Python(五) 高级特性总结

最新推荐文章于 2021-12-09 20:34:14 发布

diechang2381

最新推荐文章于 2021-12-09 20:34:14 发布

阅读量126

点赞数

文章标签： python

原文链接：http://www.cnblogs.com/codeRose/p/7955866.html

版权

Python(五) 高级特性总结

1.迭代

　　通过for循环来遍历一个list或者tuple，这种遍历就叫迭代（Iteration），在Python中用for in 语句来实现迭代。

Python的for循环不仅可以用在list和tuple，还可以用在其他可迭代对象，比如dict就可以迭代：

d={'a':1,'b':2,'c':3}
# 循环打印key
for key in d:
    print(key)
# 默认循环的是key
for value in d.values():
    print(value)

迭代字符串对象：

# 迭代一个str对象
s='adcsddd'
for x in s:
    print(x)

　　只要作用于一个可迭代对象，for循环就可以正常运行，通过collections模块的Iterable类型判断

print(isinstance('adc',Iterable))
# 判断list是否可迭代
print(isinstance([1,2,3],Iterable))
# 判断123是否可迭代
print(isinstance(123,Iterable))

输出结果：

True
True
False

　　Python内置的enumerate函数可以把一个list变成下标索引-元素对：

for i, value in enumerate(['a','b','c']):
    print(i,value)

输出结果：

0 a
1 b
2 c

　　在for循环中同时引用两个变量：

for x,y in[(1,2),(2,3),(1,3)]:
    print(x,y)

输出结果：

1 2
2 3
1 3

2.列表生成式

　　Python内置了可以用来生成list的生成式：

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

输出结果：
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

　　生成[1*1,2*2...,10*10]:

L=[]
for x in range(1,11):
    L.append(x*x)
print(L)
# 可简写
L1=[x*x for x in range(1,11)]
print(L1)

输出结果：

[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

　　for循环后面可以加入if条件来生成符合条件的元素：

# 筛选出仅偶数的平方的元素
L2=[x*x for x in range(1,11) if x%2==0]
print(L2)

输出结果：

[4, 16, 36, 64, 100]

　　使用两层循环，生成全排列：

L3=[m+n for m in 'ABC' for n in '123']
print(L3)

输出结果：

['A1', 'A2', 'A3', 'B1', 'B2', 'B3', 'C1', 'C2', 'C3']

　　for循环可以同时使用两个甚至多个变量，同时迭代dict中key和value：

for k, v in {'a':1,'b':2}.items():
    print(k,'=',v)

输出结果：

a = 1
b = 2

把一个list中所有的字符串变成小写：

L5=[s.lower() for s in ['qQQA','Acd','asbdD']]
print(L5)

输出结果：

['qqqa', 'acd', 'asbdd']

3.生成器

　　在Python中，一边循环一边计算的机智，成为生成器：genertator

　　第一种创建方式：把一个列表生成式的[]改成（）

# 列表生成式
List1=[x*x for x in range(10)]
# 生成器
g=(x*x for x in range(10))

　　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。

# generator是可迭代对象，可以使用for循环
for n in g:
    print(n)

我们创建了一个generator后，基本上永远不会调用next()，而是通过for循环来迭代它，并且不需要关心StopIteration的错误。

　　第二种创建方式：在一个函数定义中包含yield关键字

def f(max):
    n,a,b=0,0,1
    while n<max:
        yield b
        a,b=b,a+b
        n=n+1
    return 'done'
for m in f(6):
    print(m)

输出结果：

1
1
2
3
5
8

generator和函数的执行流程不一样，函数是顺序执行的，遇到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。

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：

g1=f(6)
while True:
    try:
        x=next(g1)
        print('g:',x)
    except StopIteration as e:
        print(e.value)
        break

输出结果：

g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
done

4.迭代器

　　可以直接作用于for循环的数据类型有以下几种：

　　1.集合数据类型：list、tuple、dict、set、str。

　　2.generator类型，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 import Iterable
print(isinstance([],Iterable))
print(isinstance(123,Iterable))

输出结果：

True
False

　　可以被next（）函数调用并不断返回下一个值得对象称为迭代器：Iterator。可以使用isinstance判断一个对象是否是Iterator对象：

from collections import Iterator
print(isinstance((x*x for x in range(10)),Iterator))
print(isinstance([],Iterator))

输出结果:

True
False

　　生成器是Iterator对象，可以使用iter（）函数把Iterable变成Iterator：

print(isinstance(iter([]),Iterator))

输出结果：
True

　　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。

　　Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。