'''切片'''#取一个list或tuple的部分元素是非常常见的操作。比如,一个list如下:
L =["Michael","Jack","Bob","Mary"]#取前3个元素,应该怎么做?笨办法:print(L[0],L[1],L[2])#之所以是笨办法是因为扩展一下,取前N个元素就没辙了。#取前N个元素,也就是索引为0-(N-1)的元素,可以用循环:for i in L:print(i)'''
对这种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,能大大简化这种操作。
对应上面的问题,取前3个元素,用一行代码就可以完成切片:
'''print(L[0:3])'''
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:
'''print(L[:3])#也可以从索引1开始,取出2个元素出来:print(L[1:3])#类似的,既然Python支持L[-1]取倒数第一个元素,那么它同样支持倒数切片,试试print(L[-2:])#记住倒数第一个元素的索引是-1。#切片操作十分有用。我们先创建一个0-99的数列:
L =list(range(100))print(L)#可以通过切片轻松取出某一段数列。比如前10个数:print(L[:10])#后10个数:print(L[-10:])#前11-20个数:print(L[10:20])#前10个数,每两个取一个:print(L[:10:2])#所有数,每5个取一个:print(L[::5])#甚至什么都不写,只写[:]就可以原样复制一个list:print(L[:])'''
tuple也是一种list,唯一区别是tuple不可变。因此,tuple也可以用切片操作,只是操作的
结果仍是tuple:
'''
t =tuple(range(100))print(t[:20:2])'''
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:
'''
s ="ABCDEFGH"print(s[:5])'''
在很多编程语言中,针对字符串提供了很多各种截取函数(例如,substring),其实目的就是
对字符串切片。
Python没有针对字符串的截取函数,只需要切片一个操作就可以完成,非常简单。
''''''
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,注意不要调用str的strip()方法:
'''deftrim(s):
length =len(s)
front =0
end = length -1
i =0
j = end
while i < length:
front = i
if s[i]==" ":
i = i +1else:breakwhile j >=0:
end = j +1if s[j]==" ":
j = j -1else:breakreturn s[front:end]#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!')
3.2 迭代
'''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)。
在Python中,迭代是通过for ... in来完成的,而很多语言比如C语言,迭代list是通过下标
完成的,比如Java代码:
for (i=0; i<list.length; 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)'''
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()。
由于字符串也是可迭代对象,因此,也可以作用于for循环:
'''for ch in"ABC":print(ch)'''
所以,当我们使用for循环时,只要作用于一个可迭代对象,for循环就可以正常运行,而我们不
太关心该对象究竟是list还是其他数据类型。
那么,如何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 import Iterable
print(isinstance("ABC",Iterable))print(isinstance([1,2,3],Iterable))print(isinstance((1,2,3),Iterable))#整数不可以迭代print(isinstance(123,Iterable))'''
最后一个小问题,如果要对list实现类似Java那样的下标循环怎么办?
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 inenumerate(["A","B","C"]):print(i,value)#上面的for循环里,同时引用了两个变量,在Python里是很常见的,比如下面的代码:for x,y in[(1,1),(2,2)]:print(x,y)'''
练习
请使用迭代查找一个list中最小和最大值,并返回一个tuple:
'''deffindMinAndMax(L):iflen(L)==0:return(None,None)
max_ = L[0]
min_ = L[0]for x in L:if x > max_:
max_ = x
if x < min_:
min_ = x
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!')'''
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。
'''
3.3 列表生成式
'''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。
举个例子,要生成list [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]可以用list(range(1, 11)):
'''
L =list(range(100))#但如果要生成[1x1, 2x2, 3x3, ..., 10x10]怎么做?方法一是循环:
L =[]for x inrange(1,11):
L.append(x*x)print(L)#但是循环太繁琐,而列表生成式则可以用一行语句代替循环生成上面的list:
L =[x * x for x inrange(1,11)]print(L)'''
写列表生成式时,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,
十分有用,多写几次,很快就可以熟悉这种语法。
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:
'''
L =[x * x for x inrange(1,11)if x%2==0]print(L)#还可以使用两层循环,可以生成全排列:
L =[m+n for m in"ABC"for n in"XYZ"]print(L)#三层和三层以上的循环就很少用到了。#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,可以通过一行代码实现:import os # 导入os模块,模块的概念后面讲到
L =[d for d in os.listdir(".")]# os.listdir可以列出文件和目录print(L)#for循环其实可以同时使用两个甚至多个变量,比如dict的items()可以同时迭代key和value:
d ={"X":"1","Y":"2","Z":"3"}for k,v in d.items():print(k,"=",v)#因此,列表生成式也可以使用两个变量来生成list:
L =[k+"="+v for k,v in d.items()]print(L)#最后把一个list中所有的字符串变成小写:
L =["HELLO","World"]
L =[s.lower()for s in L]print(L)'''
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:
'''#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 =12print(isinstance(x,str))print(isinstance(y,str))#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:
L1 =['Hello','World',18,'Apple',None]
L2 =[s.lower()for s in L1 if(isinstance(s,str))]print(L2)# 测试:print(L2)if L2 ==['hello','world','apple']:print('测试通过!')else:print('测试失败!')
3.4 生成器
'''生成器''''''
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。
要创建一个generator,有很多种方法。第一种方法很简单,只要把一个列表生成式的[]改成(),
就创建了一个generator:
'''
L =[x * x for x inrange(5)]print(L)
g =(x * x for x inrange(5))print(g)'''
创建L和g的区别仅在于最外层的[]和(),L是一个list,而g是一个generator。
我们可以直接打印出list的每一个元素,但我们怎么打印出generator的每一个元素呢?
如果要一个一个打印出来,可以通过next()函数获得generator的下一个返回值:
'''#print(next(g))'''
我们讲过,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。
当然,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,
因为generator也是可迭代对象:
'''print(isinstance(g,Iterable))for n in g:print(n)'''
所以,我们创建了一个generator后,基本上永远不会调用next(),而是通过for循环来迭代它,
并且不需要关心StopIteration的错误。
generator非常强大。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。
比如,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, ...
斐波拉契数列用列表生成式写不出来,但是,用函数把它打印出来却很容易:
'''deffib(max):
n, a, b =0,0,1while n <max:print(b)
a, b = b, a + b
n = n +1return"Done"
fib(4)'''
注意,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]
'''#但不必显式写出临时变量t就可以赋值。#上面的函数可以输出斐波那契数列的前N个数:
fib(7)'''
仔细观察,可以看出,fib函数实际上是定义了斐波拉契数列的推算规则,可以从第一个元素开始,
推算出后续任意的元素,这种逻辑其实非常类似generator。
也就是说,上面的函数和generator仅一步之遥。要把fib函数变成generator,
只需要把print(b)改为yield b就可以了:
'''deffib(max):
n, a, b =0,0,1while n <max:yield b
a, b = b, a + b
n = n +1return"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
不再是一个普通函数,而是一个generator:
'''
f = fib(6)for i in f:print(i)'''
这里,最难理解的就是generator和函数的执行流程不一样。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,依次返回数字1,3,5:
'''defodd():print('step 1')yield1print('step 2')yield(3)print('step 3')yield(5)#调用该generator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()for i in o:print(i)'''
可以看到,odd不是普通函数,而是generator,在执行过程中,遇到yield就中断,下次又继续
执行。执行3次yield后,已经没有yield可以执行了,所以,第4次调用next(o)就报错。
回到fib的例子,我们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。
同样的,把函数改成generator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:
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:
关于如何捕获错误,后面的错误处理还会详细讲解。
'''
g = fib(6)whileTrue:try:
x =next(g)print("g:",x)except StopIteration as e:print('Generator return value:', e.value)break'''
练习
杨辉三角定义如下:
1
/ \
1 1
/ \ / \
1 2 1
/ \ / \ / \
1 3 3 1
/ \ / \ / \ / \
1 4 6 4 1
/ \ / \ / \ / \ / \
1 5 10 10 5 1
把每一行看做一个list,试写一个generator,不断输出下一行的list:
'''deftriangles():
L=[1]whileTrue:yield L
L=[L[i-1]+L[i]for i inrange(len(L))if i!=0]#将下标不为0的部分赋值
L.insert(0,1)#上一行执行完得到的L长度为上一个L的长度-1,缺少下标为0和len(L*)+1的部分
L.append(1)#在缺的位置各添一个1即可# 期待输出:# [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]
n =0
results =[]for t in triangles():
results.append(t)
n = n +1if n ==10:breakfor 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!')'''
小结
generator是非常强大的工具,在Python中,可以简单地把列表生成式改成generator,
也可以通过函数实现复杂逻辑的generator。
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。
请注意区分普通函数和generator函数,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>
'''
3.5 迭代器
'''迭代器''''''
我们已经知道,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。
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 import Iterable
print(isinstance([], Iterable))print(isinstance((), Iterable))print(isinstance({}, Iterable))print(isinstance("", Iterable))print(isinstance(100, Iterable))print(isinstance((x for x inrange(10)), Iterable))'''
而生成器不但可以作用于for循环,还可以被next()函数不断调用并返回下一个值,
直到最后抛出StopIteration错误表示无法继续返回下一个值了。
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。
可以使用isinstance()判断一个对象是否是Iterator对象:
'''from collections import Iterator
print(isinstance((x for x inrange(10)), Iterator))print(isinstance([], Iterator))print(isinstance((), Iterator))print(isinstance({}, Iterator))print(isinstance("", Iterator))print(isinstance(100, Iterator))'''
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:
'''print(isinstance(iter([]), Iterator))print(isinstance(iter("asd"), Iterator))'''
你可能会问,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。
''''''
小结
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:whileTrue:try:# 获得下一个值:
x =next(it)except StopIteration:# 遇到StopIteration就退出循环break