Python3 高级特性

嵌入式视觉

已于 2022-12-08 20:12:05 修改

阅读量271

点赞数

分类专栏： Python编程开发文章标签：切片迭代列表生成式迭代器

于 2022-09-07 20:57:20 首次发布

本文链接：https://blog.csdn.net/qq_20986663/article/details/126753470

版权

Python编程开发专栏收录该内容

14 篇文章 1 订阅

订阅专栏

本文为学习笔记，参考资料《廖雪峰-Python3教程》

掌握了 Python 的数据类型、语句和函数，基本上就可以编写出很多有用的程序了。但是我们还需要掌握Python的一些高级特性，精简代码。一行代码能实现的功能，绝不写5行代码。Python的高级特性：切片，迭代，列表生成式，生成器，迭代器。

切片

对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。取前 3 个元素，用一行代码就可以完成切片：
切片代码
切片实例
注意：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：

迭代

只要是可迭代对象，都可以用切片、索引、enumarate 等操作。
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），迭代时 Python 最强大的功能之一，是访问集合元素的一种方式。list 这种数据类型虽然有下标，但很多其他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：
迭代实例
因为 dict 的存储不是按照 list 的方式顺序排列，所以，迭代出的结果顺序很可能不一样（key 是无序的）。默认情况下， dict 迭代的是 key。

如果要迭代 value，可以用 for value dict.values()。
如果要同时迭代 key 和 value，可以用 for k, v in dict.items()。
想要使用 dict 时，Key 是有序的，可以用 OrderedDict，如下：

from collections import OrderedDict
od = OrderedDict()
od['z'] = 1
od['y'] = 2
od['x'] = 3
list(od.keys())  # 按照插入的 Key 的顺序返回['z', 'y', 'x']

字符串也是可迭代对象，因此，也可以作用于for 循环：
迭代字符串
所以，当我们使用 for 循环时，只要作用于一个可迭代对象， for 循环就可以正常运行，而我们不太关心该对象究竟是 list 还是其他数据类型。可通过 collections 模块的 Iterable 类型判断一个对象是否可迭代。list，tuple，dict，字符串对象都是可迭代对象。

注意：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 循环中迭代索引和列表元素本身。例子如下：
enumerate函数迭代

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，可以让代码更简洁好看。比如实际项目中，如果碰到需要改变列表（迭代器）元素值的情况，简单写法是用 for 循环遍历出元素，然后处理，但是当循环体的代码只有一行或者比较简单时，可以考虑用列表生成式的高级写法代替原先的简单写法，让代码更简洁。如以下代码可用列表生成式写法代替：

>>> L = []
>>> for x in range(1, 11):
... L.append(x * x)
...
>>> L
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

很明显，上述代码的循环太繁琐，而列表生成式则可以用一行语句代替循环生成上面的 list。写列表生成式时，把要生成的元素 x * x 放到前面，后面跟 for 循环，就可以把 list 创建出来，代码如下。
列表生成式代码1
对于两层 for 循环的情况左边的循环是外层循环，右边的循环是内层循环，三层和三层以上的循环也等效，不过实际项目中很少用到。

运用列表生成式，可以写出非常简洁的代码。例如，把一个 list 中所有的字符串变成小写，可以通过一行代码实现：
列表生成式代码2

Python列表生成式配合 if else

[i for i in range(k) if condition]：此时 if 起条件判断作用，满足条件的，将被返回成为最终生成的列表的一员。
[i if condition else exp for exp]：此时 if…else... 是三元表达式写法，被用来赋值，满足条件的 if 以及 else 被用来生成最终的列表。

代码示例如下：

print([i for i in range(10) if i%2 == 0])
print([i if i == 0 else 100 for i in range(10)])

程序输出如下：

[0, 2, 4, 6, 8]
[0, 100, 100, 100, 100, 100, 100, 100, 100, 100]

列表生成式和和 zip 函数结合使用

语法：[expression for x, y in zip(list1, list2)]，列表 list1 和 list2 长度要相等，如果不相等，则按照小的列表长度来遍历元素。
示例代码如下：

import numpy as np
list1 = np.arange(0,51)  # 创建序列数组
list2 = np.linspace(0, 100,51, dtype=int)
ret1 = [x1+y1 for x1,y1 in zip(list1, list2)]  # 列表 list1 和 list2 长度相等
print(ret1, len(ret1))

程序运行结果如下：

[0, 3, 6, 9, 12, 15, 18, 21, 24, 27, 30, 33, 36, 39, 42, 45, 48, 51, 54, 57, 60, 63, 66, 69, 72, 75, 78, 81, 84, 87, 90, 93, 96, 99, 102, 105, 108, 111, 114, 117, 120, 123, 126, 129, 132, 135, 138, 141, 144, 147, 150] 51

小结

运用列表生成式，可以快速生成 list，可以通过一个 list 推导出另一个 list，而代码却十分简洁。在一个列表生成式中，for 前面的 ...if ... else... 是三元表达式写法，而 for 后面的 if 是过滤条件，不能带 else。注意：列表生成式只能判断最最基础的 if else 语句，不适用于 elif 语句。

>>> [x for x in range(1, 11) if x % 2 == 0]
[2, 4, 6, 8, 10]
>>> [x if x % 2 == 0 else -x for x in range(1, 11)]
[-1, 2, -3, 4, -5, 6, -7, 8, -9, 10]

通过一个list生成一个新list

迭代器

先了解下什么是可迭代对象（Iterable）。我们知道，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 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：

迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退。
迭代器有两个基本的方法：iter() 和 next()。
字符串，列表或元组对象都可用于创建迭代器

>>> list=[1,2,3,4]
>>> it = iter(list)    # 创建迭代器对象
>>> print (next(it))   # 输出迭代器的下一个元素
1
>>> print (next(it))
2
>>>

可以使用 isinstance() 判断一个对象是否是 Iterable 对象：
判断对象是否是 Iterable对象
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：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，迭代器 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。

小结

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。

生成器（Generator）

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白白浪费了。

如果列表元素可以按照某种算法推算出来，那我们是否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：

 g = (x*x for x in np.arange(10))

创建列表生成式 L 和迭代器 g 的区别仅在于最外层的 [] 和 ()， L 是一个 list，而 g 是一个generator。除了用列表生成式的 for 循环方式创建 generator，还可以使用函数来实现，在 Python 中，使用了 yield 的函数被称为生成器（generator）。

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。如用 yield 实现斐波那契数列生成器函数：

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。

#!/usr/bin/python3
import sys
def fibonacci(n): # 生成器函数 - 斐波那契
    a, b, counter = 0, 1, 0
    while True:
        if (counter > n): 
            return
        yield a
        a, b = b, a + b
        counter += 1
f = fibonacci(10) # f 是一个迭代器，由生成器返回生成

while True:
    try:
        print (next(f), end=" ")
    except StopIteration:
        sys.exit()