#切片
import os
from collections import Iterable
L=['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']
#索引1到3,但不包括3
print(L[1:3])
print(L[:3])
print(L[-2:])
#索引-2到-1,但不包括-1
print(L[-2:-1])
#索引0到10,但不包括10,每两个取一个
L[:10:2]
#索引所有,每5个取一个
L[::5]
#索引所有,相当于复制列表
L[:]
#tuple列表切片
(0, 1, 2, 3, 4, 5)[:3]
#字符串切片
'ABCDEFG'[:3]
#迭代 for item in L: ,如何判断一个对象是可迭代对象?通过collections模块的Iterable类型判断
isinstance('abc',Iterable)
#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)
for x, y in [(1, 1), (2, 4), (3, 9)]:
print(x, y)
#列表生成式,直接创建一个列表
print(list(range(10)))
print([x for x in range(1,11)])
print([m + n for m in 'ABC' for n in 'XYZ'])
print([d for d in os.listdir('.')]) # os.listdir可以列出文件和目录
d = {'x': 'A', 'y': 'B', 'z': 'C' }
print([k+'='+v for k,v in d.items()])
L = ['Hello', 'World', 'IBM', 'Apple']
print([s.lower() for s in L])
#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
#L和g的区别仅在于最外层的[]和(),L是一个list,而g是一个generator
#<generator object <genexpr> at 0x1022ef630
g=(x*x for x in range(10))
print(g)
for n in g:
print(n)
#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
#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
def odd():
print('step 1')
yield 1
print('step 2')
yield 2
print('step 3')
yield 3
return 'done'
o = odd()
# next(o)
# next(o)
# next(o)
for n in o:
print(n)
#斐波那契
# def fib(max):
# n, a, b = 0, 0, 1
# while n < max:
# yield b
# a, b = b, a + b
# n = n + 1
# return 'done'
# print(fib(6))
#总结:
# 创建nerato的方式:1.()的列表生成式;2.带yield的函数
#迭代器
#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
#凡是可作用于for循环的对象都是Iterable类型;
#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;
#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(二)切片,迭代,列表生成式,生成器,迭代器
猜你喜欢
转载自blog.csdn.net/feicongcong/article/details/85693580
今日推荐
周排行