1.切片
取一个list或者tuple的部分元素是非常常见的操作。比如,一个list如下:
L = ['1','2','3','4','5']
取前三个元素,应该怎么做?
对于这种经常取指定索引范围的操作,用循环十分繁琐,因此,Python提供了切片(Slice)操作符,能大大简化这种操作。
对应上面的问题,取前三个元素,用一行代码就可以完成切片:
L[0:3]
如果第一个索引是0,还可省略。例 :
L[:3]
类似的,既然Python支持L[-1]取倒数第一个元素,那么它同样支持倒数切片,例如:
L[-2:-1] //取倒数第二个元素
L[-2: ] //取最后两个元素
下边给出切片操作的一些使用方法:
L = list(range(100)) //创建一个0-99的数列
L[ :10] //取前十个数
L[-10:] //取后十个数
L[10:20] //前11-20个数
L[:10:2] //前10个数,每两个取一个
L[::5] //所有的数,每5个取一个
L[:] //原样复制一个list
tuple也是一种list。唯一区别是tuple不可变。因此,tuple也可以用切片操作,只是操作的结果仍是tuple。
字符串'xxx'也可以看成是一种list,每个元素就是一个字符。因此,字符串也可以用切片操作,只是操作结果仍是字符串。
2.迭代
如果给定一个list或tuple,我们可以通过for循环来遍历这个list或tuple,这种遍历我们称为迭代(Iteration)。在Python中,迭代是通过for...in来完成的。可以看出,Python的for循环抽象程度要高于C的for循环,因为Python的for循环不仅可以用在list或tuple上,还可以作用在其它可迭代对象上。list这种数据类型虽然有下标,但是很多其它数据类型是没有下标的,但是,只要是可迭代对象,无论有无下标,都可以迭代,比如dict就可以迭代,例:
for key in d: //对key进行迭代
for value in d.values //对value进行迭代
for k,v in d.items() //同时迭代key和value
如何判断一个对象是可迭代对象呢?方法是通过collections.abc模块的Iterable类型进行判断:
isinstance('abc', Iteatble) //str是否可迭代
最后一个小问题,如果要对list实现类似java那样的下标循环怎么办?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:
for i, value in enumerate(['A', 'B', 'C'])
3.列表生成式
列表生成式即List Comprehensions,是Python内置的非常简单强大的可以用来创建list的生成式。举个例子,要生成list[1,2,3,4,5,6,7,8,9,10]可以用list(range(1,11)).但是要生成[1*1,2*2,3*3,...,10*10]怎么做?列表生成式则可以用一行语句代替循环生成上面的list:
[x * x for x in range(1,11)]
写列表生成式时,把要生成的元素x*x放到前面,后面跟for训韩,就可以把list创建出来,十分有用,多写几次,很快我们就可以熟悉这种语法。
for虚幻后面还可以加上if判断,这样我们就可以筛选出仅偶数的平方:
[x*x for x in range(1, 11) if x % 2 == 0]
还可以使用两层循环,可以生成全排列:
[m + n for m in 'ABC' for n in 'XYZ']
for循环其实可以同时使用两个甚至多个变量,比如dict的items()可以同时迭代key和value,因此列表生成式也可以使用两个变量来生成list:
[k + '=' + v for k, v in d.items()]
4.生成器
通过列表生成式,我们可以直接创建一个列表。但是,受到内存限制,列表容量肯定是有限的。而且,创建一个包含100万个元素的列表,不仅占用很大的存储空间,如果我们仅仅需要访问前面几个元素,那后面绝大多数元素占用的空间都被白白浪费了。所以,如果列表元素可以按照某种算法推算出来,那我们时候可以在循环的过程中不断推算出后续的元素呢?这样就不必创建完整的list,从而节省大量的空间。在Python中,这种一边循环一边计算的机制,称为生成器:generator。
要创建一个generator,有很多种方法。第一种方法很简单,只要把一个列表生成式的[]改成(), 就创建了一个generator:
L = [x * x for x in range(10)] //列表生成式
g = (x * x for x in range(10)) //generator
我们可以打印出list的每一个元素,但我们怎么打印出generator的每一个元素呢?如果要一个一个打印出来,可以通过next()函数获得generator的下一个返回值:
next(g)
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。
next(g)方法过于繁琐,正确的当时是使用for循环,因为generator也是可迭代对象:
g = (x * x for x in range(10))
for n in g:
print(n)
我们创建了一个generator后,基本永远不会调用next(), 而是通过for循环来迭代它,并且不需要关心StopIteration的错误。
generator非常强大。如果推算的算法比较复杂,用类似列表生成式的for循环无法实现的时候,还可以用函数来实现。
比如,著名的斐波那契数列(Fibonacci), 例:
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
return 'done'
这是定义generator的另一种方法。如果一个函数定义中包含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函数,调用一个generator函数将返回一个generator。
这里,最难理解的就是generator函数和普通函数的执行流程不一样。普通函数是顺序执行,遇return语句或者最后一行函数语句就返回。而变成generator的函数,在每次调用next()的时候执行,遇到yield语句返回,再次执行时从上次返回的yield语句处继续执行。
请务必注意:调用generator函数会创建一个generator对象,多次调用generator函数会创建多个相互独立的generator。因此,正确的做法是创建一个generator对象,然后不断对这一个generator对象调用next().
同样的,把函数改成generator函数后,我们基本上从来不会用next()来获取下一个返回值,而是直接使用for循环来迭代。但是用for循环调用generator时,发现拿不到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。:
g = fib(6)
while True:
try:
x = next(g)
print('g:', x)
except StopIteration as e:
print('Generator return value:', e.value)
break
5.迭代器
我们已经知道,可以直接作用于for循环的数据类型有以下几种:
一类是集合数据类型,如list、tuple、dict、set、str等;
一类是generator,包括生成器和带yield的generator函数。
这些可以直接作用于for循环的对象统称为可迭代对象:Iterable。可以使用isinstance()判断一个对象是否是Iterable对象.
生成器都是Iterable对象,但list、dict、str虽然是Iterable,却不是Iterator。把list、dict、str等Iterable变为Iterator可以使用iter()函数:iter([]).
为什么list、dict、str等数据类型不是Iterator?
这是因为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。