Pyhton学习笔记四：高级特性

• 在Python中，代码越少，开发效率越高；

---

1. 切片

---

• 取一个list或tuple的部分元素是非常常见的操作，如取以下list的前三个元素：

>>> L = ['A', 'B', 'C', 'D', 'E']

• 笨方法：

>>> [L[0], L[1], L[2]]
['A', 'B', 'C']
# 当扩展到n个元素的时候，就没法使用了

• 循环：

# 取前n个元素，也就是索引为0-(n-1)的元素
>>> L = []
>>> n = 3
>>> for i in range(n):
...     r.append(L[i])
... 
>>> r
['A', 'B', 'C']

• 切片

# 对于经常使用取指定索引范围的操作，循环还是比较麻烦的，因此python提供了切片(Slice)操作符
>>> L[0:3]
['A', 'B', 'C']

• 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
>>> L[:3]
['A', 'B', 'C']

• 同样支持取出倒数第一个元素，倒数的第一个索引是-1

>>> L[-2:]
['B', 'C']
>>> L[-2:-1]
['B']

• 切片还有很多作用

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

• 前十个数，每两个取一个

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

• 什么都不写，复制一个list

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

• tuple也是一个list，唯一区别是tuple不可变，同样可以用切片操作

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

• 字符串'xxxxx'也可以看成是一种list，每个元素就是一个字符，同样可以使用切片操作

>>> 'ABCDEFG'[:3]
'ABC'
>>> 'ABCDEFG'[::2]
'ACEG'

• 在很多编程语言中，针对字符串提供了很多截取函数，但在python中只需要切片就可以完成，非常简单;

练习

• 利用切片操作，实现一个trim()函数，去除字符串首尾的空格，注意不要调用str的strip()方法：

def trim(s):
    while s[:1] == " ":
        s = s [1:]
    while s[-1:] == " ":
        s = s[:-1]
    return s 

---

2. 迭代

---

• 给定一个list或tuple，可以通过for来遍历这个list或tuple，这种遍历称为迭代（lteration），在其他编程语言中，比如c或Java中是通过下标来完成的，例如:

for(i=0; i<list.length; i++)
{
    n = list[i];
}

• python中迭代是通过for...in...来实现的，应用的对象更加多一点；
• list这种数据类型是有下标的，但很多是没有的，同样可以用迭代，比如dict：

>>> d = {'a':1, 'b':2, 'c':3}
>>> for key in d:
...     print(key)  # 因为dict的存储不是按照list的顺序方式排列，所以迭代出来的顺序可能不一样
...
a
b
c
>>> for value in d.values():  # 迭代value
...     print(value)
...
1
2
3
>>> for k, v in d.items():  # 同时迭代key和value
...     print(k, v)
...
a 1
b 2
c 3

• 字符串也可以是迭代对象：

>>> for ch in 'ABC':
...     print(ch)
...
A
B
C

• 如何判断一个对象是不是可迭代对象呢，通过collections模块的Iterable类型来判断

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

• 如何像Java中实现对list那样的下标循环怎么办，可以通过enumerate函数把list变成索引-元素对

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

• 上面的for循环中，同时引进了两个变量，这种做法很常见：

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

练习

• 请使用迭代查找一个list中最小和最大值，并返回一个tuple：

def findMinAndMax(L):
    if len(L) < 1:
        return (None, None)
    else:
        max = L[0]
        min = L[0]
        for i in L:
            if i <= min:
                min = i
            if i > max:
                max = i
        return (min, max)

---

3. 列表生成式

---

• 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；
• 比如生成list [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]可以用:

>>> list(range(1, 11))
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

• 如果要想生成[1x1, 2x2, 3x3, ..., 10x10]，怎么办？

# 方法一：循环

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

# 方法二：列表生成式

>>> [x * x for x in range(1, 11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

# for循环后面可以加上if判断，比如筛选出仅偶数次的平方

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

• 同时还可以使用两层循环，生成全排列：

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

• 通过列表生成式，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：

>>> import os
>>> [d for d in os.listdir('.')]
['DLLs', 'Doc', 'include', 'Lib', 'libs', 'LICENSE.txt', 'NEWS.txt', 'python.exe', 'python3.dll', 'python37.dll', 'pythonw.exe', 'Scripts', 'tcl', 'test.txt', 'Tools', 'vcruntime140.dll', '__pycache__']

• 列表生成式也可以使用两个变量来生成list：

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

• 把一个list中所有的字符串变成小写：

>>> L = ['Hello', 'World', 'IBM', 'Apple']
>>> [s.lower() for s in L]
['hello', 'world', 'ibm', 'apple']

---

4. 生成器

---

• 列表生成式，受到内存限制，容量是有限的，而且当我们创建一个包含一百万的元素的列表时，如果仅访问前几个元素，那后面绝大多数元素占用的空间就浪费了，所以，是否可以通过某种算法，在循环中不断推算出后面的元素，就不必创建完整的list，在python中，这种一边循环一边计算的机制，称为生成器，generator；

# 创建一个generator，第一种方法，将列表生成式中的[]换成()
>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x000002018C990480>

• 如果要一个一个打印出generator中的每一个元素，可以通过next()函数获得generator的下一个的返回值：

>>> next(g)
0
>>> next(g)
1
>>> next(g)
4
>>> next(g)
9
>>> next(g)
16
>>> next(g)
25
>>> next(g)
36
>>> next(g)
49
>>> next(g)
64
>>> next(g)
81
>>> next(g)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

• 但是这种方法太麻烦，因为generator也是可迭代对象，所以可以通过for循环来打印出generator的元素：

>>> g = (x * x for x in range(10))
>>> for n in g:
...     print(n)
...
0
1
4
9
16
25
36
49
64
81

• 当推算的算法比较复杂时，通过for循环无法实现时，还可以用下面的函数来实现；
• 比如：著名的斐波拉契数列，除第一个和第二个数以外，任意一个数都可以由前两个数相加而得：
• 1，1，2，3，5，8，13，21，34，…

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

>>> fib(6)
1
1
2
3
5
8
'done'

• 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，从第一个元素开始，可以推算出后续的元素，这种逻辑规则已经非常接近generator，要把fib函数变成generator，只需将print(b)改为yield b即可：

def fib(max):
	n, a, b = 0, 0, 1
	while n < max:
		yeild b
		a, b = b, a + b
		n = n + 1
	return 'done'

• 这是定义generator的另外一种方法，如果一个函数中含有yeild关键字，那这个函数就是一个generator:

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

• generator和函数的执行流程不一样，函数时顺讯执行，而generator是每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次的yield语句处继续执行；

# 举个简单的例子，定义一个generator，依次返回数字1，3，5
def odd():
	print('step 1')
	yield 1
	print('step 2')
	yield(3)
	print('step 3')
	yield(5)

• 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：

>>> o = odd()
>>> next(o)
step 1
1
>>> next(o)
step 2
3
>>> next(o)
step 3
5
>>> next(o)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

• 用for循环来迭代，而不是用next()

>>> for n in fib(6):
...     print(n)
...
1
1
2
3
5
8

• 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(6)
>>> while True:
...     try:
...         x = next(g)
...         print('g:', x)
...     except StopIteration as e:
...         print('Generator return value:', e.value)
...         break
...
g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
Generator return value: done

练习

• 试写一个generator，完成杨辉三角的内容

def triangles():
	yield [1]
	L1 = [1]
	while True:
	    L2 = [x for x in L1]
	    L2.append(0)
	    for i in range(len(L2)):
	    	if i == 0 or i == len(L2)- 1:
	    		L2[i] = 1
	    	else:
	    		L2[i] = L1[i-1] + L1[i]
	    L1 = L2
	    yield L2

n = 0
results = []
for t in triangles():
    print(t)
    results.append(t)
    n = n + 1
    if n == 10:
        break

    [1],
    [1, 1],
    [1, 2, 1],
    [1, 3, 3, 1],
    [1, 4, 6, 4, 1],
    [1, 5, 10, 10, 5, 1],
    [1, 6, 15, 20, 15, 6, 1],
    [1, 7, 21, 35, 35, 21, 7, 1],
    [1, 8, 28, 56, 70, 56, 28, 8, 1],
    [1, 9, 36, 84, 126, 126, 84, 36, 9, 1]

---

5. 迭代器

---

• 可以直接作用于for循环的数据类型有以下几种：
  1. 集合数据类型：list，tuple，dict，set，str 等
  2. generator：包括生成器和带yield的generator function
• 这种可以直接作用于for循环的对象统称为可迭代对象：Iterable，可使用isinstance()判断一个对象是否是Iterable

>>> from collections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance('abc', Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100, Iterable)
False

• 生成器不但可以用于for循环，还可以被next()函数不断调用并返回下一个值，知道最后抛出StopIteration错误表示无法继续返回下一个值；
• 可以被next()函数调用并不断返回下一个值的对象被称为Iterator对象：

>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False

• 生成器都是Iterator对象，但list，dict，str虽然是Iterable，但不是Iterator；
• 把list、dict、str等Iterable变成Iterator可以使用iter()函数：

>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True

• 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。