切片
- 切片很简单就是用索引的方式获取str、list、tuple的元素
- 具体的规则:
str[begin_index:end_index:step]
迭代
- 能够使用 for–in 循环进行遍历就是可迭代的
- 判断一个对象是否可以使用 for–in
from collections import Iterable
print(isinstance({'a':12,'b':34}, Iterable))
-
字典迭代:默认迭代的是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()
-
list下标循环:可以使用while实现,也可以用for–in结合enumerate函数实现
for i, value in enumerate(['A', 'B', 'C']):
print(i, value)
列表生成式
- 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,代码简洁
list(range(1, 11))
[x * x for x in range(1, 11) if x % 2 == 0]
[m + n for m in 'ABC' for n in 'XYZ']
d = {'x': 'A', 'y': 'B', 'z': 'C' }
[k + '=' + v for k, v in d.items()]
L = ['Hello', 'World', 'IBM', 'Apple']
[s.lower() for s in L]
生成器generator
- 在Python中,这种一边循环一边计算的机制,称为生成器:generator
一、generator的两种定义方式
1、第一种:改造list生成式
- 使用next方法取元素的时候,如果没有更多的元素了会抛出StopIteration的错误
- 使用 for-in就不会有上面的问题,generator也是可迭代的
g = (x * x for x in range(10))
next(g)
2、第二种:使用 yield
- 斐波拉契数列的generator改造
def fib(max):
n, a, b = 0, 0, 1
while n < max:
print(b)
a, b = b, a + b
n = n + 1
return 'done'
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
return 'done'
示例说明
- 一个函数定义中包含yield关键字,那么这个函数就是一个generator
- 注意上面的例子中的这种赋值方式:
a, b = b, a + b
第二种generator的执行流程
- 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
generator函数的return返回值获取
- 使用 for–in 进行迭代是无法获取return 后面的返回值的
- 只有使用 next 方法,捕获StopIteration错误,返回值包含在StopIteration的value属性中
- 普通函数调用直接返回结果,generator函数的调用实际返回一个generator对象
g
g = fib(6)
while True:
try:
x = next(g)
print('g:', x)
except StopIteration as e:
print('Generator return value:', e.value)
break
迭代器
一、可迭代类型和迭代器
- 凡是可作用于for循环的对象都是
Iterable
类型,list、tuple、dict、set、str、generator
都是的 - 凡是可作用于next()函数的对象都是
Iterator
类型,表示一个惰性计算的序列,generator
就是 - 继承结构来看,Iterator是Iterable的子类,所以Iterator一定是Iterable
- 集合数据类型如list、dict、str等是Iterable但不是Iterator,但可以通过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,dict等会被自动转化为Iterator