- 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:- 集合数据类型:
list
,tuple
,dict
,set
,str
等 generator
:包括生成器和带yield
的generator function
- 集合数据类型:
- 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。