python学习笔记（三）---高级特性

一、切片

取无数多个list元素 不用一个个取得笨方法就用切片

对这种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，能大大简化这种操作。

对应上面的问题，取前3个元素，用一行代码就可以完成切片：

记住倒数第一个元素的索引是-1，第一个数的索引是0

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

#1.传统方法 L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack'] R = [] #取前N个元素，也就是索引为0-(N-1)的元素，可以用循环 n=3 for i in range(n):     R.append(L[i])     print( R ) #2 切片方法 print( L[0:3] ) print( L[:3] ) print( L[-2:] ) print( L[-2:-1] )   #切片操作十分有用。我们先创建一个0-99的数列 L = list(range(100)) print("前10个数") print ( L[:10]) print("\n前10个数 隔2个取1个数") print ( L[:10:2]) print("\n所有数，正向，每10个取一个数") print(L[::10]) print("后10个数") print(L[-10:])   print('直接定义取几个数') print ( 'ABCDEFG'[:3] ) print ( 'ABCDEFG'[::2] ) print((0, 1, 2, 3, 4, 5)[:3]) print( L[:] )

 

　　

 

其实是substring

 

二、迭代

给定一个对象（tuple、list、dict、string字符串），我们可以通过for循环来遍历，这种遍历我们称为迭代（Iteration）

在Python中，迭代是通过以下内容来完成的

?

1	for ... in

只要当前对象是可迭代对象，则for循环就可正常运行，判断当前对象是否可迭代,且对当前对象进行迭代

# -*- coding: utf-8 -*-
#判断当前对象是否为可迭代对象

from collections import Iterable 运行会出现如下警告

DeprecationWarning: Using or importing the ABCs from 'collections' instead of from 'collections.abc' is deprecated since Python 3.3, and in 3.10 it will stop working
from collections import Iterable

弃用警告：从collections中导入ABCs已被弃用，并在python3.8中将停止工作，可使用collections.abc代替它进行使用

 

from collections.abc import Iterable
#1.str是否可迭代
print(isinstance('abc', Iterable))
#2.list是否可迭代
print(isinstance([1,2,3],Iterable))
#3.tuple是否可迭代
print(isinstance((1,2,3),Iterable))

#1.迭代打印list
for i in [4,5,6]:
    print(i)
#2.迭代打印tuple
for i in (6,7,8):
    print (i)
#3.迭代打印dict
#使用当前的迭代可以输出key、输出value、输出key和value
d={'a':1,'b':2,'c':3}
for value in d.values():
    print(value)
for key in d.keys():
    print(key)
for key,value in d.items():
    print (key,value)

for x,y in [(1,1),(2,4),(3,9)]:
    print(x,y)

#4.迭代字符串
for i in 'ABC':
    print (i)
    

 结果：

 

 

 

三、列表生成式

print('1.生成顺序的数字列表生成式')
print( list(range(1,11)) )

print('2.生成循环x的平方列表生成式 并 筛选出偶数的平方')
#出现问题print(x * x for x in range(1,11)if x%2==0) <generator object <genexpr> at 0x000002B0B4E9BF20>
#当前生成list外层需要中括号括起来
a=[x * x for x in range(1,11)if x%2==0]
print(a)

print('3.两层循环 全排列 实现 拼接字符')
b=[x+y for x in 'ABC' for y in 'XYZ']
print(b)

print('4.调用dict输出2个变量 实现 拼接字符')
dict={'A':'x','B':'Y','C':'Z'}
c=[x+y for x,y in dict.items()]
print(c)

print('5.把list的所有字符串变成小写')
d=['ABBY','AMY','BOBBY','JIMMY']
d=[i.lower() for i in d ]
print(d)

print('6.输出文件中的所有文件和目录')
import os
print( [e for e in os.listdir('.')] )

 

结果：

 

四、生成器

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。

要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator

创建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是非常强大的工具，在Python中，可以简单地把列表生成式改成generator，也可以通过函数实现复杂逻辑的generator。

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。

 

请注意区分普通函数和generator函数，普通函数调用直接返回结果：

>>> r = abs(6)
>>> r
6

generator函数的“调用”实际返回一个generator对象：

>>> g = fib(6)
>>> g
<generator object fib at 0x1022ef948>

fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator

?

1 2 3 4 5 6 7 8 9 10 11

#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 def fib(max):     n, a, b = 0, 0, 1     while n < max:         yield b         a, b = b, a + b         n = n + 1     return 'done'   f=fib(6) print(f)

 

 

 

generator和函数的执行流程不一样。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，如下面这个函数显示的内容一样。

?

def odd():

    print('step 1')

    yield 1

    print('step 2')

    yield(3)

    print('step 3')

    yield(5)

o=odd()

next(o)

next(o)

next(o)

next(o)

 

回到fib的例子，我们在循环过程中不断调用yield，就会不断中断。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来。

同样的，把函数改成generator后，我们基本上从来不会用next()来获取下一个返回值，而是直接使用for循环来迭代：

for n in fib(6):
 print(n)

 

 

 

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29

#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 def fib(max):     n, a, b = 0, 0, 1     while n < max:         yield b         a, b = b, a + b         n = n + 1     return 'done'   # f=fib(6) # print(f) print('第一种打印方式') for n in fib(6):  print(n) <br>#使用这种方式没有办法打印出真的值 print('第二种打印方式') f=fib(6) next(f) #当前使用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 返回值在Iteration的value中 print('第三种打印方式') g=fib(6) while True:      try:          x=next(g)          print('g:',x)      except StopIteration as e:         print('Generator return value:',e.value)         break

 

结果

 

 

 

五、迭代器

什么是迭代器？可以直接作用于for循环的对象统称为可迭代对象：Iterable，包括

 

1.集合类数据类型：list、tuple、dict、set、str

 

2.generator：包括生成器和带yield的generator function

 

怎么判断是迭代器？

 

?

1 2 3 4 5

from collections.abc import Iterable print(isinstance([], Iterable)) print(isinstance((), Iterable)) print(isinstance('abc', Iterable)) print(isinstance((x for x in range(10)), Iterable))

 

 

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

把list、dict、str等Iterable变成Iterator可以使用iter()函数：

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。

Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。

 

 

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，例如：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14

for x in [1, 2, 3, 4, 5]:     pass     # 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