目录
4.高级特性
4.1 切片
如果要取一个list或者一个tuple的部分元素,那么可以通过直接打印的方式或者是通过一个循环来实现。
L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']
# 方式1
print(L[0],L[1],L[2])
# 取前N个元素
r= []
n=3
for i in range(3):
r.append(L[i])
print (r)
print(r)
但是这种方式非常繁琐,所以可以通过切片来实现
# 取前三个元素,从0开始检索,检索到3为止,不包括3。
print(L[0:3])
# 从1开始检索取两个元素
print(L[1:3])
# 取最后两个元素
print(L[-2:])
# 取倒数第二个元素
print(L[-2:-1])
也可以通过切片的操作取出list中的某一段数列
# 生成一个0到100的List
M=list(range(100))
print(M)
# 前十个数,每两个取一个
print(M[:10:2])
# 每五个数取一个
print(M[::5])
# 复制list
print(M[:])
切片操作在tuple中仍然有效
# 新建一个tuple
t = (0,1,2,3,4)
print(t)
# 切片操作在tuple中仍然生效
print(t[:3])
切片操作对字符串也同样有效
# 字符串
print('ABCDEFG'[:2])
print('ABCDEFG'[:4:2])
4.2 迭代
通过一个for循环来遍历一个list或者tuple,这种遍历的过程可以看作是一种迭代。不仅仅是list或者tuple,dict也可以遍历。
d = {'a':1,'b':2,'c':3}
for key in d:
print(key)
for value in d.values():
print(value)
for key,value in d.items():
print(key,value)
字符串也是可以迭代的对象。
p = 'ABC'
for ch in p:
print(ch)
通过collections.abc的Iterable来判断是否可迭代。
from _collections_abc import Iterable
A = isinstance('abc',Iterable)
print(A)
B = isinstance([1,2,3],Iterable)
print(B)
# 整数不可以迭代
C = isinstance(123,Iterable)
print(C)
Python内置的enumerate可以将list变成索引-元素对,这样就可以在for循环的同时迭代索引和元素本身。
for i,value in enumerate(['a','b','c']):
print(i,value)
for循环是可以同时引用两个变量。
for x,y in [(1,2),(2,3),(3,4)]:
print(x,y)
4.3 列表生成式
列表生成式是用来创建List的生成式,例如生成一个1-10的list列表。
x=list(range(1,11))
print(x)
但如果要生成[1x1, 2x2, 3x3, ..., 10x10]怎么做?方法一是循环
L=[]
for x in range(1,11):
L.append(x*x)
print(L)
列表生成式可以用一行代码代替这个繁琐的过程。
M = [x*x for x in range(1,11)]
print(M)
for循环之后同样可以加if判断条件
# 筛选出偶数
N = [x*x for x in range(1,11) if x%2==0]
print(N)
也可以使用两层循环。
# 两层循环
L=[m + n for m in 'ABC' for n in 'XYZ']
print(L)
利用列表生成式可以简化代码,例如生成当前目录下的所有文件名
# 打印文件名
import os
Y = [d for d in os.listdir('.')]
print(Y)
列表生成式也可以使用两个变量来生成list
d = {'x': 'A', 'y': 'B', 'z': 'C' }
Z= [k + '=' + v for k, v in d.items()]
print(Z)
最后把一个list中所有的字符串变成小写。
K = ['Hello', 'World', 'IBM', 'Apple']
Q = [s.lower() for s in K]
print(Q)
4.4 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
g = (x * x for x in range(10))
print(next(g))
print(next(g))
print(next(g))
print(next(g))
print(next(g))
print(next(g))
print(next(g))
print(next(g))
print(next(g))
print(next(g))
g也是一个可以迭代的对象
for i in g:
print(i)
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:
def fib(max):
a,b,c=0,0,1
while a < max:
print(c)
b,c = c,b+c
a = a+1
return None
print(fib(10))
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函数,只需要把print(c)改为yield c就可以了:
def fib(max):
a,b,c=0,0,1
while a < max:
yield c
b,c = c,b+c
a = a+1
return None
for i in fib(10):
print(i)
这里,最难理解的就是generator函数和普通函数的执行流程不一样。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。
def odd():
print('step 1')
yield 1
print('step 2')
yield(3)
print('step 3')
yield(5)
o = odd()
print(next(o))
print(next(o))
print(next(o))
同时也可以用for循环来实现。
for i in o:
print(i)
4.5 迭代器
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.abc import Iterable
print(isinstance([], Iterable))
print(isinstance({}, Iterable))
print(isinstance('abc', Iterable))
print(isinstance((x for x in range(10)), Iterable))
print(isinstance(100, Iterable))
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.abc import Iterator
print(isinstance((x for x in range(10)), Iterator))
print(isinstance([], Iterator))
print(isinstance({}, Iterator))
print(isinstance('abc', 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('abc'), Iterator))
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。