Python3 高级特性
切片
L[0:3]表示,從索引0開始取,直到索引3為止,但不包括索引3。即索引0,1,2,正好是3個(gè)元素。如果第一個(gè)索引是0,還可以省略:
>>> L =['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']>>> L[:3] ['Michael', 'Sarah', 'Tracy'] 也可以從索引1開始,取出2個(gè)元素出來: >>> L[1:3] ['Sarah', 'Tracy'] 類似的,既然Python支持L[-1]取倒數(shù)第一個(gè)元素,那么它同樣支持倒數(shù)切片, >>> L[-2:] ['Bob', 'Jack'] >>> L[-2:-1] ['Bob'] 記住倒數(shù)第一個(gè)元素的索引是-1。
切片操作十分有用。我們先創(chuàng)建一個(gè)0-99的數(shù)列:
>>> L = list(range(100)) [0, 1, 2, 3, ..., 99]可以通過切片輕松取出某一段數(shù)列。比如前10個(gè)數(shù):
>>> L[:10] [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]前10個(gè)數(shù),每?jī)蓚€(gè)取一個(gè):
>>> L[:10:2] [0, 2, 4, 6, 8]所有數(shù),每5個(gè)取一個(gè):
>>> L[::5] [0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95] 甚至什么都不寫,只寫[:]就可以原樣復(fù)制一個(gè)list: >>> L[:] [0, 1, 2, 3, ..., 99] tuple也是一種list,唯一區(qū)別是tuple不可變。因此,tuple也可以用切片操作,只是操作的結(jié)果仍是tuple: >>> (0, 1, 2, 3, 4, 5)[:3] (0, 1, 2) 字符串'xxx'也可以看成是一種list,每個(gè)元素就是一個(gè)字符。因此,字符串也可以用切片操作,只是操作結(jié)果仍是字符串: >>> 'ABCDEFG'[:3] 'ABC' 在很多編程語言中,針對(duì)字符串提供了很多各種截取函數(shù)(例如,substring),其實(shí)目的就是對(duì)字符串切片。Python沒有針對(duì)字符串的截取函數(shù),只需要切片一個(gè)操作就可以完成,非常簡(jiǎn)單。 S = "abcdefg" print(S[:2]) # ab print(S[::2]) # aceg print(S[::3]) # adg?迭代
如果給定一個(gè)list或tuple,我們可以通過for循環(huán)來遍歷這個(gè)list或tuple,這種遍歷我們稱為迭代(Iteration)。
在Python中,迭代是通過for ... in來完成的,而很多語言比如C或者Java,迭代list是通過下標(biāo)完成的,Python的for循環(huán)抽象程度要高于Java的for循環(huán),因?yàn)镻ython的for循環(huán)不僅可以用在list或tuple上,還可以作用在其他可迭代對(duì)象上。
list這種數(shù)據(jù)類型雖然有下標(biāo),但很多其他數(shù)據(jù)類型是沒有下標(biāo)的,但是,只要是可迭代對(duì)象,無論有無下標(biāo),都可以迭代,比如dict就可以迭代:
>>> d = {'a': 1, 'b': 2, 'c': 3} >>> for key in d: ... print(key) a c b因?yàn)閐ict的存儲(chǔ)不是按照list的方式順序排列,所以,迭代出的結(jié)果順序很可能不一樣。
默認(rèn)情況下,dict迭代的是key。如果要迭代value,可以用for value in d.values(),如果要同時(shí)迭代key和value,可以用for k, v in d.items()。
由于字符串也是可迭代對(duì)象,因此,也可以作用于for循環(huán):
>>> for ch in 'ABC': ... print(ch) ... A B C所以,當(dāng)我們使用for循環(huán)時(shí),只要作用于一個(gè)可迭代對(duì)象,for循環(huán)就可以正常運(yùn)行,而我們不太關(guān)心該對(duì)象究竟是list還是其他數(shù)據(jù)類型。
那么,如何判斷一個(gè)對(duì)象是可迭代對(duì)象呢?方法是通過collections模塊的Iterable類型判斷:
>>> 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) # 整數(shù)是否可迭代 False如果要對(duì)list實(shí)現(xiàn)類似Java那樣的下標(biāo)循環(huán)怎么辦?Python內(nèi)置的enumerate函數(shù)可以把一個(gè)list變成索引-元素對(duì),這樣就可以在for循環(huán)中同時(shí)迭代索引和元素本身:
>>> for i, value in enumerate(['A', 'B', 'C']): ... print(i, value)上面的for循環(huán)里,同時(shí)引用了兩個(gè)變量,在Python里是很常見的,比如下面的代碼:
>>> for x, y in [(1, 1), (2, 4), (3, 9)]: ... print(x, y)任何可迭代對(duì)象都可以作用于for循環(huán),包括我們自定義的數(shù)據(jù)類型,只要符合迭代條件,就可以使用for循環(huán)。
列表生成式
即List Comprehensions,是Python內(nèi)置的非常簡(jiǎn)單卻強(qiáng)大的可以用來創(chuàng)建list的生成式。
舉個(gè)例子,要生成list?[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]可以用list(range(1, 11))
生成[1x1, 2x2, 3x3, ..., 10x10]怎么做?方法一是循環(huán):
>>> L = [] >>> for x in range(1, 11): ... L.append(x * x) ... >>> L [1, 4, 9, 16, 25, 36, 49, 64, 81, 100] 列表生成式則可以用一行語句代替循環(huán)生成上面的list([1x1, 2x2, 3x3, ..., 10x10]): [x * x for x in range(1, 11)] 寫列表生成式時(shí),把要生成的元素x * x放到前面,后面跟for循環(huán),就可以把list創(chuàng)建出來for循環(huán)后面還可以加上if判斷,這樣我們就可以篩選出僅偶數(shù)的平方:
>>> [x * x for x in range(1, 11) if x % 2 == 0] [4, 16, 36, 64, 100]還可以使用兩層循環(huán),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'] 三層和三層以上的循環(huán)就很少用到 運(yùn)用列表生成式,可以寫出非常簡(jiǎn)潔的代碼。例如,列出當(dāng)前目錄下的所有文件和目錄名,可以通過一行代碼實(shí)現(xiàn) >>> import os # 導(dǎo)入os模塊,模塊的概念后面講到 >>> [d for d in os.listdir('.')] # os.listdir可以列出文件和目錄 ['.emacs.d', '.ssh', '.Trash', 'Adlm', 'Applications', 'Desktop', 'Documents', 'Downloads', 'Library', 'Movies', 'Music', 'Pictures', 'Public', 'VirtualBox VMs', 'Workspace', 'XCode']for循環(huán)其實(shí)可以同時(shí)使用兩個(gè)甚至多個(gè)變量,比如dict的items()可以同時(shí)迭代key和value:
>>> d = {'x': 'A', 'y': 'B', 'z': 'C' } >>> for k, v in d.items(): ... print(k, '=', v) ... y = B x = A z = C因此,列表生成式也可以使用兩個(gè)變量來生成list:
>>> d = {'x': 'A', 'y': 'B', 'z': 'C' } >>> [k + '=' + v for k, v in d.items()] ['y=B', 'x=A', 'z=C']最后把一個(gè)list中所有的字符串變成小寫:
>>> L = ['Hello', 'World', 'IBM', 'Apple'] >>> [s.lower() for s in L]練習(xí)2
L1 = ['Hello', 'World', 18, 'Apple', None] print([x.lower() if isinstance(x, str) else x for x in L1])生成器
通過列表生成式,我們可以直接創(chuàng)建一個(gè)列表。但是,受到內(nèi)存限制,列表容量肯定是有限的。而且,創(chuàng)建一個(gè)包含100萬個(gè)元素的列表,不僅占用很大的存儲(chǔ)空間,如果我們僅僅需要訪問前面幾個(gè)元素,那后面絕大多數(shù)元素占用的空間都白白浪費(fèi)了。
所以,如果列表元素可以按照某種算法推算出來,那我們是否可以在循環(huán)的過程中不斷推算出后續(xù)的元素呢?這樣就不必創(chuàng)建完整的list,從而節(jié)省大量的空間。在Python中,這種一邊循環(huán)一邊計(jì)算的機(jī)制,稱為生成器:generator。
要?jiǎng)?chuàng)建一個(gè)generator,有很多種方法。第一種方法很簡(jiǎn)單,只要把一個(gè)列表生成式的[]改成(),就創(chuàng)建了一個(gè)generator:g = (x * x for x in range(10)) <generator object <genexpr> at 0x1022ef630>
創(chuàng)建L和g的區(qū)別僅在于最外層的[]和(),L是一個(gè)list,而g是一個(gè)generator。
如果要一個(gè)一個(gè)打印出來,可以通過next()函數(shù)獲得generator的下一個(gè)返回值:
next(g) generator保存的是算法,每次調(diào)用next(g),就計(jì)算出g的下一個(gè)元素的值,直到計(jì)算到最后一個(gè)元素,沒有更多的元素時(shí),拋出StopIteration的錯(cuò)誤。 不斷調(diào)用next(g)實(shí)在是太變態(tài)了,正確的方法是使用for循環(huán),因?yàn)間enerator也是可迭代對(duì)象:>>> g = (x * x for x in range(10)) >>> for n in g: ... print(n)
generator非常強(qiáng)大。如果推算的算法比較復(fù)雜,用類似列表生成式的for循環(huán)無法實(shí)現(xiàn)的時(shí)候,還可以用函數(shù)來實(shí)現(xiàn)。
比如,著名的斐波拉契數(shù)列(Fibonacci),除第一個(gè)和第二個(gè)數(shù)外,任意一個(gè)數(shù)都可由前兩個(gè)數(shù)相加得到:
1, 1, 2, 3, 5, 8, 13, 21, 34, ...
斐波拉契數(shù)列用列表生成式寫不出來,但是,用函數(shù)把它打印出來卻很容易:
def fib(max):n, a, b = 0, 0, 1while n < max:print(b)a, b = b, a + bn = n + 1return 'done' 仔細(xì)觀察,可以看出,fib函數(shù)實(shí)際上是定義了斐波拉契數(shù)列的推算規(guī)則,可以從第一個(gè)元素開始,推算出后續(xù)任意的元素,這種邏輯其實(shí)非常類似generator。也就是說,上面的函數(shù)和generator僅一步之遙。要把fib函數(shù)變成generator,只需要把print(b)改為yield b就可以了:
def fib(max):n, a, b = 0, 0, 1while n < max:yield ba, b = b, a + bn = n + 1return 'done' 這就是定義generator的另一種方法。如果一個(gè)函數(shù)定義中包含yield關(guān)鍵字,那么這個(gè)函數(shù)就不再是一個(gè)普通函數(shù),而是一個(gè)generator: >>> f = fib(6) <generator object fib at 0x104feaaa0>generator和函數(shù)的執(zhí)行流程不一樣。函數(shù)是順序執(zhí)行,遇到return語句或者最后一行函數(shù)語句就返回。而變成generator的函數(shù),在每次調(diào)用next()的時(shí)候執(zhí)行,遇到y(tǒng)ield語句返回,再次執(zhí)行時(shí)從上次返回的yield語句處繼續(xù)執(zhí)行。
嘗試:在上面yield b 下邊添加一行print(b),調(diào)用fib(6),并沒有任何輸出,只有遍歷f的時(shí)候才會(huì)有輸出。
舉個(gè)簡(jiǎn)單的例子,定義一個(gè)generator,依次返回?cái)?shù)字1,3,5:
def odd():print('step 1')yield 1print('step 2')yield(3)print('step 3')yield(5) 調(diào)用該generator時(shí),首先要生成一個(gè)generator對(duì)象,然后用next()函數(shù)不斷獲得下一個(gè)返回值: >>> 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>", line 1, in <module> StopIterationodd不是普通函數(shù),而是generator,在執(zhí)行過程中,遇到y(tǒng)ield就中斷,下次又繼續(xù)執(zhí)行。執(zhí)行3次yield后,已經(jīng)沒有yield可以執(zhí)行了,所以,第4次調(diào)用next(o)就報(bào)錯(cuò)。
把函數(shù)改成generator后,我們基本上從來不會(huì)用next()來獲取下一個(gè)返回值,而是直接使用for循環(huán)來迭代:
>>> for n in fib(6): ... print(n)但是用for循環(huán)調(diào)用generator時(shí),發(fā)現(xiàn)拿不到generator的return語句的返回值。如果想要拿到返回值,必須捕獲StopIteration錯(cuò)誤,返回值包含在StopIteration的value中:
>>> 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?
要理解generator的工作原理,它是在for循環(huán)的過程中不斷計(jì)算出下一個(gè)元素,并在適當(dāng)?shù)臈l件結(jié)束for循環(huán)。對(duì)于函數(shù)改成的generator來說,遇到return語句或者執(zhí)行到函數(shù)體最后一行語句,就是結(jié)束generator的指令,for循環(huán)隨之結(jié)束。
迭代器
我們已經(jīng)知道,可以直接作用于for循環(huán)的數(shù)據(jù)類型有以下幾種:
- 一類是集合數(shù)據(jù)類型,如list、tuple、dict、set、str等;
- 一類是generator,包括生成器和帶yield的generator function。
這些可以直接作用于for循環(huán)的對(duì)象統(tǒng)稱為可迭代對(duì)象:Iterable。
>>> 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可以使用isinstance()判斷一個(gè)對(duì)象是否是Iterable對(duì)象:
而生成器不但可以作用于for循環(huán),還可以被next()函數(shù)不斷調(diào)用并返回下一個(gè)值,直到最后拋出StopIteration錯(cuò)誤表示無法繼續(xù)返回下一個(gè)值了。
- 可以被next()函數(shù)調(diào)用并不斷返回下一個(gè)值的對(duì)象稱為迭代器:Iterator。
- 可以使用isinstance()判斷一個(gè)對(duì)象是否是Iterator對(duì)象:
生成器都是Iterator對(duì)象,但list、dict、str雖然是Iterable,卻不是Iterator。
把list、dict、str等Iterable變成Iterator可以使用iter()函數(shù):
>>> isinstance(iter([]), Iterator) True >>> isinstance(iter('abc'), Iterator) True你可能會(huì)問,為什么list、dict、str等數(shù)據(jù)類型不是Iterator?
這是因?yàn)镻ython的Iterator對(duì)象表示的是一個(gè)數(shù)據(jù)流,Iterator對(duì)象可以被next()函數(shù)調(diào)用并不斷返回下一個(gè)數(shù)據(jù),直到?jīng)]有數(shù)據(jù)時(shí)拋出StopIteration錯(cuò)誤。可以把這個(gè)數(shù)據(jù)流看做是一個(gè)有序序列,但我們卻不能提前知道序列的長(zhǎng)度,只能不斷通過next()函數(shù)實(shí)現(xiàn)按需計(jì)算下一個(gè)數(shù)據(jù),所以Iterator的計(jì)算是惰性的,只有在需要返回下一個(gè)數(shù)據(jù)時(shí)它才會(huì)計(jì)算。
Iterator甚至可以表示一個(gè)無限大的數(shù)據(jù)流,例如全體自然數(shù)。而使用list是永遠(yuǎn)不可能存儲(chǔ)全體自然數(shù)的。
小結(jié)
- 凡是可作用于for循環(huán)的對(duì)象都是Iterable類型;
- 凡是可作用于next()函數(shù)的對(duì)象都是Iterator類型,它們表示一個(gè)惰性計(jì)算的序列;
- 集合數(shù)據(jù)類型如list、dict、str等是Iterable但不是Iterator,不過可以通過iter()函數(shù)獲得一個(gè)Iterator對(duì)象。
Python的for循環(huán)本質(zhì)上就是通過不斷調(diào)用next()函數(shù)實(shí)現(xiàn)的
for x in [1, 2, 3, 4, 5]:pass實(shí)際上完全等價(jià)于:
# 首先獲得Iterator對(duì)象: it = iter([1, 2, 3, 4, 5]) # 循環(huán): while True:try:# 獲得下一個(gè)值:x = next(it)except StopIteration:# 遇到StopIteration就退出循環(huán)break?
轉(zhuǎn)載于:https://www.cnblogs.com/284628487a/p/5585654.html
《新程序員》:云原生和全面數(shù)字化實(shí)踐50位技術(shù)專家共同創(chuàng)作,文字、視頻、音頻交互閱讀總結(jié)
以上是生活随笔為你收集整理的Python3 高级特性的全部?jī)?nèi)容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: JAVA防盗链在报表中的应用实例
- 下一篇: 原生js封装二级城市下拉列表