Python学习笔记(三)--高级特性
来源:互联网 发布:ubuntu veloview 编辑:程序博客网 时间:2024/06/01 09:32
一、切片 [n:k:y] n_开始,k_结束,不包含k,y_步长,间隔
取一个list或tuple的部分元素是非常常见的操作。比如,一个list如下:
>>> L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']
对这种经常取指定索引范围的操作,用循环十分繁琐,因此,Python提供了切片(Slice)操作符。
>>> 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。
>>> 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:
>>> L[-2:]['Bob', 'Jack']>>> L[-2:-1]['Bob']
所有数,每5个取一个:
L = list(range(100))
>>> L[::5][0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]
二、迭代
通过for ... in
循环来遍历这个list或tuple,这种遍历我们称为迭代(Iteration)
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([1,2,3], Iterable) # list是否可迭代True>>> isinstance(123, Iterable) # 整数是否可迭代False
任何可迭代对象都可以作用于for
循环,包括我们自定义的数据类型,只要符合迭代条件,就可以使用for
循环
最后一个小问题,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:
>>> for i, value in enumerate(['A', 'B', 'C']):... print(i, value)...0 A1 B2 C
List Comprehensions,可以用来创建list的生成式。
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
>>> [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for循环后面加上if判断,这样我们就可以筛选出仅偶数的平方
L = ['Hello','WORLD']print([s.lower() for s in L])
>>> [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:
>>> [m + n for m in 'ABC' for n in 'XYZ']['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']
for
循环其实可以同时使用两个甚至多个变量,比如dict
的items()
可以同时迭代key和value。
因此,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' }>>> [k + '=' + v for k, v in d.items()]['y=B', 'x=A', 'z=C']
最后把一个list中所有的字符串变成小写:
>>> L = ['Hello', 'World', 'IBM', 'Apple']>>> [s.lower() for s in L]['hello', 'world', 'ibm', 'apple']非字符串类型没有
lower()
方法,可以使用内建的isinstance()
函数可以判断一个变量是不是字符串L1 = ['Hello', 'World', 18, 'Apple', None]L2 = [s.lower() for s in L1 if isinstance(s, str)]print(L2)L = ['Hello','WORLD']print([s.lower() for s in L]) # 生成列表print(list(s.lower() for s in L)) # 生成器表达式四、生成器
一边循环一边计算的机制,称为生成器:generator。
创建方法:
1、要把一个列表生成式的
[]
改成()
,就创建了一个generator:可以通过>>> 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>
next()
函数获得generator的下一个返回值g = (x * x for x in range(10))>>> g<generator object <genexpr> at 0x1022ef630>>>> next(g)0>>> next(g)1>>> next(g)4我们讲过,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。或者使用for循环>>> g = (x * x for x in range(10))>>> for n in g:... print(n)2、若函数定义中包含
yield
关键字,那么这个函数就不再是一个普通函数,而是一个generatordef fib(max1): n, a, b = 0, 0, 1 while n < max1: print(b)#返回b yield b a, b = b, a+b n += 1 return 'done'for i in fib(6): print(i)f = fib(6)next(f)next(f)next(f)。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。捕获错误: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while True:... try:... x = next(g)... print('g:', x)... except StopIteration as e:... print('Generator return value:', e.value)... breakg: 1g: 1g: 2g: 3g: 5g: 8Generator return value: done五、迭代器
1、可迭代对象
Iterable:
可以直接作用于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 import Iterable>>> isinstance([], Iterable)True>>> isinstance({}, Iterable)True>>> isinstance('abc', Iterable)True>>> isinstance((x for x in range(10)), Iterable)True>>> isinstance(100, Iterable)False
2、迭代器
Iterator:
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 import Iterator>>> isinstance((x for x in range(10)), Iterator)True>>> isinstance([], Iterator)False>>> isinstance({}, Iterator)False>>> isinstance('abc', Iterator)False
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:>>> isinstance(iter([]), Iterator)True>>> isinstance(iter('abc'), Iterator)True
Iterator
对象表示的是一个数据流,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,Iterator
甚至可以表示一个无限大的数据流。而使用list是永远不可能存储全体自然数的。
总结:
1、迭代器是一种支持
next()
操作的对象. 它包含一组元素, 当执行next()
操作时, 返回其中的一个元素; 当所有元素被返回后, 给出StopIteration
异常.生成器是一种迭代器,也是一种特殊的函数, 使用
yeild
操作来将函数构造成迭代器. 普通的函数只有一个入口, 有一个返回值. 但是生成器有多个多个入口, 多个返回值.2、凡是可作用于
for
循环的对象都是可迭代对象Iterable
类型;凡是可作用于
next()
函数的对象都是迭代器Iterator
类型,它们表示一个惰性计算的序列;3、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。Python的
for
循环本质上就是通过不断调用next()
函数实现的
- Python学习笔记(三)高级特性
- Python学习笔记(三)--高级特性
- Python学习笔记(三):高级特性
- python学习笔记(三) - 高级特性
- python学习(三):高级特性
- Python学习 (三 高级特性)
- Python之学习笔记(高级特性)
- 廖雪峰Python教程学习笔记三-高级特性
- Python学习笔记--高级特性
- python学习笔记----高级特性
- python学习笔记(7)-高级特性(三)-列表生成式与生成器
- Python 学习笔记(三):文件,高级特性,枚举,正则表达式,模块
- 【Python学习笔记】python高级特性:切片
- 【Python学习笔记】python高级特性:生成器
- 【Python学习笔记】python高级特性:迭代器
- 【python】Python速成(三) --高级特性
- python学习笔记(5)-高级特性(一)-切片
- Python学习笔记(四)——高级特性
- java的md5加密解密
- 你可记得曾经的-------- C#面向对象的“基础”
- form表单的两种提交方式,submit和button的用法
- 微软的 MSMQ (MessageQueue)的使用,一些理解,以及尝试
- Hibernate异常汇总
- Python学习笔记(三)--高级特性
- linux安装软件
- 有关使用sklearn LogisticRegression出现的 DeprecationWarning:
- Express、Nodejs服务器上传文件时出现Unexpected field
- Java 注解的应用
- java中关于final、fianlly、finalize三者的认识
- 【上机笔试之四】快速排序(2)
- Android进程
- j2ee j2se