目录
一、语法糖的概念
“语法糖”,从字面上看应该是一种语法。“糖”,可以理解为简单、简洁。其实我们也已经意识到,没有这些被称为“语法糖”的语法,我们也能实现相应的功能,而 “语法糖”使我们可以更加简洁、快速的实现这些功能。 只是Python解释器会把这些特定格式的语法翻译成原本那样复杂的代码逻辑而已,没有什么太高深的东西。
我们使用和介绍过的语法糖有:
- if...else 三元表达式: 可以简化分支判断语句,如 x = y.lower() if isinstance(y, str) else y
- with语句: 用于文件操作时,可以帮我们自动关闭文件对象,使代码变得简洁;
- 装饰器: 可以在不改变函数代码及函数调用方式的前提下,为函数增加增强性功能;
- 列表生成式: 用于生成一个新的列表
- 生成器: 用于“惰性”地生成一个无限序列
二、列表生成式
1、基础语法格式
[exp for iter_var in iterable]
工作过程:
- 迭代iterable中的每个元素;
- 每次迭代都先把结果赋值给iter_var,然后通过exp得到一个新的计算值;
- 最后把所有通过exp得到的计算值以一个新列表的形式返回。
2、带过滤功能语法格式
[exp for iter_var in iterable if_exp]
工作过程:
- 迭代iterable中的每个元素,每次迭代都先判断if_exp表达式结果为真,如果为真则进行下一步,如果为假则进行下一次迭代;
- 把迭代结果赋值给iter_var,然后通过exp得到一个新的计算值;
- 最后把所有通过exp得到的计算值以一个新列表的形式返回。
>>> [x * x for x in range(1, 11) if x % 2 == 0]
[4, 16, 36, 64, 100]
3、循环嵌套语法格式
[exp for iter_var_A in iterable_A for iter_var_B in iterable_B]
工作过程:
每迭代iterable_A中的一个元素,就把ierable_B中的所有元素都迭代一遍。
例子:生成全排列:
>>> [m + n for m in 'ABC' for n in 'XYZ']
['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']
4、if ... else
使用列表生成式的时候,有些童鞋经常搞不清楚if...else
的用法。
>>> [x for x in range(1, 11) if x % 2 == 0]
[2, 4, 6, 8, 10]
但是,在for后的判断不能在最后的if
加上else
:
>>> [x for x in range(1, 11) if x % 2 == 0 else 0]
File "<stdin>", line 1
[x for x in range(1, 11) if x % 2 == 0 else 0]
^
SyntaxError: invalid syntax
这是因为跟在for
后面的if
是一个筛选条件,不能带else
,否则如何筛选?
把if
写在for
前面必须加else
,否则报错:
>>> [x if x % 2 == 0 for x in range(1, 11)]
File "<stdin>", line 1
[x if x % 2 == 0 for x in range(1, 11)]
^
SyntaxError: invalid syntax
这是因为for
前面的部分是一个表达式,它必须根据x
计算出一个结果。因此,考察表达式:x if x % 2 == 0
,它无法根据x
计算出结果,因为缺少else
,必须加上else
>>> [x if x % 2 == 0 else -x for x in range(1, 11)]
[-1, 2, -3, 4, -5, 6, -7, 8, -9, 10]
三、生成器
受到内存限制,列表容量肯定是有限的。创建一个较大的列表,占用很大的存储空间,而且如果我们只访问前面几个元素,那后面绝大多数元素占用的空间都白白浪费了。在Python中,这种一边循环一边计算的机制,称为生成器:generator 即:按照某种算法不断生成新的数据,直到满足某一个指定的条件结束。
生成器是一个特殊的程序,可以被用作控制循环的迭代行为,python中生成器是迭代器的一种,使用yield返回值函数,每次调用yield会暂停,而可以使用next()函数和send()函数恢复生成器。
生成器类似于返回值为数组的一个函数,这个函数可以接受参数,可以被调用,但是,不同于一般的函数会一次性返回包括了所有数值的数组,生成器一次只能产生一个值,这样消耗的内存数量将大大减小,而且允许调用函数可以很快的处理前几个返回值,因此生成器看起来像是一个函数,但是表现得却像是迭代器
方法1.把一个列表生成式的[]
改成()
>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x1022ef630>
通过next()
函数获得generator的下一个返回值,没有更多的元素时,抛出StopIteration
的错误。
方法2.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。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。
def my_range(start, end):
for n in range(start, end):
ret = yield 2*n + 1
print(ret)
g3 = my_range(3, 6)
生成器的特性:
- 只有在调用时才会生成相应的数据
- 只记录当前的位置
- 只能next,不能prev
要调用生成器产生新的元素,有两种方式:
- 调用内置的next()方法
- 使用循环对生成器对象进行遍历(推荐&#x