Python(迭代、三元表达式、列表生成、生成器、迭代器)
迭代
什么是迭代 1 重复 2 下次重复一定是基于上一次的结果而来
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,而很多语言比如C或者Java,迭代list是通过下标完成的,比如Java代码:
for (i=0; i<list.length; i++) { n = list[i]; }
可以看出,Python的
for循环抽象程度要高于Java的
for循环,因为Python的
for循环不仅可以用在list或tuple上,还可以作用在其他可迭代对象上。
list这种数据类型虽然有下标,但很多其他数据类型是没有下标的,但是,只要是可迭代对象,无论有无下标,都可以迭代,比如dict就可以迭代:
>>> d = {'a': 1, 'b': 2, 'c': 3} >>> for key in d: ... print(key) ... a c b
因为dict的存储不是按照list的方式顺序排列,所以,迭代出的结果顺序很可能不一样。
默认情况下,dict迭代的是key。如果要迭代value,可以用
for value in d.values(),如果要同时迭代key和value,可以用
for k, v in d.items()。
由于字符串也是可迭代对象,因此,也可以作用于
for循环:
>>> for ch in 'ABC': ... print(ch) ... A B C
所以,当我们使用
for循环时,只要作用于一个可迭代对象,
for循环就可以正常运行,而我们不太关心该对象究竟是list还是其他数据类型。
那么,如何判断一个对象是可迭代对象呢?方法是通过collections模块的Iterable类型判断:
>>> 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
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
小结
任何可迭代对象都可以作用于
for循环,包括我们自定义的数据类型,只要符合迭代条件,就可以使用
for循环。
列表生成式
三元表达式 |
|
res=x if x>y else y |
只针对最简单的,没有其他分支 |
|
|
列表解析 |
|
l=[i.upper for I in s ] |
将s中的元素全部大写,并形成列表 |
l=[i for I in s if i>50] |
将s中的大于50的元素形成列表 |
|
|
生成器表达式 |
语法和列表解析一样,只是得到的是一个生成器 g=(i for i in range(1000000000000000000000000000000000000)) print(g) print(g.__next__()) #g.__next__等于next(g)
|
g=(float(line.split()[1]) * int(line.split()[2]) for line in open('goods',encoding='utf-8')) print(sum(g)) ''' 居然能直接打开,g是一个生成器 '''
goods_info=[] with open('goods',encoding='utf-8') as f: goods_info=[{'name':line.split()[0],'price':float(line.split()[1]),'count':int(line.split()[2])} for line in f if float(line.split()[1]) > 3000] print(goods_info) ''' 生成一个含有字典的列表 '''
''' 列表解析补充 ''' with open(r'D:\py\empty\c.txt','r',encoding='utf-8') as f: print(sum([float(i.split()[1])*int(i.split()[2]) for i in f])) f.seek(0) #光标初始化 print([item for line in f for item in line.split() if item.isdigit()]) f.seek(0) #光标初始化 g=(float(i.split()[1])*int(i.split()[2]) for i in f) print(sum(g)) with open(r'D:\py\empty\c.txt','r',encoding='utf-8') as f: goods=[{'name':line.split()[0] ,'price':float(line.split()[1]) ,'count':int(line.split()[2]) } for line in f ] print(goods) ''' 要想一次取多个值,只能像line.split()这样直接分,多个for循环可以取出深层元素,但是是一个一个取 '''
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。
举个例子,要生成list
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]可以用
list(range(1, 11)):
>>> list(range(1, 11)) [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
但如果要生成
[1x1, 2x2, 3x3, ..., 10x10]怎么做?方法一是循环:
>>> L = [] >>> for x in range(1, 11): ... L.append(x * x) ... >>> L [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
但是循环太繁琐,而列表生成式则可以用一行语句代替循环生成上面的list:
>>> [x * x for x in range(1, 11)] [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
写列表生成式时,把要生成的元素
x * x放到前面,后面跟
for循环,就可以把list创建出来,十分有用,多写几次,很快就可以熟悉这种语法。
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]
还可以使用两层循环,可以生成全排列:
>>> [m + n for m in 'ABC' for n in 'XYZ'] ['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']
三层和三层以上的循环就很少用到了。
运用列表生成式,可以写出非常简洁的代码。例如,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 # 导入os模块,模块的概念后面讲到 >>> [d for d in os.listdir('.')] # os.listdir可以列出文件和目录 ['.emacs.d', '.ssh', '.Trash', 'Adlm', 'Applications', 'Desktop', 'Documents', 'Downloads', 'Library', 'Movies', 'Music', 'Pictures', 'Public', 'VirtualBox VMs', 'Workspace', 'XCode']
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
因此,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()] ['y=B', 'x=A', 'z=C']
最后把一个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']
练习
如果list中既包含字符串,又包含整数,由于非字符串类型没有
lower()方法,所以列表生成式会报错:
>>> L = ['Hello', 'World', 18, 'Apple', None] >>> [s.lower() for s in L] Traceback (most recent call last): File "<stdin>", line 1, in <module> File "<stdin>", line 1, in <listcomp> AttributeError: 'int' object has no attribute 'lower'
使用内建的
isinstance函数可以判断一个变量是不是字符串:
>>> x = 'abc' >>> y = 123 >>> isinstance(x, str) True >>> isinstance(y, str) False
生成器
生成器函数 |
函数体内包含有yield关键字,该函数执行的结果就是生成器 |
生成器就是迭代器 |
|
yield |
功能1: |
return只能返回一次值 |
yield必须有返回值,没有的话会StopIteration |
功能2: |
|||
功能3: |
|||
for i in [生成器] |
i是yield的返回值,每次循环碰到yield停止 |
def init(func): #send必须传值到yield,所以需要先将生成器暂停到一个yield,相当于每次send之前先要初始化一次。如果send的时候不是yield暂停,会报错 def wrapper(*args,**kwargs): g=func(*args,**kwargs) next(g) return g return wrapper @init def eater(name): print('%s ready to eat' %name) food_list=[] while True: food=yield food_list #send传入的值给了yield,赋值给了food,但是执行结束的时候,返回值是food_list,和yield本身传入的值没有关系。 food_list.append(food) print('%s start to eat %s' %(name,food)) #=====执行一======================= # e=eater('alex') # print(e.send('狗屎')) #e.send() 有两个功能,开始阶段传值给yield,像next一样执行下一次生成器 # print(e.send('猫屎')) #下次如果不传值了,x又是none,因为每次x都会被赋值为yield,而不传值,yield就是none # print(e.send('alex屎')) #======执行二======================= def make_shit(people,n): for i in range(n): people.send('shit%s' %i) e=eater('alex') make_shit(e,5)
通过列表生成式,我们可以直接创建一个列表。但是,受到内存限制,列表容量肯定是有限的。而且,创建一个包含100万个元素的列表,不仅占用很大的存储空间,如果我们仅仅需要访问前面几个元素,那后面绝大多数元素占用的空间都白白浪费了。
所以,如果列表元素可以按照某种算法推算出来,那我们是否可以在循环的过程中不断推算出后续的元素呢?这样就不必创建完整的list,从而节省大量的空间。在Python中,这种一边循环一边计算的机制,称为生成器:generator。
要创建一个generator,有很多种方法。第一种方法很简单,只要把一个列表生成式的
[]改成
(),就创建了一个generator:
>>> 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>
创建
L和
g的区别仅在于最外层的
[]和
(),
L是一个list,而
g是一个generator。
我们可以直接打印出list的每一个元素,但我们怎么打印出generator的每一个元素呢?
如果要一个一个打印出来,可以通过
next()函数获得generator的下一个返回值:
>>> 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
我们讲过,generator保存的是算法,每次调用
next(g),就计算出
g的下一个元素的值,直到计算到最后一个元素,没有更多的元素时,抛出
StopIteration的错误。
当然,上面这种不断调用
next(g)实在是太变态了,正确的方法是使用
for循环,因为generator也是可迭代对象:
>>> g = (x * x for x in range(10)) >>> for n in g: ... print(n) ... 0 1 4 9 16 25 36 49 64 81
所以,我们创建了一个generator后,基本上永远不会调用
next(),而是通过
for循环来迭代它,并且不需要关心
StopIteration的错误。
generator非常强大。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。
比如,著名的斐波拉契数列(Fibonacci),除第一个和第二个数外,任意一个数都可由前两个数相加得到:
1, 1, 2, 3, 5, 8, 13, 21, 34, ...
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 + bn = n + 1 return 'done'
注意,赋值语句:
a, b = b, a + b
相当于:
t = (b, a + b) # t是一个tuple a = t[0] b = t[1]
但不必显式写出临时变量t就可以赋值。
上面的函数可以输出斐波那契数列的前N个数:
>>> fib(6) 1 1 2 3 5 8 'done'
仔细观察,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,可以从第一个元素开始,推算出后续任意的元素,这种逻辑其实非常类似generator。
也就是说,上面的函数和generator仅一步之遥。要把
fib函数变成generator,只需要把
print(b)改为
yield b就可以了:
def fib(max): n, a, b = 0, 0, 1 while n < max: yield b a, b = b, a + bn = n + 1 return 'done'
这就是定义generator的另一种方法。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:
>>> f = fib(6) >>> f <generator object fib at 0x104feaaa0>
这里,最难理解的就是generator和函数的执行流程不一样。函数是顺序执行,遇到
return语句或者最后一行函数语句就返回。而变成generator的函数,在每次调用
next()的时候执行,遇到
yield语句返回,再次执行时从上次返回的
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
可以看到,
odd不是普通函数,而是generator,在执行过程中,遇到
yield就中断,下次又继续执行。执行3次
yield后,已经没有
yield可以执行了,所以,第4次调用
next(o)就报错。
回到
fib的例子,我们在循环过程中不断调用
yield,就会不断中断。当然要给循环设置一个条件来退出循环,不然就会产生一个无限数列出来。
同样的,把函数改成generator后,我们基本上从来不会用
next()来获取下一个返回值,而是直接使用
for循环来迭代:
>>> 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
关于如何捕获错误,后面的错误处理还会详细讲解。
练习
杨辉三角定义如下:
1 1 1 1 2 1 1 3 3 1 1 4 6 4 1 1 5 10 10 5 1
小结
generator是非常强大的工具,在Python中,可以简单地把列表生成式改成generator,也可以通过函数实现复杂逻辑的generator。
要理解generator的工作原理,它是在
for循环的过程中不断计算出下一个元素,并在适当的条件结束
for循环。对于函数改成的generator来说,遇到
return语句或者执行到函数体最后一行语句,就是结束generator的指令,
for循环随之结束。
请注意区分普通函数和generator函数,普通函数调用直接返回结果:
>>> r = abs(6) >>> r 6
generator函数的“调用”实际返回一个generator对象:
>>> g = fib(6) >>> g <generator object fib at 0x1022ef948>
迭代器
什么是迭代器协议
1.迭代器协议是指:对象必须提供一个next方法,执行该方法要么返回迭代中的下一项,要么就引起一个StopIteration异常,以终止迭代 (只能往后走不能往前退)
2.可迭代对象:实现了迭代器协议的对象(如何实现:对象内部定义一个__iter__()方法)
3.协议是一种约定,可迭代对象实现了迭代器协议,python的内部工具(如for循环,sum,min,max函数等)使用迭代器协议访问对象。
obj.__iter__() 得到的结果就是迭代器
得到的迭代器,既有__iter__方法,也有__next__方法
迭代器__iter__一下,和原来完全一样 yield为函数封装了__iter__和__next__方法,把函数执行结果做成了迭代器
for循环其实就是调用了迭代器__iter__方法
优点: |
缺点: |
l=[1,2,3,4,5,6] #自动捕捉 stopiteration 异常 it=l.__iter__() #手动实现for循环 while True: try: print(it.__next__()) except StopIteration: #这句和下句出过错,根本没写对 break print(it.__next__)
我们已经知道,可以直接作用于
for循环的数据类型有以下几种:
一类是集合数据类型,如
list、
tuple、
dict、
set、
str等;
一类是
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:
>>> 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
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。
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。
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
你可能会问,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。
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,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
- python--迭代器,生成器,三元表达式,列表解析,生成器表达式
- Python高级特性(切片,迭代,列表生成式,生成器,迭代器)
- Python开发基础-Day9-生成器、三元表达式、列表生成式、生成器表达式
- python-基础知识之三元表达式、列表推导式、生成器表达式
- python的高级特性:切片,迭代,列表生成式,生成器,迭代器
- Python之列表生成式、生成器、可迭代对象与迭代器
- python切片、迭代、列表生成器、生成器、迭代器
- Python 生成器函数,生成器表达式,迭代器,列表解析
- python基础之生成器、三元表达式、列表生成式、生成器表达式
- Python高级特性(切片 迭代 列表生成式 生成器 迭代器)学习笔记
- python: 切片,迭代,列表生成器,生成器,迭代器
- Python生成器结合列表生成式迭代输出每行杨辉三角函数生成的列表值
- python--生成器、三元表达式、列表解析、生成器表达式
- 零基础学python-19.8 生成器表达式:当迭代器遇上列表解析
- 【Python】[高级特性]切片,迭代,列表生成式,生成器,迭代器
- python 三元表达式、列表推导式、生成器表达式、递归、匿名函数、内置函数
- Python高级特性(切片,迭代,列表生成式、生成器、迭代器)
- python迭代器和生成器(3元运算,列表生成式,生成器表达式,生成器函数)
- 零基础学python-19.8 生成器表达式:当迭代器遇上列表解析
- 零基础学python-19.8 生成器表达式:当迭代器遇上列表解析