一、切片
1、定义:
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。
2、语法:
A[1:3] 取出1到3,都是正数的情况下,缺填的为0(第一个),end(最后一个)
B[-3:] 取出倒数第三个到倒数第一个,都是负数的情况下,缺填的为-1(最后一个)
C[1:10:2] 从1到10,每2个取一个
跟matlab差不多的语法,就是对一个向量可以进行矩阵操作。可以对List.tuple,string,dict,set等使用
二、切片
1、定义:
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)。
2、Python迭代特殊点:
Python的 for
循环 抽象程度要高于Java的 for
循环 ,因为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。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:
... print(key)
...
a
c
b
由于dict不是顺序排列的,所以迭代出来的结果,可能顺序不同。
3、dict迭代注意点:
(1)可以按照key(默认)迭代,如上
(2)也可以按照value迭代
for value in d.values()
(3)也可以两者同时迭代(python特殊点)
for k, v in d.items()
4、如何判断是否可迭代:使用collections模块的iterable类型进行判断
>>> from collections 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
5、如何实现C语言的下标实现:Python内置的enumerate
函数可以把一个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
三、列表生成器
1、定义:
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。
2、语法:
(1)基础式:
>>> list(range(1, 11))
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
(2)提高式:
>>> [x * x for x in range(1, 11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
即:前面为运算,后面跟一个迭代
(3)双循环式:
>>> [m + n for m in 'ABC' for n in 'XYZ']
['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']
(4)多变量式
>>> d = {'x': 'A', 'y': 'B', 'z': 'C' }
>>> [k + '=' + v for k, v in d.items()]
['y=B', 'x=A', 'z=C']
(5)判断式:
>>> [x * x for x in range(1, 11) if x % 2 == 0]
[4, 16, 36, 64, 100]
四、生成器:
1、定义:
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,创建一个包含100万个元素的列表,不仅占用很大的存储空间,如果我们仅仅需要访问前面几个元素,那后面绝大多数元素占用的空间都白白浪费了。所以,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。在Python中,这种一边循环一边计算的机制,称为生成器:generator。
2、列表生成式改良创建生成器:
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>
3、打印方法:
(1)next()
>>> next(g)
0
>>> next(g)
1
>>> next(g)
4
>>> next(g)
9
>>> next(g)
16
>>> next(g)
25
>>> next(g)
36
>>> next(g)
49
>>> next(g)
64
>>> next(g)
81
>>> next(g)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
(2)for循环打印
>>> g = (x * x for x in range(10))
>>> for n in g:
... print(n)
...
0
1
4
9
16
25
36
49
64
81
4、使用函数创建生成器
(1)斐波那契数列打印函数:
def fib(max):
n, a, b = 0, 0, 1
while n < max:
print(b)
a, b = b, a + b
n = n + 1
return 'done'
(2)斐波那契数列生成器:
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
return 'done'
要把fib
函数变成generator,只需要把print(b)
改为yield b
就可以了
(3)定义:
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。
(4)练习:
def triangles():
L = [1]
while True:
yield L
L.append(0)
L = [L[i - 1] + L[i] for i in range(len(L))]
n = 0 for t in triangles(): print(t) n = n + 1 if n == 10: break
5、讨论:
(1)要理解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。
(2)函数与generator区别
五、迭代器
1、可迭代对象
(1)定义:
可以直接作用于for
循环的对象统称为可迭代对象:Iterable
。
(2)分类:
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。
(3)判断方法:
可以使用isinstance()
判断一个对象是否是Iterable
对象:
>>> from collections 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
2、生成器:
(1)定义:
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
。
(2)判断方法:
可以使用isinstance()
判断一个对象是否是Iterator
对象:
>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False
(3)生成器都是Iterator
对象,但list
、dict
、str
虽然是Iterable
,却不是Iterator
。
(4)Iterable 转换成 Iterator
>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True
3、讨论
(1)凡是可作用于for
循环的对象都是Iterable
类型;
(2)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,只有在需要返回下一个数据时它才会计算
(3)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。
(4)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