-
学习来源:python廖雪峰个人网站https://www.liaoxuefeng.com/wiki/1016959663602400
另一个不错的网站:菜鸟教程(包含,python,Java,PHP等多种语言,资源全部免费)https://www.runoob.com/python3/python3-tutorial.html
-
高级特性
-
高级特性
-
比如构造一个
1, 3, 5, 7, ..., 99
的列表,可以通过循环实现:L = [] n = 1 while n <= 99: L.append(n) n = n + 2
-
在Python中,代码不是越多越好,而是越少越好。代码不是越复杂越好,而是越简单越好。
-
-
切片
-
取一个list和tuple的部分元素是非常常见的操作:比如,一个list如下:
>>> L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']
-
对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3个元素,用一行代码就可以完成切片:
>>> L[0:3] ['Michael', 'Sarah', 'Tracy']
L[0:3]
表示,从索引0
开始取,直到索引3
为止,但不包括索引3
。即索引0
,1
,2
,正好是3个元素。如果第一个索引是0
,还可以省略:L[:3] -
倒数切片,试试:
>>> L[-2:] ['Bob', 'Jack'] >>> L[-2:-1] ['Bob']
记住倒数第一个元素的索引是
-1
。 -
前10个数,每两个取一个:
>>> L[:10:2] [0, 2, 4, 6, 8]
所有数,每5个取一个:
>>> L[::5]
-
甚至什么都不写,只写
[:]
就可以原样复制一个list:>>> L[:] [0, 1, 2, 3, ..., 99]
-
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:
>>> (0, 1, 2, 3, 4, 5)[:3] (0, 1, 2)
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:>>> 'ABCDEFG'[:3] 'ABC' >>> 'ABCDEFG'[::2] 'ACEG'
-
注意:L(0:3),是三个元素,0,1,2不包括最后第三个
-
-
迭代iteration
-
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) -
迭代是通过
for ... in
来完成的。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: -
>>> d = {'a': 1, 'b': 2, 'c': 3} >>> for key in d:#dict没有下标,利用key进行迭代的 ... print(key) ... a c b
-
dict元素不是按顺序排列,每次迭代的结果很可能不一样。默认情况下,dict迭代的是key。如果要迭代value,可以用
for value in d.values()
,如果要同时迭代key和value,可以用for k, v in d.items()
-
字符串也是可迭代对象,for ch in 'ABC': print(ch)
-
如何判断一个对象是可迭代对象呢?方法是通过collections模块的Iterable类型判断:
>>> from collections import Iterable >>> isinstance('abc', Iterable) # str是否可迭代 True
-
实现下标循环,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']): ... print(i, value)
-
-
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,要生成list
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
可以用list(range(1, 11)),包含开头1,但是不不不包含结尾11
-
生成
[1x1, 2x2, 3x3, ..., 10x10],用循环的话太麻烦,
而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)] [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
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,十分有用 -
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] [4, 16, 36, 64, 100]
-
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'] ['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']
三层和三层以上的循环就很少用到了。
-
运用列表生成式,可以写出非常简洁的代码。例如,列出当前目录下的所有文件和目录名,可以通过一行代码实现:
>>> import os # 导入os模块,模块的概念后面讲到 >>> [d for d in os.listdir('.')] # os.listdir可以列出文件和目录
- 列表生成式也可以使用两个变量来生成list:
>>> d = {'x': 'A', 'y': 'B', 'z': 'C' } >>> [k + '=' + v for k, v in d.items()] ['y=B', 'x=A', 'z=C']
最后把一个list中所有的字符串变成小写:
>>> L = ['Hello', 'World', 'IBM', 'Apple'] >>> [s.lower() for s in L] ['hello', 'world', 'ibm', 'apple']
-
-
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,而且当生成数很大时,不仅占用很大空间,而且当调用量较少时,会浪费空间
-
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
-
一边循环一遍计算的机制,称为生成器:generator
-
创建generator的方法:
-
(1)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)] >>> L [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] >>> g = (x * x for x in range(10)) >>> g <generator object <genexpr> at 0x1022ef630>
创建
L
和g
的区别仅在于最外层的[]
和()
,L
是一个list,而g
是一个generator。 -
(2)利用yield 转换,具体如下
-
-
打印generator值的方法:
-
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) 0
-
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 -
如果要全部输出的,使用for循环便可,generator也是可迭代对象
g = (x * x for x in range(10)) >>> for n in g: ... print(n)
-
-
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 while n < max: print(b) a, b = b, a + b n = n + 1 return 'done'
注意,赋值语句:
a, b = b, a + b
相当于:tuple
t = (b, a + b) # t是一个tuple a = t[0] b = t[1]
但不必显式写出临时变量t就可以赋值
-
yield,类似于print(),用于输出,生成器遇到yield就中断,类似于函数中的return,而遇到next()就继续
要把
fib
函数变成generator,只需要把print(b)
改为yield b
就可以了:def fib(max): n, a, b = 0, 0, 1 while n < max: yield b a, b = b, a + b n = n + 1 return 'done'
这就是定义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 -
最难理解的就是generator和函数的执行流程不一样。函数是顺序执行,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:>>> g = fib(6) >>> while True: ... try: ... x = next(g) ... print('g:', x) ... except StopIteration as e: ... print('Generator return value:', e.value) ... break ... g: 1 g: 1 g: 2 g: 3 g: 5 g: 8 Generator return value: done
-
-
迭代器
-
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 -
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:>>> isinstance(iter([]), Iterator) True >>> isinstance(iter('abc'), Iterator) True
而为什么,list,dict,str等数据类型不是Iterator呢?
-
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。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。Python的
for
循环本质上就是通过不断调用next()
函数实现的, -
-
-
-
-
三、高级特性——python廖雪峰学习笔记
最新推荐文章于 2022-10-09 22:52:28 发布