python高级特性——个人纪录

看看廖雪峰的网站照着学的,等于自己做点笔记。

切片slice
取一个list或tuple的部分元素。
a[0:3]=a[:3],取0,1,2三个元素
a[-2:]!=a[-2:-1],前者取2个元素,后者取倒数第二个元素
a[:10:2],前10个数,每2个取一个
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,字符串也可看成list,切片的结果还是字符串。
迭代Iteration
字符串,list,tuple,dict还有任何实现了__iter__方法的对象都可以迭代。迭代dict时,默认迭代的是key,如果要迭代value,可以用for value in dict.values()如果要同时迭代key和value,可以用for k, v in d.items()
如果想要同时得到元素和下标,用enumerate函数,for i,v in enumerate(list)
列表生成式List Comprehensions
要生成list [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]可以用list(range(1, 11))
但如果要生成[1x1, 2x2, 3x3, …, 10x10]怎么做?[x * x for x in range(1, 11)]
for循环后面还可以加上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']#结果:
['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']

常用的

 [d for d in os.listdir('.')] # os.listdir可以列出文件和目录

总结就是list生成式前面是计算出结果的表达式,任意形式,任意多个变量,后边接for 变量in list/dict/tuple/range等,若有筛选条件可以再加上if,但是不能再加else了,以上这些都是再中括号[]里面的,这样生成的是一个列表list。
生成器generator
为了节约内存空间,就在上面列表生成式的基础上,把中括号改为()就变成了生成器generator,可以在循环中不断推算出后续元素。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。
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。yield大致相当于return,只不过return就直接结束了,yield 返回那个值以后就停下,下次再执行的时候接着yield再继续往下走。
调用generator用next(generaterator)来调用,或者用for i in generater来调用。
调用generator时,首先要生成一个generator对象,然后用next()函数不断获得下一个返回值.
迭代器Iterator
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 function。
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:

from collections.abc import Iterable
isinstance([], Iterable)

而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。
可以使用isinstance()判断一个对象是否是Iterator对象:

from collections.abc import Iterator
isinstance((x for x in range(10)), Iterator)

生成器都是Iterator对象,但list、dict、str虽然是Iterable,却不是Iterator。
把list、dict、str等Iterable变成Iterator可以使用iter()函数。

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。
总结
凡是可作用于for循环的对象都是Iterable类型;
凡是可作用于next()函数的对象都是Iterator类型,它们表示一个惰性计算的序列;
集合数据类型如list、dict、str等是Iterable但不是Iterator,不过可以通过iter()函数获得一个Iterator对象。
Python的for循环本质上就是通过不断调用next()函数实现的,例如:

for x in [1, 2, 3, 4, 5]:
    pass

实际上完全等价于:

# 首先获得Iterator对象:
it = iter([1, 2, 3, 4, 5])
# 循环:
while True:
    try:
        # 获得下一个值:
        x = next(it)
    except StopIteration:
        # 遇到StopIteration就退出循环
        break
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值