Python 高级特性:切片、迭代、列表生成式、生成器
切片(发现了一些新操作)参考链接:https://www.liaoxuefeng.com/wiki/1016959663602400/1017269965565856 间隔取元素 >>> L=[i for i in range(20)] 所有数,每两个取一个 >>> L1=L[::2] >>> L1 [0,2,4,6,8,10,12,14,16,18] 前10个数,每两个取一个 可以用来取? 所有的元素,用来复制 >>> L[:] [0,1,3,...,99]
迭代参考链接:https://www.liaoxuefeng.com/wiki/1016959663602400/1017316949097888 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 >>> isinstance(‘abc‘,Iterable) # str是否可迭代 True >>> isinstance([1,3],Iterable) # list是否可迭代 True >>> isinstance(123,Iterable) # 整数是否可迭代 False ? 如果需要对list实现下标循环,可以通过Python提供的enumerate( )函数来将list变成索引-元素对,这样就可以同时对索引和元素进行迭代 >>> for i,value in enumerate([‘A‘,‘B‘,‘C‘]): ... print(i,value) ... 0 A 1 B 2 C
列表生成式参考链接:https://www.liaoxuefeng.com/wiki/1016959663602400/1017317609699776 可以使用两层循环,比如用来生成一个全排列 >>> m=[x+y for x in ‘ABC‘ for y in ‘XYZ‘]#两个循环之间使用空格来隔开,试着想象以下x,y为什么能再for循环外使用呢,并且还会改变 >>> m [‘AX‘,‘AY‘,‘AZ‘,‘BX‘,‘BY‘,‘BZ‘,‘CX‘,‘CY‘,‘CZ‘] >>>
生成器参考链接:https://www.liaoxuefeng.com/wiki/1016959663602400/1017318207388128 生成器是一边计算,一边生成的程序机制,比如我们需要访问一个? ?包含很大数量的元素? ?的集合(数学意义上的,并不是某种数据结构),但是每次都只访问其中的某几个数据,如果使用列表来储存,不仅会占用很大的存储空间,而且每次只访问其中的几个,也会造成很大的浪费 所以如果这些元素可以按照某些算法推算出来,那么可以再循环中不断推算出后面的元素,这种机制就是生成器(generator) 要创建一个generator,有很多方法,最简单的方法就是把列表生成式的[],换成() >>> g=(i for i in range(10)) >>> g <generator object <genexpr> at 0x000001A1CD703518> >>> 获取生成器的元素 如果要一个一个的获取生成器中的元素,我们可以通过next()方法 >>> next(g) 0 >>> next(g) 1 pass >>>next(g) 9 >>> next(g) Traceback (most recent call last): File "<stdin>",line 1,in <module> StopIteration 生成器保存的是算法,每次调用next(),就计算出下一个元素的值,直到计算到最后一个元素,没有更多的元素时,就抛出StopIteration错误 当然,上面这种不断调用 >>> next(g) Traceback (most recent call last): File "<stdin>",in <module> StopIteration >>> for i in g:#注意这里的生成器g因为前面已经迭代完了,所以这里不会输出任何值,需要重新创建 ... print(i) ... #重新创建 >>> for i in g: ... print(i) ... 0 1 2 3 4 5 6 7 8 9 >>> 所以,我们创建了一个generator后,基本上永远不会调用 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
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: 1,5,13,21,34,... 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: def fib(max): n,a,b = 0,1 while n < max: print(b,end=‘ ‘) a,b = b,a + b n = n + 1 return ‘OK!‘ 试着想一下,这里的a,b=b,a+b b最后得到的值是赋值后的a+b,还是赋值前的a加b呢,这里的赋值语句其实相当于 t = (b,a + b) # t是一个tuple#所以是赋值前的a a = t[0] b = t[1] 上面的函数可以输出斐波那契数列的前N个数: >>> fib(6) 1 1 2 3 5 8 ‘done‘ 仔细观察,可以看出, 也就是说,上面的函数和generator仅一步之遥。要把 def fib(max): n,1 while n < max: yield b#再每次需要打印(即使用)的地方 a,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 >>> f = fib(6) >>> f <generator object fib at 0x104feaaa0> generator和函数的执行流程是不一样的 函数是顺序执行的,当遇到return语句就返回,而变成generator的函数,再每次调用next()的时候执行一次,遇到yield语句就返回,下一次next()的时候,就从上次返回的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:#注意再函数中有三个yield语句,即next()一次不一定执行所有的函数语句一遍 def odd(): print(‘step 1‘) yield 1 print(‘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 >>> o = odd() >>> next(o) step 1 1 >>> next(o) step 2 3 >>> next(o) step 3 5 >>> next(o) Traceback (most recent call last): File "<stdin>",in <module> StopIteration 可以看到, 回到 同样的,把函数改成generator后,我们基本上从来不会用 >>> for n in fib(6): ... print(n) ... 1 1 2 3 5 8 但是用 >>> g = fib(6) >>> while True: ... try: ... x = next(g) ... print(‘g:‘,x) ... except StopIteration as e: ... print(‘Generator return value:‘,e.value) ... break ... g: 1 g: 1 g: 2 g: 3 g: 5 g: 8 Generator return value: done
迭代器生成器可以使用next()来得到下一个数据,但next()并不是判断是否是生成器的标志,能通过next()来得到下一个值,是迭代器(iterator)的标志,而生成器是一边循环,一边计算的机制。 可迭代对象(iterable)可作用于for循环的对象称为可迭代对象,包括: 一类是集合数据类型:如List、tuble、dict、set、str等; 一类是generator,包括生成器和带yield的generator function 可以使用isinstance()来判断一个对象是否是Iterable对象 迭代器(iterator)可以被next()调用并不断返回下一个值的对象称为迭代器:Iterator 也可以使用isinstance( )来判断一个对象是否是iterator对象 >>> from collections import Iterator >>> isinstance(a,Iterator) True >>>
生成器都是 把 >>> isinstance(iter([]),Iterator) True >>> isinstance(iter(‘abc‘),Iterator) True
为什么 这是因为Python的
? 凡是可作用于 凡是可作用于 集合数据类型如 Python的 for x in [1,5]: pass 实际上完全等价于: # 首先获得Iterator对象: it = iter([1,5]) # 循环: while True: try: # 获得下一个值: x = next(it) except StopIteration: # 遇到StopIteration就退出循环 break (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |