切片
切片,即取出指定索引范围的操作,取一个list或tuple的部分元素。
>>> L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']
>>> 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]
['Michael', 'Sarah', 'Tracy']
Python支持L[-1]
取倒数第一个元素,那么它同样支持倒数切片。倒数第一个元素的索引为-1
。
>>> L[-2:]
['Bob', 'Jack']
>>> L[-2:-1]
['Bob']
切片操作的实例,先创建一个0-99的数列。
>>> L = list(range(100))
>>> L
[0, 1, 2, 3, ..., 99]
前10个数:
>>> L[:10]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
后10个数:
>>> L[-10:]
[90, 91, 92, 93, 94, 95, 96, 97, 98, 99]
前11-20个数:
>>> L[10:20]
[10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
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]
[0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]
只写[:]就可以原样复制一个list:
>>> L[:]
[0, 1, 2, 3, ..., 99]
注意!a=b
和a=b[:]
的区别:
a=b
是将变量a
和b
同时指向b
中内容的地址(a
和b
指向同一地址,对a
或者b
的改变会影响另一个)。
而a=b[:]
则是将b
的数据复制了一份,赋值给了a
(a
和b
指向不同地址,对a
和b
的操作互不影响)。
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'
练习:
利用切片操作,实现一个trim()函数,去除字符串首尾的空格。
函数实现:
def trim(s):
if s == '':
return s
if s[0] == ' ':
s = trim(s[1:])
elif s[-1] == ' ':
s = trim(s[:-2])
return s
测试:
if trim('hello ') != 'hello':
print('测试失败!')
elif trim(' hello') != 'hello':
print('测试失败!')
elif trim(' hello ') != 'hello':
print('测试失败!')
elif trim(' hello world ') != 'hello world':
print('测试失败!')
elif trim('') != '':
print('测试失败!')
elif trim(' ') != '':
print('测试失败!')
else:
print('测试成功!')
测试结果:
PS D:\MyCode\PythonCode\Test> & D:/Tool/Python/Python311/python.exe d:/MyCode/PythonCode/Test/hello.py
测试成功!
迭代
如果给定一个list或tuple,我们可以通过for...in
循环来遍历这个list或tuple,这种遍历我们称为迭代(Iteration)。任何可迭代对象都可以作用于for
循环,包括我们自定义的数据类型,只要符合迭代条件,就可以使用for
循环。
Python的for
循环不仅可以用在list或tuple上,还可以作用在其他可迭代对象上(没有下标的可迭代对象),例如字典dict。
>>> d = {'a':1, 'b':2, 'c':3}
>>> for key in d:
... print(key)
...
a
b
c
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。
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()
。
>>> for value in d.values():
... print(value)
...
1
2
3
>>> for key,value in d.items():
... print(key,' ', value) #中间也可不加空格,python会自动在两个数据之间加一个空格
...
a 1
b 2
c 3
字符串也是可迭代对象。
>>> for c in 'abc':
... print(c)
...
a
b
c
如何判断一个对象是可迭代对象呢?方法是通过collections.abc
模块的Iterable
类型判断。
>>> from collections.abc import Iterable
>>> isinstance('abc', Iterable) # str是否可迭代
True
>>> isinstance([1,2,3], Iterable) # list是否可迭代
True
>>> isinstance(123, Iterable) # 整数是否可迭代
False
如何对list实现类似Java那样的下标循环?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)
...
0 a
1 b
2 c
练习:
使用迭代查找一个list中最小和最大值,并返回一个tuple。
函数实现:
def findMinAndMax(L):
if len(L) == 0:
return(None, None)
min = L[0]
max = L[0]
for key in L:
if min > key:
min = key
if max < key:
max = key
return min, max
测试:
if findMinAndMax([]) != (None, None):
print('测试失败!')
elif findMinAndMax([7]) != (7, 7):
print('测试失败!')
elif findMinAndMax([7, 1]) != (1, 7):
print('测试失败!')
elif findMinAndMax([7, 1, 3, 9, 5]) != (1, 9):
print('测试失败!')
else:
print('测试成功!')
测试结果:
PS D:\MyCode\PythonCode\Test> & D:/Tool/Python/Python311/python.exe d:/MyCode/PythonCode/Test/hello.py
测试成功!
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。用中括号[]
括起语句。
要生成[1x1, 2x2, 3x3, ..., 10x10]
。
方法一是循环:
>>> L = []
>>> for x in range(1, 11):
... L.append(x * x)
...
>>> L
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
方法二是列表生成式,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]
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。两个for
语句之间相接即可。
>>> [m + n for m in 'AB' for n in 'XYZ'] #字符串之间用+可以直接合并起来
['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ']
三层以上循环也可,只是很少用。
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。
>>> 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
['.emacs.d', '.ssh', '.Trash', 'Adlm', 'Applications', 'Desktop', 'Documents', 'Downloads', 'Library', 'Movies', 'Music', 'Pictures', 'Public', 'VirtualBox VMs', 'Workspace', 'XCode']
for
循环其实可以同时使用两个甚至多个变量,因此,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()]
['x=A', 'y=B', 'z=C']
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']
使用列表生成式的时候,只能用if
,不能加else
。因为跟在for
后面的if
是一个筛选条件,不能带else
,否则无法筛选。
>>> [x for x in range(1, 11) if x % 2 == 0 else 0]
File "<stdin>", line 1
[x for x in range(1, 11) if x % 2 == 0 else 0]
^
SyntaxError: invalid syntax
如果把if
写在for
前面必须加else
,否则就会报错。
>>> [x if x % 2 == 0 for x in range(1, 11)]
File "<stdin>", line 1
[x if x % 2 == 0 for x in range(1, 11)]
^
SyntaxError: invalid syntax
因为for
前面的部分是一个表达式,它必须根据x计算出一个结果。考察表达式:x if x % 2 == 0
,它无法根据x
计算出结果,因为缺少else
,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]
总结: 在一个列表生成式中,for
前面的if ... else
是表达式,而for
后面的if
是过滤条件,不能带else
。
练习
如果list中既包含字符串,又包含整数,由于非字符串类型没有lower()
方法,所以列表生成式会报错:
>>> L = ['Hello', 'World', 18, 'Apple', None]
>>> [s.lower() for s in L]
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "<stdin>", line 1, in <listcomp>
AttributeError: 'int' object has no attribute 'lower'
使用内建的isinstance
函数可以判断一个变量是不是字符串:
>>> x = 'abc'
>>> y = 123
>>> isinstance(x, str)
True
>>> isinstance(y, str)
False
请修改列表生成式,通过添加if
语句保证列表生成式能正确地执行。
函数实现:
L1 = ['Hello', 'World', 18, 'Apple', None]
L2 = [s.lower() for s in L1 if isinstance(s, str)]
测试:
print(L2)
if L2 == ['hello', 'world', 'apple']:
print('测试通过!')
else:
print('测试失败!')
测试结果:
PS D:\MyCode\PythonCode\Test> & D:/Tool/Python/Python311/python.exe d:/MyCode/PythonCode/Test/hello.py
['hello', 'world', 'apple']
测试通过!
生成器
受到内存限制,列表容量肯定是有限的。如果列表元素可以按照某种算法推算出来,就可以在循环的过程中不断推算出后续的元素。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。
创建生成器的方法一:类似列表生成器,只是将[]
换成()
即可。
>>> L = [x * x for x in range(10)] # 列表生成式
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(4)) # 生成器
>>> g
<generator object <genexpr> at 0x00000292150EF030>
打印generator的每一个元素,可以通过next()
函数获得generator的下一个返回值。
>>> next(g)
0
>>> next(g)
1
>>> next(g)
4
>>> next(g)
9
>>> next(g)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
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。
上面打印generator的元素可以使用更为简单的for
循环。
>>> g = (x * x for x in range(4))
>>> for x in g:
... print(x) # 注意缩进
...
0
1
4
9
创建生成器的方法二:如果推算的算法比较复杂,用类似列表生成式的for
循环无法实现的时候,还可以用函数来实现。
著名的斐波拉契数列(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:
1, 1, 2, 3, 5, 8, 13, 21, 34, …
用函数把它打印出来:
def fib(max):
n, a, b = 0, 0, 1 # 对应赋值,相当于n=0 a=0 b=1
while n < max:
print(b)
a, b = b, a + b # a=b b=a+b
n = n + 1
return 'done'
赋值语句:a, b = b, a + b
相当于:
t = (b, a + b) # t是一个tuple
a = t[0]
b = t[1]
上面的函数可以输出斐波那契数列的前N个数:
>>> fib(6)
1
1
2
3
5
8
'done'
上面的函数和generator仅一步之遥,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 # 注意
a, b = b, a + b
n = n + 1
return 'done'
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函数,调用一个generator函数将返回一个generator。
>>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0>
普通函数是顺序执行,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。
举个简单的例子,定义一个generator函数,依次返回数字1,3,5:
def odd():
print('step 1')
yield 1
print('step 2')
yield(3)
print('step 3')
yield(5)
调用该generator函数时,首先要生成一个generator对象,然后用next()
函数不断获得下一个返回值:
>>> o = odd()
>>> next(o)
step 1
1
>>> next(o)
step 2
3
>>> next(o)
step 3
5
>>> next(o)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
注意! 调用generator函数会创建一个generator对象,多次调用generator函数会创建多个相互独立的generator。
这样调用next()
每次都返回1:
>>> next(odd())
step 1
1
>>> next(odd())
step 1
1
原因在于odd()
会创建一个新的generator对象,上述代码实际上创建了3个完全独立的generator,对3个generator分别调用next()
当然每个都会返回第一个值。
正确的写法是创建一个generator对象,然后不断对这一个generator对象调用next()
:
>>> g = odd()
>>> next(g)
step 1
1
>>> next(g)
step 2
3
回到fib
的例子,在循环过程中不断调用yield
,就会不断中断。当然要给循环设置一个条件来退出循环,不然就会产生一个无限数列出来。把函数改成generator函数后,我们基本上从来不会用next()
来获取下一个返回值,而是直接使用for
循环来迭代。
>>> for n in fib(6):
... print(n)
...
1
1
2
3
5
8
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: # 没有捕获到错误就执行 try下面的语句
... x = next(g)
... print('g:', x)
... except StopIteration as e: #捕获到StopIteration错误,执行下面的语句
... print('Generator return value:', e.value)
... break
...
g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
Generator return value: done
generator的工作原理:它是在for
循环的过程中不断计算出下一个元素,并在适当的条件结束for
循环。对于函数改成的generator来说,遇到return
语句或者执行到函数体最后一行语句,就是结束generator的指令,for
循环随之结束。
普通函数调用直接返回结果:
>>> r = abs(6)
>>> r
6
generator函数的调用实际返回一个generator对象:
>>> g = fib(6)
>>> g
<generator object fib at 0x1022ef948>
练习
打印杨辉三角。
函数实现:
def triangles():
a = [1]
b = [1, 1]
while True:
yield a # 生成器的标志性语句
a = b
b = [1] + [a[i] + a[i + 1] for i in range(len(b) - 1)] + [1] # 第一个和最后一个数确定是1,中间的数字用生成器
测试:
n = 0
results = []
for t in triangles():
results.append(t)
n = n + 1
if n == 10:
break
for t in results:
print(t)
if results == [
[1],
[1, 1],
[1, 2, 1],
[1, 3, 3, 1],
[1, 4, 6, 4, 1],
[1, 5, 10, 10, 5, 1],
[1, 6, 15, 20, 15, 6, 1],
[1, 7, 21, 35, 35, 21, 7, 1],
[1, 8, 28, 56, 70, 56, 28, 8, 1],
[1, 9, 36, 84, 126, 126, 84, 36, 9, 1]
]:
print('测试通过!')
else:
print('测试失败!')
测试结果:
PS D:\MyCode\PythonCode\Test> & D:/Tool/Python/Python311/python.exe d:/MyCode/PythonCode/Test/hello.py
[1]
[1, 1]
[1, 2, 1]
[1, 3, 3, 1]
[1, 4, 6, 4, 1]
[1, 5, 10, 10, 5, 1]
[1, 6, 15, 20, 15, 6, 1]
[1, 7, 21, 35, 35, 21, 7, 1]
[1, 8, 28, 56, 70, 56, 28, 8, 1]
[1, 9, 36, 84, 126, 126, 84, 36, 9, 1]
测试通过!
迭代器
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(即带yield
的函数改成的generator函数)。
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.abc import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance('abc', Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100, Iterable)
False
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
。
注意区分可迭代对象:Iterable
和迭代器:Iterator
。
可以使用isinstance()
判断一个对象是否是Iterator
对象。
>>> from collections.abc import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False
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
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,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。
总结
- 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,例如:
for x in [1, 2, 3, 4, 5]:
pass
实际上完全等价于:
#首先获得Iterator对象:
it = iter([1, 2, 3, 4, 5])
#循环:
while True:
try:
# 获得下一个值:
x = next(it)
except StopIteration:
# 遇到StopIteration就退出循环
break