python高级特性（list、generator、zip、iterable）

python数据类型，专栏总目录：

1.python基本数据类型和变量

2.python高级特性

 

1、迭代（Iteration）

1.1、迭代

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）。

d = {'a': 1, 'b': 2, 'c': 3}
for key in d:  #按key迭代
for value in d.values():  #按values迭代
for k, v in d.items():  #按key、value迭代

1.2、判断一个对象是否可迭代

通过collections模块的Iterable类型判断：

>>> from collections import Iterable
>>> isinstance('abc', Iterable) # str是否可迭代
True

1.3、对list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

for循环里，同时引用了两个变量很常见，比如下面的代码：

>>> for x, y in [(1, 1), (2, 4), (3, 9)]:
...     print(x, y)

设置enumerate的index迭代起始值：

strides = [4, 8, 16, 32]
for i, stride in enumerate(strides[1:], 2):
    print(i, stride)
=>
2 8
3 16
4 32

1.4、zip封装迭代参数

a = [1, 3, 5]
b = ["a", "b", "c"]
for v in zip(a, b):
    print(v)

2、列表生成式

2.1、list(range())

生成序列list(range(m, n))，生成m~n-1的序列。

>>> list(range(1, 11))
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

2.2、使用列表推推导

1）使用列表推导用一行语句代替循环生成list：

>>> [x * x for x in range(1, 11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

2）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]

3）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']

3、生成器

在Python中，这种一边循环一边计算的机制，称为生成器：generator。要创建一个generator，有多种方法，如下：

3.1、把一个列表生成式的[]改成()，即创建了一个generator

>>> g = (x * x for x in range(10))

g是一个generator，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)
81
>>> 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。

上面这种不断调用next(g)实在是太变态了，正确的方法是使用for循环，并且不需要关心StopIteration的错误，因为generator也是可迭代对象：

>>> for n in g:
...     print(n)
0
...
81

3.2、用函数来实现generator

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
    return 'done' # 异常时，抛出值。

如果一个函数定义中包含yield关键字，那么这个函数就是一个generator：

>>> f = fib(6)
<generator object fib at 0x104feaaa0>

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。

3.3、捕获StopIteration错误

>>> g = fib(6)
>>> while True:
	try:
	    x = next(g)
	    print('g:', x)
	except StopIteration as e:
	    print('Generator return value:', e.value)
	    break

4、迭代器

可以直接作用于for循环的数据类型称为可迭代对象：Iterable。有以下几种：

1）集合数据类型，如list、tuple、dict、set、str等；

2）generator，包括生成器和带yield的generator function。

4.1、isinstance()判断对象是否是Iterable

>>> from collections import Iterable
>>> isinstance([], Iterable)
True

4.2、可以被next()函数调用的对象称为迭代器Iterator

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

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 

Iterator可以把这个数据流看做是一个有序序列，但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。