Python学习笔记（十）—— 高级特性

一、切片

1、定义：

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。

2、语法：

A[1:3]          取出1到3，都是正数的情况下，缺填的为0（第一个），end（最后一个）

B[-3:]           取出倒数第三个到倒数第一个，都是负数的情况下，缺填的为-1（最后一个）

C[1:10:2]     从1到10，每2个取一个

　　跟matlab差不多的语法，就是对一个向量可以进行矩阵操作。可以对List.tuple,string,dict,set等使用

二、切片

1、定义：

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）。

2、Python迭代特殊点：

Python的  for循环  抽象程度要高于Java的  for循环  ，因为Python的  for循环  不仅可以用在list或tuple上，还可以作用在其他可迭代对象上。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：

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

由于dict不是顺序排列的，所以迭代出来的结果，可能顺序不同。

3、dict迭代注意点：

（1）可以按照key（默认）迭代，如上

（2）也可以按照value迭代

for value in d.values()

（3）也可以两者同时迭代（python特殊点）

for k, v in d.items()

4、如何判断是否可迭代：使用collections模块的iterable类型进行判断

>>> 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

　　

5、如何实现C语言的下标实现：Python内置的enumerate函数可以把一个list变成索引-元素对

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

三、列表生成器

1、定义：

列表生成式即List Comprehensions，是Python内置的非常简单却强大的可以用来创建list的生成式。

2、语法：

（1）基础式：

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

（2）提高式：

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

　　即：前面为运算，后面跟一个迭代

（3）双循环式:

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

（4）多变量式

>>> d = {'x': 'A', 'y': 'B', 'z': 'C' }
>>> [k + '=' + v for k, v in d.items()]
['y=B', 'x=A', 'z=C']

　　

（5）判断式：

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

　　

四、生成器：

1、定义：

通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。

2、列表生成式改良创建生成器：

把一个列表生成式的[]改成()，就创建了一个generator

>>> 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>

3、打印方法：

（1）next()

>>> next(g)
0
>>> next(g)
1
>>> next(g)
4
>>> next(g)
9
>>> next(g)
16
>>> next(g)
25
>>> next(g)
36
>>> next(g)
49
>>> next(g)
64
>>> next(g)
81
>>> next(g)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

（2）for循环打印

>>> g = (x * x for x in range(10))
>>> for n in g:
...     print(n)
...
0
1
4
9
16
25
36
49
64
81

4、使用函数创建生成器

（1）斐波那契数列打印函数：

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        print(b)
        a, b = b, a + b
        n = n + 1
    return 'done'

（2）斐波那契数列生成器：

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
    return 'done'

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

（3）定义：

如果一个函数定义中包含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

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。

（4）练习：

def triangles():
    L = [1]
    while True:
        yield L
        L.append(0)
        L = [L[i - 1] + L[i] for i in range(len(L))]

n = 0
for t in triangles():
    print(t)
    n = n + 1
    if n == 10:
        break

　　

5、讨论：

（1）要理解generator的工作原理，它是在for循环的过程中不断计算出下一个元素，并在适当的条件结束for循环。对于函数改成的generator来说，遇到return语句或者执行到函数体最后一行语句，就是结束generator的指令，for循环随之结束。

（2）函数与generator区别

五、迭代器

1、可迭代对象

（1）定义：

可以直接作用于for循环的对象统称为可迭代对象：Iterable。

（2）分类：

　　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。

（3）判断方法:

　　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、生成器：

（1）定义：

　　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。

（2）判断方法:

　　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

（3）生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。

（4）Iterable 转换成 Iterator

>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True

　　

3、讨论

（1）凡是可作用于for循环的对象都是Iterable类型；

（2）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，只有在需要返回下一个数据时它才会计算

（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。

（4）Python的for循环本质上就是通过不断调用next()函数实现的，例如

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:
while True:
    try:
        # 获得下一个值:
        x = next(it)
    except StopIteration:
        # 遇到StopIteration就退出循环
        break