Python教程：高级特性

风迪

1.切片

L[0:3]表示，从索引0开始取，直到索引3为止，但不包括索引3。即索引0，1，2，正好是3个元素。
如果第一个索引是0，还可以省略：

1. >>> L =['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']
2. >>> L[:3] ['Michael', 'Sarah', 'Tracy']

复制代码

也可以从索引1开始，取出2个元素出来：

1. >>> L[1:3]
2. ['Sarah', 'Tracy']

复制代码

类似的，既然Python支持L[-1]取倒数第一个元素，那么它同样支持倒数切片，

1. >>> L[-2:]
2. ['Bob', 'Jack']
3. >>> L[-2:-1]
4. ['Bob']

复制代码

记住倒数第一个元素的索引是-1。
切片操作十分有用。我们先创建一个0-99的数列：

1. >>> L = list(range(100))
2. [0, 1, 2, 3, ..., 99]

复制代码

可以通过切片轻松取出某一段数列。比如前10个数：

1. >>> L[:10]
2. [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

复制代码

前10个数，每两个取一个：

1. >>> L[:10:2]
2. [0, 2, 4, 6, 8]

复制代码

所有数，每5个取一个：

1. >>> L[::5]
2. [0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]

复制代码

甚至什么都不写，只写[:]就可以原样复制一个list：

1. >>> L[:]
2. [0, 1, 2, 3, ..., 99]

复制代码

tuple也是一种list，唯一区别是tuple不可变。因此，tuple也可以用切片操作，只是操作的结果仍是tuple：

1. >>> (0, 1, 2, 3, 4, 5)[:3]
2. (0, 1, 2)

复制代码

字符串'xxx'也可以看成是一种list，每个元素就是一个字符。因此，字符串也可以用切片操作，只是操作结果仍是字符串：

1. >>> 'ABCDEFG'[:3]
2. 'ABC'

复制代码

在很多编程语言中，针对字符串提供了很多各种截取函数（例如，substring），其实目的就是对字符串切片。Python没有针对字符串的截取函数，只需要切片一个操作就可以完成，非常简单。

1. S = "abcdefg"
2. print(S[:2]) # ab
3. print(S[::2]) # aceg
4. print(S[::3]) # adg

复制代码

2.迭代

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）。
在Python中，迭代是通过for ... in来完成的，而很多语言比如C或者Java，迭代list是通过下标完成的，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：

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

复制代码

因为dict的存储不是按照list的方式顺序排列，所以，迭代出的结果顺序很可能不一样。
默认情况下，dict迭代的是key。如果要迭代value，可以用for value in d.values()，如果要同时迭代key和value，可以用for k, v in d.items()。
由于字符串也是可迭代对象，因此，也可以作用于for循环：

1. >>> for ch in 'ABC':
2. ...     print(ch)
3. ...
4. A
5. B
6. C

复制代码

所以，当我们使用for循环时，只要作用于一个可迭代对象，for循环就可以正常运行，而我们不太关心该对象究竟是list还是其他数据类型。
那么，如何判断一个对象是可迭代对象呢？方法是通过collections模块的Iterable类型判断：

1. >>> from collections import Iterable
2. >>> isinstance('abc', Iterable) # str是否可迭代
3. True
4. >>> isinstance([1,2,3], Iterable) # list是否可迭代
5. True
6. >>> isinstance(123, Iterable) # 整数是否可迭代
7. False

复制代码

如果要对list实现类似Java那样的下标循环怎么办？Python内置的enumerate函数可以把一个list变成索引-元素对，这样就可以在for循环中同时迭代索引和元素本身：

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

复制代码

上面的for循环里，同时引用了两个变量，在Python里是很常见的，比如下面的代码：

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

复制代码

任何可迭代对象都可以作用于for循环，包括我们自定义的数据类型，只要符合迭代条件，就可以使用for循环。
3.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。
举个例子，要生成list [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]可以用list(range(1, 11))
生成[1x1, 2x2, 3x3, ..., 10x10]怎么做？方法一是循环：

1. >>> L = []
2. >>> for x in range(1, 11):
3. ...    L.append(x * x)
4. ...
5. >>> L
6. [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

复制代码

列表生成式则可以用一行语句代替循环生成上面的list([1x1, 2x2, 3x3, ..., 10x10])：

1. [x * x for x in range(1, 11)]

复制代码

写列表生成式时，把要生成的元素x * x放到前面，后面跟for循环，就可以把list创建出来
for循环后面还可以加上if判断，这样我们就可以筛选出仅偶数的平方：

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

复制代码

还可以使用两层循环，可以生成全排列：

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

复制代码

三层和三层以上的循环就很少用到
运用列表生成式，可以写出非常简洁的代码。例如，列出当前目录下的所有文件和目录名，可以通过一行代码实现

1. >>> import os # 导入os模块，模块的概念后面讲到
2. >>> [d for d in os.listdir('.')] # os.listdir可以列出文件和目录
3. ['.emacs.d', '.ssh', '.Trash', 'Adlm', 'Applications', 'Desktop', 'Documents', 'Downloads', 'Library', 'Movies', 'Music', 'Pictures', 'Public', 'VirtualBox VMs', 'Workspace', 'XCode']

复制代码

for循环其实可以同时使用两个甚至多个变量，比如dict的items()可以同时迭代key和value：

1. >>> d = {'x': 'A', 'y': 'B', 'z': 'C' }
2. >>> for k, v in d.items():
3. ...     print(k, '=', v)
4. ...
5. y = B
6. x = A
7. z = C

复制代码

因此，列表生成式也可以使用两个变量来生成list：

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

复制代码

最后把一个list中所有的字符串变成小写：

1. >>> L = ['Hello', 'World', 'IBM', 'Apple']
2. >>> [s.lower() for s in L]

复制代码

练习2

1. L1 = ['Hello', 'World', 18, 'Apple', None]
2. print([x.lower() if isinstance(x, str) else x for x in L1])

复制代码

4.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：

1. g = (x * x for x in range(10))
2. <generator object <genexpr> at 0x1022ef630>

复制代码

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。
如果要一个一个打印出来，可以通过next()函数获得generator的下一个返回值：

1. next(g)

复制代码

generator保存的是算法，每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。
不断调用next(g)实在是太变态了，正确的方法是使用for循环，因为generator也是可迭代对象：

1. >>> g = (x * x for x in range(10))
2. <generator object <genexpr> at 0x1022ef630>>>> for n in g:...     print(n)

复制代码

generator非常强大。如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。
比如，著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：

1. 1, 1, 2, 3, 5, 8, 13, 21, 34, ...

复制代码

斐波拉契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易：

1. def fib(max):
2.     n, a, b = 0, 0, 1
3.     while n < max:
4.         print(b)
5.         a, b = b, a + b
6.         n = n + 1
7.     return 'done'

复制代码

仔细观察，可以看出，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。
也就是说，上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print(b)改为yield b就可以了：

1. def fib(max):
2.     n, a, b = 0, 0, 1
3.     while n < max:
4.         yield b
5.         a, b = b, a + b
6.         n = n + 1
7.     return 'done'

复制代码

这就是定义generator的另一种方法。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：

1. >>> f = fib(6)
2. <generator object fib at 0x104feaaa0>

复制代码

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。
尝试：在上面yield b 下边添加一行print(b)，调用fib(6)，并没有任何输出，只有遍历f的时候才会有输出。
举个简单的例子，定义一个generator，依次返回数字1，3，5：

1. def odd():
2.     print('step 1')
3.     yield 1
4.     print('step 2')
5.     yield(3)
6.     print('step 3')
7.     yield(5)

复制代码

调用该generator时，首先要生成一个generator对象，然后用next()函数不断获得下一个返回值：

1. >>> o = odd()
2. >>> next(o)
3. step 1
4. 1
5. >>> next(o)
6. step 2
7. 3
8. >>> next(o)
9. step 3
10. 5
11. >>> next(o)
12. Traceback (most recent call last):
13.   File "<stdin>", line 1, in <module>
14. StopIteration

复制代码

odd不是普通函数，而是generator，在执行过程中，遇到yield就中断，下次又继续执行。执行3次yield后，已经没有yield可以执行了，所以，第4次调用next(o)就报错。
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：

1. >>> for n in fib(6):
2. ...     print(n)

复制代码

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：

1. >>> g = fib(6)
2. >>> while True:
3. ...     try:
4. ...         x = next(g)
5. ...         print('g:', x)
6. ...     except StopIteration as e:
7. ...         print('Generator return value:', e.value)
8. ...         break
12. g: 1
13. g: 1
14. g: 2
15. g: 3
16. g: 5
17. g: 8
18. Generator return value: done

复制代码

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。
5.迭代器

我们已经知道，可以直接作用于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。

1. >>> from collections import Iterable
2. >>> isinstance([], Iterable)
3. True
4. >>> isinstance({}, Iterable)
5. True
6. >>> isinstance('abc', Iterable)
7. True
8. >>> isinstance((x for x in range(10)), Iterable)
9. True
10. >>> isinstance(100, Iterable)
11. False

复制代码

可以使用isinstance()判断一个对象是否是Iterable对象：
而生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。

• 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。
  
• 可以使用isinstance()判断一个对象是否是Iterator对象：
  

1. #学习中遇到问题没人解答？小编创建了一个Python学习交流群：711312441
2. >>> from collections import Iterator
3. >>> isinstance((x for x in range(10)), Iterator)
4. True
5. >>> isinstance([], Iterator)
6. False
7. >>> isinstance({}, Iterator)
8. False
9. >>> isinstance('abc', Iterator)
10. False

复制代码

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：

1. >>> isinstance(iter([]), Iterator)
2. True
3. >>> isinstance(iter('abc'), Iterator)
4. True

复制代码

你可能会问，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。
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。
6.总结

• 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

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

复制代码

实际上完全等价于：

1. # 首先获得Iterator对象:
2. it = iter([1, 2, 3, 4, 5])
3. # 循环:
4. while True:
5.     try:
6.         # 获得下一个值:
7.         x = next(it)
8.     except StopIteration:
9.         # 遇到StopIteration就退出循环
10.         break

复制代码

来源:https://www.cnblogs.com/xxpythonxx/p/17099674.html
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！