参考原文
开篇:高级特性是用来简化我们常用操作的特性,合理利用高级特性可以使代码更简洁、明了。
切片
取list或tuple中的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,能大大简化这种操作。示例:
>>> L = ['a', 'b', 'c', 'd']>>> L[0:3]
['a', 'b', 'c']
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3个元素。如果第一个索引是0,还可以省略:
>>> L[:3]
['a', 'b', 'c']
还可以倒着取,记住倒数第一个数的索引是-1:
>>> L[-1:]
['d']>>> L[-2:-1]
['c']
>>> L = list(range(100))>>> L[:10:2]
[0,2, 4, 6, 8]>>>L[:]
[0,1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97, 98, 99]>>>
tuple也是一种list,区别是不可变,因此tuple也可以切片,结果依然是tuple:
>>> (0, 1, 2, 3, 4)[:3]
(0,1, 2)
字符串也可以看成一种list,每个元素就是一个字符,在很多编程语言中针对字符串提供了很多的截取函数(如substring),其实目的就是对字符串切片。在Python中没有针对字符串的截取函数,只需切片:
>>> 'ABCDEFGH'[::3]'ADG
迭代
对于一个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)。在Python中,迭代是通过for ... in来完成的,而很多语言如C语言,迭代list是通过下标完成的:
for (i=0;i
n=list[i];
}
可以看出,Python的for循环抽象程度要高于C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的对象上,如迭代dict:
>>> d = {'a': 1, 'b': 2, 'c': 3}>>> for key ind:print(key)
a
b
c
注: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()。
由于字符串也是可迭代对象,因此,也可以用作for循环:
>>> for ch in 'ABC':print(ch)
A
B
C
所以怎么判断一个对象是可迭代对象呢?方法是通过collections模块的Iterable类型判断:
from collections importIterableprint(isinstance('abc',Iterable)) #str是否可迭代 True
print(isinstance([1,2,3],Iterable)) #lis是否可迭代 True
print(isinstance(123,Iterable)) #整数是否可以迭代 False
如果要对list实现类似Java那样的下标怎么办?Python内置的enumerate函数可以把list变成索引-元素对:
>>> for i, value in enumerate(['a', 'b', 'c']):print(i, value)
0 a1b2 c
在for循环里还可以引用多个变量,这在Python里是很常见的:
>>> for x, y, z in[(1,2,3),(3,4,5)]:print(x, y, z)1 2 3
3 4 5
Tips: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
列表生成式
列表生成式(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。
问题:怎么生成[1x1, 2x2, 3x3, ..., 10x10]?
你可以使用循环:
>>> L =[]>>> for x in range(1, 11):
L.append(x*x)>>>L
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
但是使用循环难免显得太繁琐,而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]
还可以在for循环后面加上if判断用于筛选:
>>> [x * x for x in range(1,11) if x % 2 ==0]
[4, 16, 36, 64, 100]
由于for循环可以使用多个变量,所以列表生成式也可以用多个变量来生成list:
>>> d = {'x': 'A', 'y': 'B', 'z': 'C'}>>> [k + '=' + v for k, v ind.items()]
['x=A', 'y=B', 'z=C']
Tips:运用列表生成式,可以快速生成list,也可以通过一个list推导出另一个list,而代码却十分简洁。
生成器
上面介绍了列表生成式,通过它我们可以直接创建一个列表,但是如果我们创建了一个包含100万个元素的列表,我们却仅仅需要访问前面几个元素,这不就使得后面元素占用的内存空间白白浪费了吗?
所以,如果列表元素可以按照某种算法推算出来,在循环的过程中不断推算出后续的元素,这样就不必在一开始就创建完整的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。那么怎么创建一个generator呢?
1.可以把列表生成式的[]改成(),就创建出了一个generator:
>>> g = (x * x for x in range(10))>>>g at 0x0000018EBFF0F308>
我们知道可以直接打印出list的每一个元素,但我们怎么打印出generator中的每一元素呢?通过它的定义,我们知道应该在循环的过程中,不断获取下一个元素。通过next() 函数可以获得generator的下一个返回值:
>>>next(g)
0>>>next(g)1
若要获取generator中的所有元素,可以使用for 循环,因为generator也是可迭代对象:
>>> g = (x * x for x in range(10))>>> for n ing:print(n)
01
4
9
16
25
36
49
64
81
2.在介绍第2中方法前,我们先来谈一谈斐波那契数列(除第一,二两数外,任意一个数等于前两个数相加),我们应该能写出函数:
>>> deffib(max):
n, a, b,= 0, 0, 1
while n
a, b= b, a +b
n= n + 1
return 'done'
上面的函数可以输出斐波那契数列数列的前N个数:
>>> fib(6)1
1
2
3
5
8
'done'
我们认真观察可以发现fib函数实际上是定义了斐波那契数列的推算规则(从第一个元素开始,推算出后面的元素),这种逻辑不正是generator的思想吗?我们只需要做一个小小的改动,就可以把上面的fib函数变成generator,只需把print(b)改成yield b 就可以了:
>>> deffib(max):
n, a, b,= 0, 0, 1
while n
a, b= b, a +b
n= n + 1
return 'done'
这就是定义generator的另一种方法: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的函数,而是一个generator:
>>> f = fib(6)>>>f
>>> for n in fib(6):print(n)1
1
2
3
5
8
但这样就拿不到generator的return 语句的返回值。如果想要拿到返回值,就必须捕获StopIteration错误,返回值包含在StopIteration的 value 中:
>>> g = fib(6)>>> whileTrue:try:
x=next(g)print('g:',x)exceptStopIteration as e:print('Generator return value:', e.value)breakg:1g:1g:2g:3g:5g:8Generatorreturn value: done
Tips:generator和函数的执行流程不一样。函数时顺序执行,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,再执行时从yield语句处继续执行。
迭代器
我们已经知道能作用于for循环的对象都是可迭代对象:Iterable。数据类型可以分为集合数据类型:如list、tuple、dict、set、str等;另一类是generator:包括生成器和带yield的generator的函数。
迭代器(Iterator):可以被next()函数调用并不断返回下一个值的对象。可以使用isinstance()判断一个对象是否是Iterator对象:
>>> from collections importIterator>>> isinstance((x for x in range(10)), Iterator)
True>>>isinstance([], Iterator)
False>>>isinstance({}, Iterator)
False>>> isinstance('abc', Iterator)
False
可以发现生成器都是Iterator对象,但list、dict、str虽然是Iterable,却不是Iterator。可以用iter()函数使这项Iterable 变成Iterator:
>>>isinstance(iter([]),Iterator)
True
思考: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,我们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。所以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。
Tips: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,表示一个惰性计算的序列;集合数据类型如list、dict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循环本质上就是不断通过调用next()函数实现的。