Python高级特性
一、 切片
python中提供了切片(Slice)操作符 , 可以方便的获取list或tuple中的某一段元素 。
# -*- coding : utf-8 -*- #Python 切片 #生成0~99的元组或list都是可以进行切片操作的 L=tuple(range(100)) #输出 print(L) #使用且前截取 #使用 L[startIndex : endIndex] 的形式 #startIndex表示 开始截取的位置 endIndex表示结束截取的位置 含左不含右 print(L[10:20]) print(L[:10]) # 没有起始位置时 , 默认从0开始 print(L[10:]) # 没有结束位置时 , 默认截取剩余部分 #指定截取时的步数 print(L[:10:2]) # 截取0~10的元素 , 每两个取一个 print(L[::5]) #所有的数 , 每五个取一个
示例
#去除字符串首尾的空格 def trim(s): if(s[0] == " "): s = s[1:] trim(s) elif s[len(s)-1] == " " : s = s[:len(s)-1] trim(s) else: print("***"+s+"***") s = input("请输入要处理的字符串:") trim(s)
二、 迭代
- python中的迭代遍历不仅仅可以用在list和tuple上 , 而且可以用在dict上 。
示例
# -*- coding : utf-8 -*- #python 中的迭代遍历 #1. 迭代list 或 tuple #为什么是 一个列子? 因为tuple本身就是一个特别的list L=tuple(range(100)) J=list(range(100)) for i in J : print(i) #2. 迭代一个dict # 在迭代dict时 , 默认迭代的是dict 的key 的集合 , 随后可以拿着key从dict 中取到value D = {'a':1 , 'b':2 , 'c':3} #遍历Key for d in D : print(d) #遍历value 方式一 for d in D : print(D[d]) #遍历value 方式二 for d in D.values() : print(d)
- 当我们在python 中使用for遍历时 , 只要作用于一个可迭代对象 , for循环就可以正常运行 , 而不用太关心被迭代的元素类型 。
如何判断一个对象是一个可迭代对象 ?
from collections import Iterable #python 判断一个对象是否是一个可迭代对象 D = {'a':1 , 'b':2 , 'c':3} flag = isinstance(D , Iterable) print("是否是一个可迭代的对象呢: "+str(flag))
遍历二维list
#python遍历二维列表 K=((1,1) , (2,2) , (3,3) , (4,4)) for x , y in K : print(x , y)
练习
#python 迭代练习 #查找list中的最大值和最小值 print("查找list中的最大值和最小值:") H=(1,6,33,7,8,5,3,7,75,3,7,32,6,8,8,4,3,88,5,33,5,11111) min=None max=None for h in H : if min==None or (h!=min and h<min) :#int 不能和None进行逻辑运算 , 当min为None时 , 先赋予初始值 。 min = h elif max==None or (h!=max and h>max) : max = h print("min=" , min) print("max=" , max)
三、 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 。
举个例子 要想生成[1,2,3,4,5,6,7,8,9,10] , 可以用list(range(1,11)) 但是想要生成[1x1 , 2x2 , 3x3 , 4x4, 5x5] 怎么做? 只能使用原始的for循环么?? 1. 可以用list(x*x for x in range(1, 6)) 2. 可以使用判断 , 筛选出仅偶数的平方 list(x*x for x in range(1,11) if x%2==0) 3. 可以使用循环嵌套生成全排列 list(m+n for m in 'ABC' for n in 'XYZ')
示例
# -*- conding:utf-8 -*- import os #导入os模块 #利用列表生成式列出当前目录下所有的目录和文件名 L = [d for d in os.listdir('.')]#.代表当前目录 print(L) #遍历dict的第三中方式 D={'1':'a' , '2':'b' , '3':'c'} for k,v in D.items():#使用for循环遍历dict 时 , 默认遍历keys , 可以通过D.values()仅遍历value , 可以通过items()同时遍历key和value print(k , '=' , v) #使用列表生成式将dict 转换为list L2 = [k+"="+v for k , v in D.items()] print(L2) #把list中的所有字符串转换为小写并输出 L3=['AAA',"BBB",18,'CCC','adfFFFF'] L3c=[s.lower() for s in L3 if isinstance(s , str)] print(L3c)
四 、 生成器
- 通过列表生成式 , 我们可以直接创建一列表 , 但是虽然理论上list 的长度是无限的 , 由于受内存限制, 实际上list的长度也是受限的的 。 当我创建出一个包含100万个元素的list却只取其中的某几个元素使用 一次时 ,这就显得非常的浪费 。
- 所以 ,如果列表中的元素如果可以按照某种算法推算出来 , 我们就不必创建大量占用内存的list而使用list 中的元素了 。 在python中这样以便循环一边计算的机制叫做生成器generator 。
生成一个generator最简单的办法就是把一个列表生成式的[]改为() , 就创建了一个generator 。
# -*- conding:utf-8 -*- #generator生成器 L=[x for x in range(10)] #列表生成式 用于比较 G=(x for x in range(10)) #生成器 print("列表" , L) print("生成器" , G )
遍历generator的元素之前说过generator保存的是数据生成的算法 , 不断调用next(g)的方式太麻烦 , 由于generator也是可迭代对象 , 所以可以使用for循环 。
G=(x for x in range(10)) #生成器 for g in G : print(g)
generator非常强大 , 如果推算的算法比较复杂 , 用上述的方法无法实现的时候 , 还可以用函数来实现 。
#函数的形式实现generator #比如,著名的斐波拉契数列(Fibonacci),除第一个和第二个数外,任意一个数都可由前两个数相加得到: #1, 1, 2, 3, 5, 8, 13, 21, 34, ... #斐波拉契数列用列表生成式写不出来,但是,用函数把它打印出来却很容易: def fib(max) : n , a , b = 0 , 0 , 1#n控制循环次数 , a为假设的第0个数 b为第一个数 while n<max : print(b) a , b = b , a+b # 相当于a=b , b=a+b n = n + 1 print('done') #调用 fib(6)
定义generator的另一种形式: 如果一个函数中包含了yield关键字 , 那么这个函数就不再是一个普通函数 , 而是一个generator 。
#从上面的例子可以看出和generator非常类似 , 可以从第一个元素开始推算出后续的任意元素 。 #想要把fib()函数变为generator , 其实只要将print(b) 变为yield b 就可以了 def fib(max) : n , a , b = 0 , 0 , 1#n控制循环次数 , a为假设的第0个数 b为第一个数 while n<max : yield b a , b = b , a+b # 相当于a=b , b=a+b n = n + 1 print('done') f=fib(6) print(f)
需要注意的是:generator和函数的执行流程是不一样的 , 函数时顺序执行 , 从上至下 , 遇到return语句或函数最后一句时就返回 。但是generator在每次调用next()函数时执行 , 遇到yield语句返回 , 再次执行时从上次返回的yield处继续执行 。
#generator函数的执行顺序 #generator遇到yield之后返回结果 , 下次执行时从上次的yield出执行 def odd() : print("step 1") yield 1 print("step 2") yield 2 print("step 3") yield 3 o=odd() r1 = next(o) print(r1) r2 = next(o) print(r2) r3 = next(o)#当顺序执行完yield关键字之后 , 再执行next()函数就会报错 print(r3)
即使generator是以函数的形式定义的 , 我们也几乎不会用next()函数获取返回值 , 而是使用迭代遍历
def odd() : print("step 1") yield 1 print("step 2") yield 2 print("step 3") yield 3 #使用迭代遍历获取generator函数返回的值 for r in odd() : print(r)
当generator以函数的形式定义 , 并且generator中含有return语句时 , 会发现拿不到return语句中的返回值 , 如果想要拿到返回值 ,则必须捕获StopIteration错误 , 返回值包含在StopIteration的value中:
def odd() : print("step 1") yield 1 print("step 2") yield 2 print("step 3") yield 3 return "done" o=odd() while True: try: x=next(o) print(x) except StopIteration as e: print("return:" , e.value) break
- 总结
- generator 是非常强大的工具 , 在Python中 , 可以简单的把列表生成式改为generator, 也可以通过函数形式实现复杂李玉偶记的generator
- generator工作时的原理: generator在for循环的过程中不断的计算下一个元素 , 并在适当的条件结束for循环 。 对于普通函数改成的generator来说, 遇到return语句或者执行到函数最后一行语句 , 就是结束generator的指令 , for循环随之结束 。
五 、 迭代器
通过以上的学习已经知道 , 可以使用for循环的数据类型有以下几种:
- 集合数据类型: list 、 tuple 、 dict 、 set 、 str 。
- generator :包括生成器和带yield的generator function
这些可以直接作用于for循环的对象统统成为可迭代对象
# -*- coding : utf-8-*- #判断数据类型是否是一个可迭代类型 from collections import Iterable flag = isinstance([] , Iterable) print("list是否是可迭代对象:" , flag) flag = isinstance(() , Iterable) print("tuple是否是可迭代对象:" , flag) flag = isinstance({} , Iterable) print("dict 、 set 是否是可迭代对象:" , flag) flag = isinstance("" , Iterable) print("str是否是可迭代对象:" , flag)
- 生成器不但可以用for循环遍历 , 还可以被next()函数不断电泳并返回下一个值 , 知道最后抛出一个StopItreator 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之为迭代器
- 生成器是Iterator对象 , 但是list 、 dict 、 str虽然是Iterable , 却不是Iteraor
- 想要把Iterable转换为Iterator可以使用iter()函数
- 思考: list 、 dict 、 str为什么不是Iterator对象?
- 因为pyhton 中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作是一个有序序列, 但是我们不能提前知道序列的长度 , 只能不断的通过next()函数实现按需计算下一个数据 , 所以Iterator的计算时惰性的 , 只有在需要返回下一个数据时他才会计算 。
- Iterator甚至可以表示一个无限大的数据流 , 列如:全体自然数 , 而使用list永远不可能存储全部自然数 。
迭代器总结:
- 凡是可用作与for循环的对象都是Iterable类型
- 凡是可以作用于next()函数的对象都是Iterator类型 , 他们表示一个惰性的计算的序列 。
- 集合数据类型如: list 、 dict 、tuple 、 set 、 str都不是Iterator类型的数据 , 但是可以通过iter()函数转换为一个Iterator类型的对象 。
Python的for循环本质上就是通过不断调用next()函数实现的 。如:
# -*- conding : utf-8-*- #迭代器 #Python中的for循环实质上是通过不断调用next()函数实现的 。 L = [1,32,3,4,5,6,7,8,89,9,] for l in L: pass #等同于 it = iter(L) while True: try : #获取下一个值 x = next(it) except StopIteration as e : #遇到异常 break;