一、切片
L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']
L[0:3] #从索引0开始取,直到索引3为止,不包括3
L[:3] #第一个索引是0,可以省略
#倒数切片
L[-2:] #['Bob', 'Jack'],从倒数第二个一直取到最后一个
L[-2:-1] #['Bob'],从倒数第二个一直取到倒数第一个,不包括倒数第一个
L[::2] #每2个取一个,从序号0开始取,序号0是第一个
L[:] #原样复制一个list
tuple也可以用切片操作,操作的结果仍是tuple
字符串也可以用切片操作,操作结果仍然是字符串
Python没有针对字符串的截取函数,只需要切片一个操作就可以完成。
二、迭代
对给定的list或tuple,通过for循环来遍历它,这个过程称为迭代。在Python中,迭代通过for ... in
来完成。
只要是可迭代对象,都可以迭代。
dict的迭代:
d = {'a': 1, 'b': 2, 'c': 3}
#默认情况下,dict迭代的是key
for key in d:
print(key)
#迭代value
for value in d.values()
#迭代key
for k, v in d.items()
字符串也是可迭代对象
判断对象是否是可迭代对象
from collections import Iterable
isinstance('abc', Iterable) #True
想在python中实现下标循环,可以使用内置函数enumerate
把一个list变成索引-元素对
for i, value in enumerate(['A', 'B', 'C']):
print(i, value)
'''
0 A
1 B
2 C
'''
for x, y in [(1, 1), (2, 4), (3, 9)]:
print(x, y)
'''
1 1
2 4
3 9
'''
三、列表生成式
如果要生成[1x1, 2x2, 3x3, ..., 10x10]
[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
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。
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']
if…else在列表生成式中的使用
跟在for后面的if是一个筛选条件,不能带else
在for前面的if是一个表达式,必须加上else
[x if x % 2 == 0 else -x for x in range(1, 11)] #[-1, 2, -3, 4, -5, 6, -7, 8, -9, 10]
四、生成器
与列表生成式不同,列表生成式创建的列表包含元素过大的话,会占用很多存储空间。但生成器是一边循环一边计算的,节省了大量的空间
1、generator定义方法一
用小括号而不是中括号
g = (x * x for x in range(10)) #g就是一个generator生成器
但生成器的每一个元素不能直接打印出来,需要通过next()
函数获得。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。也可以用for循环迭代,并不会触发StopIteration
错误。
next(g) #0
next(g) #1
next(g) #4
next(g) #9
for n in g:
print(n)
2、generator定义方法二
函数定义中包含yield
关键字。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。
以斐波拉契数列为例:
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
return 'done'
for n in fib(6):
print(n)
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:
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
'''
五、迭代器
可直接作用于for循环的数据类型有下面两种:
- 集合数据类型,如
list
、tuple
、dict
、set
、str
等 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
。
而可以被next()函数调用并不断返回下一个值的对象称为迭代器
:Iterator
。
生成器都是Iterator
对象,但list
、dict
、str
虽然是Iterable
,却不是Iterator
。
iter()
iter()
函数可以将list
、dict
、str
等Iterable
变成Iterator
isinstance(iter([]), Iterator) #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。