Python学习—高级特性

高级特性

切片-Slice

• 取list或者tuple的部分元素
• 索引从0开始，左闭右开
• 支持倒数切片，最后一个元素的索引为-1

>>> L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']

# 取前三个元素
>>> L[0:3]
['Michael', 'Sarah', 'Tracy']

# 从0开始，0可以省略
>>> L[:3]
['Michael', 'Sarah', 'Tracy']

# 倒数切片
>>> L[-2:]
['Bob', 'Jack']

>>> L[-2:-1]
['Bob']

# 设置切片步长
>>> L[:5:2]
['Michael', 'Tracy', 'Jack']

切片十分灵活

迭代

• 如果给定一个list或tuple（或可迭代对象），我们可以通过for循环来遍历这个对象，这种遍历我们称为迭代
• 在Python中，迭代是通过for … in来完成的
• 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

通过collections.abc模块的Iterable类型判断，是否为可迭代对象

>>> from collections.abc 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

使用Python内置的enumerate函数可以把一个list变成索引-元素对，对list实现了类似Java那样的下标循环，即在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

列表生成式

• List Comprehensions，用来创建list的生成式

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

# for循环后面还可以加上if判断
>>> [x * x for x in range(1, 11) if x % 2 == 0]
[4, 16, 36, 64, 100]

# 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']

• 在一个列表生成式中，for前面的if … else是表达式，而for后面的if是过滤条件，不能带else

生成器-generator

• 考虑内存限制，python实现在循环的过程中不断推算出后续的元素，达到不用创建完整的list的目的
• 这种一遍循环一边计算的机制，叫做生成器
• 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
• 使用for循环打印生成器

# 创建生成器
# 1.把一个列表生成式的[]改成()，就创建了一个generator
# 2.使用函数（eg.斐波拉契函数）
def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
    return 'done'

• 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，调用一个generator函数将返回一个generator
• 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。

迭代器-Iterator

• 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