python的高级特性
2016-09-19 21:47
381 查看
首先在这篇文章的开头提一个小问题:为什么python中的数据类型不限制大小,而在C中int等数据的大小受到限制呢~
http://www.cnblogs.com/90zeng/p/python_memory.html
然后步入正文
代码越少,开发效率越高
一.切片
可以从索引1开始,取出2个元素出来:
从0开始的时候可以省略0。
也可以倒着取
对于每隔一段取一个数的方式为
前十个数每两个取一个
如下代码复制一个List
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:
Python的切片非常灵活,一行代码就可以实现很多行循环才能完成的操作。
二.迭代
如果给定一个list或其他类型,我们可以通过for循环来遍历,这种遍历我们称为迭代(Iteration)。用for … in来完成的
如何判断一个对象是否是可迭代对象:
最后一个小问题,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:
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:
三.列表生成式
用于生成list:
例如生成元素x*x
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:
两层循环
运用列表生成式,可以写出非常简洁的代码。
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:
也可以用列表生成式
把list中所有变成小写:
四.生成器
即列表中的元素存在有一定的规律,在list的量比较大的情况下,一边循环一边推算出后面的元素,不用创建完整的list,这种机制节省空间,称为生成器:generator。
创建方法:
1).把一个列表生成式的[]改成(),通过next()函数获得generator的下一个返回值:
generator保存的是算法。没有更多的时候抛出StopIteration
此外,因为generator也是可迭代对象,所以可以用for循环
如果for推算的算法不能实现,可以用函数实现。不要爱 一棵树上吊死西西~
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:
赋值语句中
a, b = b, a + b从右边第一个等于左边第一个开始赋值算起。
此外,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,之所以说起 是一个generator是因为其和函数的执行流程不同(generator和函数的执行流程不一样)。
generator遇到yield的时候返回,函数遇到return的时候才返回。
此外,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:
五.迭代器
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。
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:
生成器都是Iterator对象,但list、dict、str虽然是Iterable,却不是Iterator。(其实感觉两个之间的概念并不用去很仔细的研究~看最后本处的最后一句话就好)把list、dict、str等Iterable变成Iterator可以使用iter()函数:
Iterator对象是一个数据流,可以是一个无限的数据流,但是list不能无限。
迭代器小结:
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。
http://www.cnblogs.com/90zeng/p/python_memory.html
然后步入正文
代码越少,开发效率越高
一.切片
可以从索引1开始,取出2个元素出来:
>>> L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack'] >>> L[1:3] ['Sarah', 'Tracy'] >>> L[:3] ['Michael', 'Sarah', 'Tracy']
从0开始的时候可以省略0。
也可以倒着取
>>> L[-2:] ['Bob', 'Jack'] >>> L[-2:-1] ['Bob']
对于每隔一段取一个数的方式为
>>> L = list(range(100)) >>> L [0, 1, 2, 3, ..., 99 >>> L[::5] [0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]
前十个数每两个取一个
>>> L[:10:2] [0, 2, 4, 6, 8]
如下代码复制一个List
>>> L[:] [0, 1, 2, 3, ..., 99]
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:
>>> 'ABCDEFG'[:3] 'ABC' >>> 'ABCDEFG'[::2] 'ACEG'
Python的切片非常灵活,一行代码就可以实现很多行循环才能完成的操作。
二.迭代
如果给定一个list或其他类型,我们可以通过for循环来遍历,这种遍历我们称为迭代(Iteration)。用for … in来完成的
如何判断一个对象是否是可迭代对象:
>>> 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
最后一个小问题,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:
>>> for i, value in enumerate(['A', 'B', 'C']): ... print(i, value) ... 0 A 1 B 2 C
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:
>>> for x, y in [(1, 1), (2, 4), (3, 9)]: ... print(x, y) ... 1 1 2 4 3 9
三.列表生成式
用于生成list:
例如生成元素x*x
>>> [x * x for x in range(1, 11)] [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
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:
>>> [x * x for x in range(1, 11) if x % 2 == 0] [4, 16, 36, 64, 100]
两层循环
>>> [m + n for m in 'ABC' for n in 'XYZ'] ['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']
运用列表生成式,可以写出非常简洁的代码。
>>> import os >>> [d for d in os.listdir('.')]#os.listdir可以列出文件和目录 ['DLLs', 'Doc', 'include', 'Lib', 'libs', 'LICENSE.txt', 'NEWS.txt', 'python.exe', 'python3.dll', 'python35.dll', 'pythonw.exe', 'README.txt', 'Scripts', 'tcl', 'Tools', 'vcruntime140.dll']
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:
>>> d = {'x': 'A', 'y': 'B', 'z': 'C' } >>> for k, v in d.items(): ... print(k, '=', v) ... y = B x = A z = C
也可以用列表生成式
>>> d = {'x': 'A', 'y': 'B', 'z': 'C' } >>> [k + '=' + v for k, v in d.items()] ['y=B', 'x=A', 'z=C']
把list中所有变成小写:
>>> L = ['Hello', 'World', 'IBM', 'Apple'] >>> [s.lower() for s in L] ['hello', 'world', 'ibm', 'apple']
四.生成器
即列表中的元素存在有一定的规律,在list的量比较大的情况下,一边循环一边推算出后面的元素,不用创建完整的list,这种机制节省空间,称为生成器:generator。
创建方法:
1).把一个列表生成式的[]改成(),通过next()函数获得generator的下一个返回值:
>>> 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 0x1022ef630> >>> 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
generator保存的是算法。没有更多的时候抛出StopIteration
此外,因为generator也是可迭代对象,所以可以用for循环
>>> g = (x * x for x in range(10)) >>> for n in g: ... print(n) ... 0 1 4 9 16 25 36 49 64 81
如果for推算的算法不能实现,可以用函数实现。不要爱 一棵树上吊死西西~
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:
def fib(max): n, a, b = 0, 0, 1 while n < max: print(b) a, b = b, a + b n = n + 1 return 'done'
赋值语句中
a, b = b, a + b从右边第一个等于左边第一个开始赋值算起。
此外,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,之所以说起 是一个generator是因为其和函数的执行流程不同(generator和函数的执行流程不一样)。
def fib(max): n, a, b = 0, 0, 1 while n < max: yield b a, b = b, a + b n = n + 1 return 'done' >>> f = fib(6) >>> f <generator object fib at 0x104feaaa0>
generator遇到yield的时候返回,函数遇到return的时候才返回。
此外,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
五.迭代器
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。
>>> 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
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:
>>> 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,却不是Iterator。(其实感觉两个之间的概念并不用去很仔细的研究~看最后本处的最后一句话就好)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
Iterator对象是一个数据流,可以是一个无限的数据流,但是list不能无限。
迭代器小结:
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。
相关文章推荐
- Django中的Python高级特性
- Python高级特性:类构造与析构
- Python高级特性-列表解析
- Python自学笔记之高级特性2——列表生成式
- Python高级特性
- 三、python高级特性(切片、迭代、列表生成器、生成器)
- Python高级特性:类属性
- Python高级特性:私有属性
- Python_高级特性
- Python的高级特性
- Python高级特性(3): Classes和Metaclasses(转)
- python高级特性
- Python高级特性(1):Iterators、Generators和itertools
- Python高级特性之:List Comprehensions、Generator、Dictionary and set comprehensions
- Python高级特性(2):Closures、Decorators和functools(转)
- Python的高级特性之切片、迭代、列表生成式、生成器
- Python自学笔记之高级特性——生成器
- Python高级特性:利用类构造及析构原理实现单实例模式
- Python高级特性-迭代(Iteration)-列表生成式-生成器