Twosmi1e's Blog.

Python高级特性

Word count: 2,154 / Reading time: 9 min
2018/02/02 Share

切片

取list或者tuple的部分元素

1
>>>L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']

取前3个元素,应该怎么做?笨办法:

1
2
>>>[L[0], L[1], L[2]]
['Michael', 'Sarah', 'Tracy']

取前3个元素,用一行代码就可以完成切片:

1
2
>>>L[0:3]
['Michael', 'Sarah', 'Tracy']

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:

1
2
>>>L[:3]
['Michael', 'Sarah', 'Tracy']

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:

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

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:

1
2
3
>>>L = list(range(100))
>>>L
[0, 1, 2, 3, ..., 99]

可以通过切片轻松取出某一段数列。比如前10个数:

1
2
>>>L[:10]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

后10个数:

1
>>>L[-10:]

前11-20个数:

1
2
>>>L[10:20]
[10, 11, 12, 13, 14, 15, 16, 17, 18, 19]

前10个数,每两个取一个:

1
2
>>>L[:10:2]
[0, 2, 4, 6, 8]

所有数,每5个取一个:

1
2
>>>L[::5]
[0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]

甚至什么都不写,只写[:]就可以原样复制一个list:

1
2
>>>L[:]
[0, 1, 2, 3, ..., 99]

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:

1
2
>>>(0, 1, 2, 3, 4, 5)[:3]
(0, 1, 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:

1
2
3
4
>>>'ABCDEFG'[:3]
'ABC'
>>>'ABCDEFG'[::2]
'ACEG'

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)。
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:

1
2
3
4
5
6
7
>>>d = {'a': 1, 'b': 2, 'c': 3}
>>>for key in d:
... print(key)
...
a
c
b

默认情况:dict迭代key
for value in d.values() 迭代value
for k, v in d.items() 同时迭代key和value
由于字符串也是可迭代对象,因此,也可以作用于for循环:

1
2
3
4
5
6
>>>for ch in 'ABC':
... print(ch)
...
A
B
C

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模块的lterable类型判断
函数isinstance

1
2
3
4
5
6
7
>>>from collections import Iterable
>>> sinstance('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

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:

1
2
3
4
5
6
>>>for i, value in enumerate(['A', 'B', 'C']):
... print(i, value)
...
0 A
1 B
2 C

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:

1
2
3
4
>>>for x, y in [(1, 1), (2, 4), (3, 9)]:
... print(x, y)
...
1 12 43 9

列表生成式

List Comprehensions可以用来创建list的生成式
生成的元素 for in 范围 if 条件判断
要生成list [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]可以用list(range(1, 11)):

1
2
>>>list(range(1, 11))
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

但如果要生成[1x1, 2x2, 3x3, …, 10x10]怎么做?方法一是循环:

1
2
3
4
5
6
>>>L = []
>>> or x in range(1, 11):
... L.append(x * x)
...
>>>L
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

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:

1
2
>>>[x * x for x in range(1, 11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

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:

1
2
>>>[x * x for x in range(1, 11) if x % 2 == 0]
[4, 16, 36, 64, 100]

还可以使用两层循环,可以生成全排列:

1
2
>>>[m + n for m in 'ABC' for n in 'XYZ']
['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']

for循环可以同时使用两个甚至多个变量, 比如dict的items()

1
2
3
4
5
6
7
>>>d = {'x': 'A', 'y': 'B', 'z': 'C' }
>>>for k, v in d.items():
... print(k, '=', v)
...
y = B
x = A
z = C

同时迭代key和value
源码:

1
2
3
L1 = ['Hello', 'World', 18, 'Apple', None]
L2 = [s.lower() for s in L1 if isinstance(s, str)]
print (L2)

生成器

generator:生成器 一边循环一边计算
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:

1
2
3
4
5
6
>>>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>

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。
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
要把fib函数变成generator,只需要把print(b)改为yield b就可以了

1
2
3
4
5
6
7
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
return 'done'

#测试

1
2
3
4
f = fib(10)
print('fib(10):', f)
for x in f:
print(x)

如果一个函数定义中包含yield关键字,则这为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。

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:

1
2
3
>>>for n in fib(6):
... print(n)
...

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:

1
2
3
4
5
6
7
>>>while True:
... try:
... x = next(g)
... print('g:', x)
... except StopIteration as e:
... print('Generator return value:', e.value)
... break

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:

1
2
3
>>>r = abs(6)
>>>r
6

generator函数的“调用”实际返回一个generator对象:

1
2
3
>>>g = fib(6)
>>>g
<generator object fib at 0x1022ef948>

练习输出杨辉三角 见yanghuireiangle

迭代器

可作用于for的数据类型,一类为集合数据类型,一类为generator
统称为可迭代对象:Iterable 用 isinstance ()判断

1
2
3
4
5
6
7
8
9
10
11
12
13
14
>>>from collections import Iterator
>>>isinstance((x for x in range(10)), Iterator)
True
>>>isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>>isinstance('abc', Iterator)
False
把list、dict、str等Iterable变成Iterator可以使用iter()函数:
>>>isinstance(iter([]), Iterator)
True
>>>isinstance(iter('abc'), Iterator)
True

Iterator对象表示一个数据流,不能提起知道序列的长度,其计算为惰性的,只有在需要下一个返回值的时候才会计算

可作用于for的对象都是Iterable类型
可作用于next()的都是Iterator类型
for循环本质上就是通过不断调用next()函数实现的

1
2
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:

1
2
3
4
5
6
7
while True:
try:
# 获得下一个值:
x = next(it)
except StopIteration:
# 遇到StopIteration就退出循环
break

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。

CATALOG
  1. 1. 切片
  2. 2. 迭代
  3. 3. 列表生成式
  4. 4. 生成器
  5. 5. 迭代器
  6. 6. 小结