列表解析
处理序列的操作和列表的方法中,Python还包括了一个更高级的操作,称作列表解析表达式(list comperhension expreesion),从而提供一种处理更像矩阵这样结构的强大工具。例如,假设我们需要从列表的矩阵中提取到第二列,因为矩阵是按照行进行存储的,所以通过简单的索引即可获得行,使用列表解析可以同样简单地获取列。
col2 = [row[1] for row in M]
col # [2,5,8]
M # [[1,2,3],[4,5,6],[7,8,9]]
列表解析源自集合的 概念,它是一种通过对序列中的每一项运行一个表达式来创建一个新列表的方法,每次一个,从左到右。
列表解析是编写在方括号中的(提醒你在创建列表这个事实),并且由使用了同一个变量名的(这里是row)表达式和循环结构组成。
之前的这个列表解析表达基本上就是它字面上所讲的:“把矩阵M的每个row中的row[1],放在一个新的列表中”。
其结果就是一个包含了矩阵的第二列的新列表。
实际应用中的列表解析可以更复杂:
[row[1]+1 for row in M]
# [3,6,9]
[row[1] for row in M if row[1] % 2 == 0]
# [2,8]
例如,这里的第一个操作,把它搜集到的每一个元素都加了1,第二个使用了一个if
条件语句,通过使用%
求余表达式(取余数)过滤了结果中的奇数。列表解析创建了新的列表作为结果,但是能够在任何可迭代的对象上进行迭代。例如,这里我们将使用列表解析去步进坐标的一个硬编码列表和一个字符串:
diag = [M[i][i] for i in [0,1,2]]
diag # [1,5,9]
doubles = [c *2 for c in 'spam']
doubles #['ss','pp','aa','mm']
列表解析以及相关的内容函数map
和filter
比较复杂,本书不过多讲述了。这里简要说明的目的是描绘出python中有简单的工具,也有高级的工具,列表解析是一个可选的特性,在实际应用中比较方便,并常常具有处理速度上的优势。它们也能够在python的任何的序列类型中发挥作用,甚至一些不属于序列的类型。
G = (sum(row) for row in M)
next(G) # 6
next(G) # 15
内置函数map可以做类似的事情,产生对各项运行一个函数的结果
list(map(sum,M))
# [6,15,24]
{sum(row) for row in M}
#{24,6,15}
{i:sum(M[i]) for i in range(3)}
#{0:6,1:15,2:24}
[ord(x) for x in 'spaam']
#[115,112,97,97,109]
{ord(x) for x in 'spaam'}
#{112,97,115,109}
{x:ord(x) for x in 'spaam'}
#{'a':97,'p':112,'s':115,'m':109}