Python基础第五课

上节课学习了函数、函数的参数传递，函数的引入能让你的代码更整洁，高效，重用性更高

讲解密码管理器代码

切片（Slice） ----->21.py

    L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']

    L[0:3]表示['Michael', 'Sarah', 'Tracy']

    L[a] 就是a位置的元素

    L[a,b] means [a,b)

    L[:b] means [0,b)

    L[a:] means [a,len)

    如何产生列表[0,1,2,3,...,100]? ---->22.py

字符串 也可以类似切片

    ‘asdfdsffewew’[0:3]

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

d = {'a': 1, 'b': 2, 'c': 3}

for key in d: # dict的迭代不是按照原来顺序来的

    print(key)

for ch in 'ABC':

    print(ch)

只有 "可迭代对象" 才可以放在for ... in ...之中迭代

for in 里面可以放多个元素

from collections import Iterable

isinstance(d, Iterable)用来检测是否为可迭代对象

enumerate函数可以把一个 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

列表生成式(生成一个列表)

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

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

生成器 generator类型

通过列表生成式，我们可以直接创建一个列表（真实存在的）。但是，受到内存限制，列表容量肯定是有限的。

我们如果需要一个按照某个算法生成的（不用真是存在，只需要在用到的时候算出来就行）

(x * x for x in range(1, 11) if x % 2 == 0)

generator访问一般用for迭代

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。

用带yield函数来生成generator

def fib(max):

    n, a, b = 0, 0, 1

    while n < max:

        yield b

        a, b = b, a + b

        n = n + 1

    return

generator相当于一个可恢复函数（惰性计算是什么）

生成器和函数的主要区别在于函数 return a value

生成器 yield a value同时标记或记忆 point of the yield 

以便于在下次调用时从标记点恢复执行。

迭代器:

list 、 tuple 、 dict 、 set 、 str、 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 。

可以使用 isinstance() 判断一个对象是否是 Iterable 对象：

isinstance([], Iterable)

isinstance((x for x in range(10)), Iterable)

返回True or False

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 。

from collections import Iterator

isinstance((x for x in range(10)), Iterator)

迭代器都是 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：

isinstance(iter([]), Iterator)

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。

Python 的 for 循环本质上就是通过不断调用 next() 函数实现的，例如：

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

    pass

实际上完全等价于：

# 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

函数名也是变量，可以给函数名重定义为自己的变量，也可以给变量重定义为函数名

f = abs

f(-10)

abs=10

既然变量可以指向函数，函数的参数能接收变量，那么一个函数就可以接收另一个函数作为参数，这种函数就称之为高阶函数

def add(x, y, f):

    return f(x) + f(y)

add(-5, 6, abs)

参数 x ， y 和 f 分别接收 -5 ， 6 和 abs ，

根据函数定义，我们可以推导计算过程为：

x = -5

y = 6

f = abs

f(x) + f(y) ==> abs(-5) + abs(6) ==> 11

return 11

来自为知笔记(Wiz)