(转)python高级:列表解析和生成表达式

一、语法糖的概念

“糖”,可以理解为简单、简洁,“语法糖”使我们可以更加简洁、快速的实现这些功能。 只是Python解释器会把这些特定格式的语法翻译成原本那样复杂的代码逻辑

我们使用的语法糖有:

  • if...else 三元表达式: 可以简化分支判断语句,如 x = y.lower() if isinstance(y, str) else y
  • with语句: 用于文件操作时,可以帮我们自动关闭文件对象,使代码变得简洁;
  • 装饰器: 可以在不改变函数代码及函数调用方式的前提下,为函数增加增强性功能;
  • 列表生成式: 用于生成一个新的列表
  • 生成器: 用于“惰性”地生成一个无限序列
 

生成器表达式、列表解析式对比

列表解析式  在需要改变列表而不是需要新建某列表时,可以使用列表解析无返回值

  1.  
    >>> L= [(x+1,y+1) for x in range(3) for y in range(5)]
  2.  
    >>> L
  3.  
    [( 1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (3, 1), (3, 2), (3, 3), (3, 4), (3, 5)]
  4.  
    >>> N=[x+10 for x in range(10) if x>5]
  5.  
    >>> N
  6.  
    [ 16, 17, 18, 19]



生成器表达式  有返回值

当序列过长, 而每次只需要获取一个元素时,应当考虑使用生成器表达式而不是列表解析。生成器表达式的语法和列表解析一样只不过生成器表达式是被()括起来的,而不是[],如下:

  1.  
    >>> L= (i + 1 for i in range(10) if i % 2)
  2.  
    >>> L
  3.  
    <generator object <genexpr> at 0xb749a52c>
  4.  
    >>> L1=[]
  5.  
    >>> for i in L:
  6.  
    ... L1.append(i)
  7.  
    ...
  8.  
    >>> L1
  9.  
    [ 2, 4, 6, 8, 10]

1. 当需要只是执行一个循环的时候尽量使用循环而不是列表解析,这样更符合python提倡的直观性。

  1.  
    for item in sequence:
  2.  
    process(item)

2. 当有内建的操作或者类型能够以更直接的方式实现的,不要使用列表解析。例如复制一个列表时,使用:L1=list(L)即可,不必使用: 

L1=[x for x in L] 
 

3.如果需要对每个元素都调用并且返回结果时,应使用L1=map(f,L), 而不是 L1=[f(x) for x in L]

对比:

计算方式

生成器表达式延迟计算,列表解析式立即计算
 

内存占用

从返回值来说,生成器省内存,列表解析式返回新的列表
 
生成器没有数据,内存占用极少,但是使用的时候,虽然一个个返回数据,但是合起来占用的内存也差不多
 
列表解析式构造新的列表需要占用内存
 

计算速度

单看计算时间,生成器表达式耗时非常短,列表解析式耗时长
 
但是生成器本身并没有返回任何值,只返回了一个生成器对象
 
列表解析式构造并返回了一个新的列表
 

列表解析实例展示

  1.  
    要求:列出 1~10中大于等于4的数字的平方
  2.  
    ####################################################
  3.  
    1、普通方法:
  4.  
    >>> L = []
  5.  
    >>> for i in range(1,11):
  6.  
    ...     if i >= 4:
  7.  
    ...         L.append(i**2)
  8.  
    ... 
  9.  
    >>> print L
  10.  
    [ 16, 25, 36, 49, 64, 81, 100]
  11.  
    ####################################################
  12.  
    2、列表解析
  13.  
    >>>L = [ i** 2 for i in range(1,11) if i >= 4 ]
  14.  
    >>> print L
  15.  
    [ 16, 25, 36, 49, 64, 81, 100]
 
[python] view plain copy
 
 
print?
  1. <code class="language-python">要求:列出1~10所有数字的平方除以2的值  
  2. ####################################################  
  3. 1、普通方法  
  4. >>> L = []  
  5. >>> for i in range(1,11):  
  6. ...     L.append(i**2/2)  
  7. ...   
  8. >>> print L  
  9. [0, 2, 4, 8, 12, 18, 24, 32, 40, 50]  
  10. ####################################################  
  11. 2、列表解析  
  12. >>> L = [i**2/for i in range(1,11) ]  
  13. >>> print L  
  14. [0, 2, 4, 8, 12, 18, 24, 32, 40, 50]</code>  
  1.  
    要求:列出 1~10所有数字的平方除以2的值
  2.  
    ####################################################
  3.  
    1、普通方法
  4.  
    >>> L = []
  5.  
    >>> for i in range(1,11):
  6.  
    ... L.append(i**2/2)
  7.  
    ...
  8.  
    >>> print L
  9.  
    [ 0, 2, 4, 8, 12, 18, 24, 32, 40, 50]
  10.  
    ####################################################
  11.  
    2、列表解析
  12.  
    >>> L = [i**2/2 for i in range(1,11) ]
  13.  
    >>> print L
  14.  
    [ 0, 2, 4, 8, 12, 18, 24, 32, 40, 50]
  1.  
    要求:列出 "/var/log"中所有已'.log'结尾的文件
  2.  
    ##################################################
  3.  
    1、普通方法
  4.  
    >>> import os
  5.  
    >>>file = []
  6.  
    >>> for file in os.listdir('/var/log'):
  7.  
    ...     if file.endswith('.log'):
  8.  
    ...         file.append(file)
  9.  
    ... 
  10.  
    >>> print file
  11.  
    [ 'anaconda.ifcfg.log', 'Xorg.0.log', 'anaconda.storage.log', 'Xorg.9.log', 'yum.log', 'anaconda.log', 'dracut.log', 'pm-powersave.log', 'anaconda.yum.log', 'wpa_supplicant.log', 'boot.log', 'spice-vdagent.log', 'anaconda.program.log']
  12.  
    ##################################################
  13.  
    2.列表解析
  14.  
    >>> import os
  15.  
    >>> file = [ file for file in os.listdir('/var/log') if file.endswith('.log') ]
  16.  
    >>> print file
  17.  
    [ 'anaconda.ifcfg.log', 'Xorg.0.log', 'anaconda.storage.log', 'Xorg.9.log', 'yum.log', 'anaconda.log', 'dracut.log', 'pm-powersave.log', 'anaconda.yum.log', 'wpa_supplicant.log', 'boot.log', 'spice-vdagent.log', 'anaconda.program.log']
  1.  
    要求:实现两个列表中的元素逐一配对。
  2.  
    1、普通方法:
  3.  
    >>> L1 = ['x','y','z']
  4.  
    >>> L2 = [1,2,3]
  5.  
    >>> L3 = []
  6.  
    >>> for a in L1:
  7.  
    ... for b in L2:
  8.  
    ... L3.append((a,b))
  9.  
    ...
  10.  
    >>> print L3
  11.  
    [( 'x', 1), ('x', 2), ('x', 3), ('y', 1), ('y', 2), ('y', 3), ('z', 1), ('z', 2), ('z', 3)]
  12.  
    ####################################################
  13.  
    2、列表解析:
  14.  
    >>> L1 = ['x','y','z']
  15.  
    >>> L2 = [1,2,3]
  16.  
    L3 = [ (a,b) for a in L1 for b in L2 ]
  17.  
    >>> print L3
  18.  
    [( 'x', 1), ('x', 2), ('x', 3), ('y', 1), ('y', 2), ('y', 3), ('z', 1), ('z', 2), ('z', 3)]
  1.  
    1 使用列表解析生成 9*9 乘法表
  2.  
    2
  3.  
    3 print('\n'.join([''.join(['%s*%s=%-2s '%(y,x,x*y)for y in range(1,x+1)])for x in range(1,10)]))
说明:以上实例,使用列表解析比使用普通方法的速度几乎可以快1倍。因此推荐使用列表解析。
 
 

列表生成式与map()、filter()等高阶函数功能对比

[python] view plain copy
 
 
print?
  1. <code class="language-python">要求:把一个列表中所有的字符串转换成小写,非字符串元素原样保留  
  2. L = ['TOM', 'Peter', 10, 'Jerry']  
  3. # 用列表生成式实现  
  4. list1 = [x.lower() if isinstance(x, str) else x for x in L]  
  5.   
  6. # 用map()函数实现  
  7. list2 = list(map(lambda x: x.lower() if isinstance(x, str) else x,  L))</code>  
  1.  
    要求:把一个列表中所有的字符串转换成小写,非字符串元素原样保留
  2.  
    L = [ 'TOM', 'Peter', 10, 'Jerry']
  3.  
    # 用列表生成式实现
  4.  
    list1 = [x.lower() if isinstance(x, str) else x for x in L]
  5.  
     
  6.  
    # 用map()函数实现
  7.  
    list2 = list(map( lambda x: x.lower() if isinstance(x, str) else x, L))
 
[python] view plain copy
 
 
print?
  1. <code class="language-python">要求:把一个列表中所有的字符串转换成小写,非字符串元素移除  
  2. L = ['TOM', 'Peter', 10, 'Jerry']  
  3. # 用列表生成式实现  
  4. list3 = [x.lower() for x in L if isinstance(x, str)]  
  5.   
  6. # 用map()和filter()函数实现  
  7. list4 = list(map(lambda x: x.lower(), filter(lambda x: isinstance(x, str), L)))</code>  
  1.  
    要求:把一个列表中所有的字符串转换成小写,非字符串元素移除
  2.  
    L = [ 'TOM', 'Peter', 10, 'Jerry']
  3.  
    # 用列表生成式实现
  4.  
    list3 = [x.lower() for x in L if isinstance(x, str)]
  5.  
     
  6.  
    # 用map()和filter()函数实现
  7.  
    list4 = list(map( lambda x: x.lower(), filter(lambda x: isinstance(x, str), L)))

生成器(Generator)

1. 生成器的作用

按照某种算法不断生成新的数据,直到满足某一个指定的条件结束。

2. 生成器的构造方式

构造生成器的两种方式:

  • 使用类似列表生成式的方式生成 (2*n + 1 for n in range(3, 11))
  • 使用包含yield的函数来生成

如果计算过程比较简单,可以直接把列表生成式改成generator;但是,如果计算过程比较复杂,就只能通过包含yield的函数来构造generator。

  1.  
    # 使用类似列表生成式的方式构造生成器
  2.  
    g1 = ( 2*n + 1 for n in range(3, 6))
  3.  
     
  4.  
    # 使用包含yield的函数构造生成器
  5.  
    def my_range(start, end):
  6.  
    for n in range(start, end):
  7.  
    yield 2*n + 1
  8.  
     
  9.  
    g2 = my_range( 3, 6)
  10.  
    print(type(g1))
  11.  
    print(type(g2))
  1.  
    输出结果:
  2.  
     
  3.  
    < class 'generator'>
  4.  
    <class 'generator'>


既然通过列表生成式就可以直接创建一个新的list,那么为什么还要有生成器存在呢?

   生成器中的元素是按照指定的算法推算出来的,只有调用时才生成相应的数据。这样就不必一次性地把所有数据都生成,从而节省了大量的内存空间,这使得其生成的元素个数几乎是没有限制的,并且操作的返回时间也是非常快速的(仅仅是创建一个变量而已)

生成器 VS 列表推导式

列表推导式是一次性创建所有数据的,而生成器是生成对象,需要我们调用next方法逐一获取元素。假设我创建的数据很大很大(比如一千万),列表推导式会一次性创建,需要分配很大的内存空间存放这一千万数据,而生成器不会,只是创建了一个生成器对象,所以生成器更节省内存。

可迭代对象(Iterable)

可直接用于for循环的对象统称为可迭代对象(Iterable)

我们已经知道的可迭代(可用于for循环)的数据类型有:

  • 集合数据类型:如list、tuple、dict、set、str等
  • 生成器(Generator)

迭代器(Iterator)

Python中的Iterator对象表示的是一个数据流,Iterator可以被next()函数调用被不断返回下一个数据,直到没有数据可以返回时抛出StopIteration异常错误

Iterable、Iterator与Generator之间的关系

生成器对象既是可迭代对象,也是迭代器

 

迭代器对象一定是可迭代对象,反之则不一定: 例如list、dict、str等集合数据类型是可迭代对象,但不是迭代器,但是它们可以通过iter()函数生成一个迭代器对象

也就是说:迭代器、生成器和可迭代对象都可以用for循环去迭代,生成器和迭代器还可以被next()方函数调用并返回下一个值。

字典解析

字典的形式是: {key: val},所以字典解析式也是用花括号括起来的

  1.  
    # 快速生成值是键二倍的字典
  2.  
    ndict = {x: x* 2 for x in range(5)}
  3.  
    print ndict
  4.  
    { 0: 0, 1: 2, 2: 4, 3: 6, 4: 8}

集合解析

python中集合也是用花括号括起来的,所以集合解析式: {x for x in iter}

  1.  
    # 快速生成1-10的集合
  2.  
    nset = {x for x in range(1, 11)}
  3.  
    print nset
  4.  
    { 1, 2, 3, 4, 5, 6, 7, 8, 9, 10}


--------------------- 本文来自 努力一点点坚持一点点 的CSDN 博客 ,全文地址请点击:https://blog.csdn.net/sinat_23880167/article/details/78906819?utm_source=copy 

猜你喜欢

转载自www.cnblogs.com/liujiacai/p/9752348.html
今日推荐