Python高级特性
一、切片
list = [1,2,3,4,5,6,7]
# 包含起点,不包含终点
list1 = list[1:3]
# list1 = [2,3]
# :前后可省略
list2 = list[2:]
# list2 = [3,4,5,6,7]
二、列表生成式
# 列表生成式
list = list(range(1, 11))
print(list)
#
# 把要生成的元素 x * x 放前面,后面跟for循环,就可以生成list了
list1 = [x * x for x in range(1, 11)]
print(list1)
# 还可以把判断加上,例如筛选出仅偶数的平方
list2 = [x * x for x in range(1, 11) if x % 2 == 0]
print(list2)
# 还可以使用两层循环,生成全排列,例如:
list3 = [m + n for m in 'ABC' for n in 'XYZ']
print(list3)
# 运用列表生成式,可以写出非常简洁的代码,例如,列出当前目录下所有文件和目录名,可以通过一行代码实现
# 先导头文件
import os
list4 = [d for d in os.listdir('.')]
print(list4)
# 列表生成式可以用两个变量来生成list
d = {'x': 'A', 'y': 'B', 'z': 'C' }
list5 = [k + '=' + v for k, v in d.items()]
print(list5)
# 把一个list中所有字符串变成小写
L = ['Hello', 'World', 'IBM', 'Apple']
list6 = [s.lower() for s in L]
print(list6)
三、生成器
原理:
# 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。
创建生成器的方式有以下几种
最简单的创建生成器的方式,只需要把列表生成式的[]换成()就可以了
generator = (x * x for x in range(1, 11))
第二种函数式创建generator,举一个简单的例子:斐波拉契数列
def fib(max): n, a, b = 0, 0, 1 while n < max: yield b a, b = b, a + b n += 1 return 'done' print(fib(10)) for n in fib(10): print(n) #得出的结果是这样 1 1 2 3 5 8 13 21 34 55
''' 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: ''' g = fib(10) while True: try: x = next(g) print('g:', x) except StopIteration as e: print('Generator return value:', e.value) break
用生成器实现杨辉三角:
原理:把每一行看成一个list,不断输出下一行list
def triangles(): n = 0 list = [] listold = [] while True: for i in range(n): if n == 1: list.append(1) else: if i == len(list): list.append(1) else: if i < len(list) - 1: list[i + 1] = listold[i] + listold[i + 1] yield list listold = list.copy() n += 1 return 'done' m = 0 for t in triangles(): print(t) m = m + 1 if m == 10: break
四、迭代器
from collections import Iterator
'''
所有的list,dict,str等,可用for循环的数据类型,都称之为可迭代对象:Iterable
但是只有可以被next()函数调用,并不断返回下一个值的对象称为迭代器:Iterator
'''
# 判断某个值是否是某个类型,可以用函数:
print(isinstance('aaa', str))
print(isinstance([], Iterator))
'''
为什么list,dict, str,等数据类型不是Iterator?
这是因为Python的Iterator对象表示的是一个数据流,
Iterator对象可以被next()函数调用并不断返回下一个数据,直到没有数据时抛出StopIteration错误。
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。
'''
# 想把list,dict,str等变成Iterator,需要用Iter()函数
from collections import Iterator
print(isinstance(iter([]), Iterator))
'''
迭代器小结:
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;
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
'''
# 关于第四点举个简单的例子
for i in [1,2,3,4,5,6]:
pass
# 完全等价于:
it = iter([1,2,3,4,5,6])
while True:
try:
x = next(it)
except StopIteration:
break