([1, 2, 3]), Iterable)) #set是否可迭代？True

②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

可以用isinstance()判断一个对象是否是Iterator对象：

from collections import Iterator

print(isinstance((x for x in range(10)), Iterator)) #生成器是不是Iterator对象？True
print(isinstance([], Iterator)) #list是不是Iterator对象？False
print(isinstance({}, Iterator)) #dict是不是Iterator对象？False
print(isinstance('abc', Iterator)) #str是不是Iterator对象？False 

生成器都是iterator对象，list、dict、str等虽然是iterable，但不是iterator

③把list、dict、str等Iterable变成iterator可以用iter()函数：

from collections import Iterator

print(isinstance(iter([]), Iterator)) #将list转化为iterator,Ture
print(isinstance(iter('abc'), Iterator)) #将str转化为iterator,Ture

④Iterator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，直到没有数据是抛出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。Iterator甚至可以表示一个无限大的数据流，例如全体自然数