今天帅气的易哥和大家分享的是Pyton的高级特性,希望大家能和我一起学习这门语言的魅力。

Python高级特性之:List Comprehensions、Generator、Dictionary and set comprehension(su013171165)



我们在需要循环处理数据的时候,往往都会用range(n)这个方法生成list但是如果需要生成奇数list或者其他list怎么办呢?这就是我今天要讲的List Comprehensions。

一、List Comprehensions(列表解析/列表生成器)方法一:循环l.append()>>> L = []>>> for i in range(10):        if i % 2 == 1:                L.append(i)                >>> L[1, 3, 5, 7, 9]需要注意的是:xrange()消耗的内存小,只做迭代处理的话,推荐一律用xrange()。

help()原文:Like range(), but instead of returning a list, returns an object that generates the numbers in the range on demand.  For looping, this is  slightly faster than range() and more memory efficient.

方法二:range用法【2014.06.01补充:生成奇偶数其实可以用range,但是本文讲的是list comprehensions。

>>> range(0, 10,2)[0, 2, 4, 6, 8]



方法三:使用List ComprehensionsList Comprehensions语法:[expr for iter_var in iterable] 或 [expr for iter_var in iterable if cond_expr]



L = [expr for iter_var in iterable]:for iter_var in iterable的作用是依次取 iterable赋值给iter_var,而expr for iter_var in iterable的作用就是依次取值给iter_var,expr做运算后,继续循环,expr运算得到的值赋给变量L



>>> L = [i % 2 == 1 for i in range(10)]>>> L[False, True, False, True, False, True, False, True, False, True]>>> L = [i + 1 for i in range(5)]>>> L[1, 2, 3, 4, 5]>>>

请注意上面两个表达式的不同结果。

L =  [expr for iter_var in iterable if cond_expr]:加了判断条件if cond_expr,也就是满足了判断条件才按expr运算iter_var。

>>> L = (i for i in range(10) if i % 2 ==1)>>> L<generator object <genexpr> at 0x02950F80>>>> for i in L:        print i        13579需要注意的是:第二种方法返回的不是一个list是一个generator(生成器)对象!为什么呢,我们用的是()而不是[],是不是有人写错了?

>>> L = [i for i in range(10) if i % 2 ==1]>>> L[1, 3, 5, 7, 9]>>> 下面会讲生成器。

注:还有很多其他用法,有需求,就有使用的空间,简单写两个。

1、多层循环

>>> L = [a * b for a in range(1, 10) for b in range(1, 10)]>>> L[1, 2, 3, 4, 5, 6, 7, 8, 9, 2, 4, 6, 8, 10, 12, 14, 16, 18, 3, 6, 9, 12, 15, 18, 21, 24, 27, 4, 8, 12, 16, 20, 24, 28, 32, 36, 5, 10, 15, 20, 25, 30, 35, 40, 45, 6, 12, 18, 24, 30, 36, 42, 48, 54, 7, 14, 21, 28, 35, 42, 49, 56, 63, 8, 16, 24, 32, 40, 48, 56, 64, 72, 9, 18, 27, 36, 45, 54, 63, 72, 81]2、用等连接字典的键值:key=value

>>> d = {1: 'A', 2: 'B', 3: 'C' }>>> [str(k) + '=' + v for k, v in d.iteritems()]['1=A', '2=B', '3=C']>>> 二、Generator(生成器)官方demo:https://wiki.python.org/moin/Generators 建议迭代的时候能用generator就用!



为什么我推荐生成器呢。因为list大的时候很占内存,会受到内存限制;如果我们需要用的元素少,岂不是浪费得很?

generator的机制为:一边循环,一边计算!



generator的创建方法:1、把List Comprehensions中的[]换为(),上面有例子,不在贴出代码。有些是不能用List Comprehensions写出来的,例如斐波那契数列用,怎么办呢? 百度百科:斐波拉契数列 维基百科:菲波拉契数列



斐波那契数列,又称黄金分割数列,指的是这样一个数列:0、1、1、2、3、5、8、13、21、……在数学上,斐波纳契数列以如下被以递归的方法定义:F0=0,F1=1,Fn=F(n-1)+F(n-2)(n>=2,n∈N*)。



这个就需要用函数了!但是普通函数不能生成generator,需要用到yield关键字。

2、yield关键字首先不得不说下generator值的取法:用for循环;用next()方法。

>>> L = (i for i in range(10) if i % 2 != 1)>>> L<generator object <genexpr> at 0x029518A0>>>> for i in L:        print i        02468>>> for i in L:        print i        >>>有没有疑问呢?再看next()方法是什么样的。

>>> L = (i for i in range(10) if i % 2 != 1)>>> L.next()0>>> L.next()2>>> L.next()4>>> L.next()6>>> L.next()8>>> L.next()Traceback (most recent call last):  File "<pyshell#6>", line 1, in <module>    L.next()StopIteration>>> for i in L:        print i        >>> 我们发现了什么?L的值被取过一遍后再也取不出来了!next()会报错,for 循环取不出来任何值。

原因是:它并不把所有的值放在内存中,它是实时地生成数据,所以只可以取值一次!

其他的迭代器方法,如下图:





Help on generator object:

<genexpr> = class generator(object)

|  Methods defined here:

|  close(...)

|      close() -> raise GeneratorExit inside generator.

|      # 抛出generator内部的GeneratorExit异常,达到停止generator的目的

>>> L = (i for i in range(10) if i % 2 != 1)>>> L.next()0>>> L.close()>>> L.next()Traceback (most recent call last):  File "<pyshell#18>", line 1, in <module>    L.next()StopIteration>>> |  next(...)

|      x.next() -> the next value, or raise StopIteration

|      # 取下一个值,所有都取过则抛出异常StopIteration

|  send(...)

|      send(arg) -> send 'arg' into generator,

|      return next yielded value or raise StopIteration.

|      # 传递参数进入generator,返回下一个yielded的值直到抛出StopIteration异常。

|  throw(...)

|      throw(typ[,val[,tb]]) -> raise exception in generator,

|      return next yielded value or raise StopIteration.

|      # 未知用法,暂未涉及

|  ----------------------------------------------------------------------

下面用斐波那契数列学习generator:

>>> def fbnq(max):        # 生成max个元素的斐波那契数列        L = []        a, b, n = 0, 1, 0        while n < max:            L.append(b)            a, b = b , a + b            n += 1        return L>>> fbnq(10)[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]>>> 我们能构建1个list的斐波那契数列,那么generator的怎么构建呢?很简单!

>>> def fbnq(max):        # 生成max个元素的斐波那契数列        a, b, n = 0, 1, 0        while n < max:            yield b            a, b = b , a + b            n += 1            >>> fbnq(8)<generator object fbnq at 0x02A1C760>>>> G.next()1>>> G.next()1>>> G.next()2>>> for i in G:        print i        3581321>>> 为什么会这样呢?由于有关键字yield,我们构建的第二个函数就不是普通的函数了,而是一个generator。工作原理是:程序执行时,遇到yield就会停下来,并返回当前yield b中的b的值,下次调用时候,又从yield处开始执行,并且执行到下一个yield处暂停,并抛出当前yield b中的b的值。(本例子中有个while循环!)下面是程序运行过程:

>>> def fbnq(max):        # 生成max个元素的斐波那契数列        a, b, n = 0, 1, 0        while n < max:            print "A"             yield b            a, b = b , a + b            n += 1            print "B"            >>> G = fbnq(5)>>> G.next()A1>>> G.next()BA1>>> G.next()BA2>>> G.next()BA3>>> G.next()BA5>>> G.next()BTraceback (most recent call last):  File "<pyshell#70>", line 1, in <module>    G.next()StopIteration>>>

【更新于:2014.07.08另外一种实现方法

>>> def fbnq():        a, b = 0, 1        while True:             yield a            a, b = b , a + b            >>> from itertools import islice>>> list(islice(fbnq(), 10))[0, 1, 1, 2, 3, 5, 8, 13, 21, 34]>>>

三、Dictionary and set comprehensions新特性:2.7.X版本及3.2以上版本。本节内容2014.09.25更新。

set和dict表达式

a = {x: x*x for x in range(6)}aOut[9]: {0: 0, 1: 1, 2: 4, 3: 9, 4: 16, 5: 25}type(a)Out[10]: dictb = {('a'*x) for x in range(6)}bOut[12]: {'', 'a', 'aa', 'aaa', 'aaaa', 'aaaaa'}type(b)Out[13]: set

Python高级特性之:List Comprehensions、Generator、Dictionary and set ...的更多相关文章

  1. Python 高级特性介绍 - 迭代的99种姿势 与协程

    Python 高级特性介绍 - 迭代的99种姿势 与协程 引言 写这个笔记记录一下一点点收获 测试环境版本: Python 3.7.4 (default, Sep 28 2019, 16:39:19) ...

  2. 三、python高级特性(切片、迭代、列表生成器、生成器)

    1.python高级特性 1.1切片 list列表 L=['Mli','add','sal','saoo','Lkkl'] L[0:3]  #即为['Mli','add','sal']  从索引0开始 ...

  3. python高级特性:切片/迭代/列表生成式/生成器

    廖雪峰老师的教程上学来的,地址:python高级特性 下面以几个具体示例演示用法: 一.切片 1.1 利用切片实现trim def trim(s): while s[:1] == " &qu ...

  4. Python高级特性(1):Iterators、Generators和itertools(转)

    译文:Python高级特性(1):Iterators.Generators和itertools [译注]:作为一门动态脚本语言,Python 对编程初学者而言很友好,丰富的第三方库能够给使用者带来很大 ...

  5. python高级特性和高阶函数

    python高级特性 1.集合的推导式 列表推导式,使用一句表达式构造一个新列表,可包含过滤.转换等操作. 语法:[exp for item in collection if codition] if ...

  6. Python高级特性(3): Classes和Metaclasses(转)

    原文:Python高级特性(3): Classes和Metaclasses 类和对象 类和函数一样都是Python中的对象.当一个类定义完成之后,Python将创建一个“类对象”并将其赋值给一个同名变 ...

  7. Python高级特性(2):Closures、Decorators和functools(转)

    原文:Python高级特性(2):Closures.Decorators和functools 装饰器(Decorators) 装饰器是这样一种设计模式:如果一个类希望添加其他类的一些功能,而不希望通过 ...

  8. Python高级特性(切片,迭代,列表生成式,生成器,迭代器)

    掌握了Python的数据类型.语句和函数,基本上就可以编写出很多有用的程序了. 比如构造一个1, 3, 5, 7, ..., 99的列表,可以通过循环实现: L = [] n = 1 while n ...

  9. Python高级特性(1):Iterators、Generators和itertools(参考)

    对数学家来说,Python这门语言有着很多吸引他们的地方.举几个例子:对于tuple.lists以及sets等容器的支持,使用与传统数学类 似的符号标记方式,还有列表推导式这样与数学中集合推导式和集的 ...

随机推荐

  1. 手机号码生成器app,手机上用的

    手机号码生成器app,在日常的工作中可能会用到,它是用来找客人用的,不是生成了拿来做手机卡使用的,可能很多人会误解他的功能. 其实他的操作并不复杂,大体分为三步. 第一步,选择省份城市比如我们选择了甘 ...

  2. 201871010113-刘兴瑞《面向对象程序设计(java)》第十六周学习总结

    项目 内容 这个作业属于哪个课程 <任课教师博客主页链接>https://www.cnblogs.com/nwnu-daizh/ 这个作业的要求在哪里 <作业链接地址>http ...

  3. CF1278B-A and B-(简单数学)

    https://vjudge.net/problem/CodeForces-1278B 题意:给两个数a和b,有一种操作:第i次操作任选其中一个数加或减i:如第1次操作可以任选其中一个数加1或减1,第 ...

  4. npm查看本地包版本号和远程包的版本号

    npm 查看远程包 第一种方法: npm info <packageName> 第二种方法: npm view <packageName> versions --json np ...

  5. php 截取字符串 strstr 和strrchr

    截取字符串 strstr 和strrchr 结果:(其中之一) strstr : 执行时间在0.10 - 0.19 之间 strrchr : 执行时间在0.095 - 0.19 之间 结论:从数十次执 ...

  6. yii2自定义验证规则

  7. 【STM32H7教程】第24章 STM32H7的Cache解读(非常重要)

    完整教程下载地址:http://www.armbbs.cn/forum.php?mod=viewthread&tid=86980 第24章       STM32H7的Cache解读(非常重要 ...

  8. Vue之外的杂谈笔记

    1.老项目的构建输出为什么臃肿? 引用:(引自http://www.cnblogs.com/linfangshuhellowored/p/5657285.html) 答:因为使用的是require的r ...

  9. hbase数据加盐(Salting)存储与协处理器查询数据的方法

    转自: https://blog.csdn.net/finad01/article/details/45952781 ----------------------------------------- ...

  10. 使用configparser模块进行封装,构造配置文件处理器

    from configparser import ConfigParser class HandleConfig: ''' 定义一个配置文件处理类 ''' def __init__(self, fil ...