Python高级特性之切片迭代列表生成式及生成器详解
在python中，代码越少越好、越简单越好。基于这一思想，需要掌握python中非常有用的高级特性，1行代码能实现的功能，决不写5行代码。代码越少，开发效率越高。
切片
tuple，list，字符串都可以进行切片操作
l = ['michael', 'sarah', 'tracy', 'bob', 'jack'] l[0:3] # ['michael', 'sarah', 'tracy'] l[:3] # ['michael', 'sarah', 'tracy'] l[1:3] # ['sarah', 'tracy'] l[-2:] # ['bob', 'jack'] l[-2:-1] # ['bob'] l = list(range(100)) l[:10] # [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] l[-10:] # [90, 91, 92, 93, 94, 95, 96, 97, 98, 99] l[10:20] # [10, 11, 12, 13, 14, 15, 16, 17, 18, 19] l[:10:2] # [0, 2, 4, 6, 8] l[::5] # [0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95] l[:] # [0, 1, 2, 3, ..., 99]
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：
# -*- coding: utf-8 -*-
def trim(s):
for i in range(0,len(s)):
if s[0] == ' ':
s = s[1:]
elif s[-1] == ' ':
s = s[:-1]
return s
迭代
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
如何判断一个对象是可迭代对象呢？方法是通过collections.abc模块的iterable类型判断
python内置的enumerate函数可以把一个list变成索引-元素对，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)
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：
# -*- coding: utf-8 -*-
def findminandmax(l):
max = min = none
if(len(l)>0):
l = list(l)
max = min = l[0]
for i in l:
if i>max:
max = i
if i<min:
min = i
return (min,max)
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
list(range(1, 11)) # [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
[x * x for x in range(1, 11)] # [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
[x * x for x in range(1, 11) if x % 2 == 0] # [4, 16, 36, 64, 100]
[m + n for m in 'abc' for n in 'xyz'] # ['ax', 'ay', 'az', 'bx', 'by', 'bz', 'cx', 'cy', 'cz']
# 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']
l = ['hello', 'world', 'ibm', 'apple']
[s.lower() for s in l] # ['hello', 'world', 'ibm', 'apple']
在一个列表生成式中，for前面的if … else是表达式，而for后面的if是过滤条件，不能带else
[x for x in range(1, 11) if x % 2 == 0] # right [x for x in range(1, 11) if x % 2 == 0 else 0] # wrong! [x if x % 2 == 0 else -x for x in range(1, 11)] # right [x if x % 2 == 0 for x in range(1, 11)] # wrong!
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。使用内建的isinstance函数可以判断一个变量是不是字符串。请修改列表生成式，通过添加if语句保证列表生成式能正确地执行：
# -*- coding: utf-8 -*- l1 = ['hello', 'world', 18, 'apple', none] l2 = [s.lower() for s in l1 if isinstance(s,str)]
生成器
如果列表元素可以按照某种算法推算出来，则可以在循环的过程中不断推算出后续的元素，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。
创建generator的方法：
1.把一个列表生成式的[]改成()，就创建了一个generator，创建之后通过next可以得到下一个元素，或者通过for循环迭代（generator也是可迭代对象）
# 生成一个迭代器
g = (x * x for x in range(10))
# 获得下一个元素
next(g) # 0
# for循环遍历
for n in g:
print(n)
2.使用yield，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函数，调用一个generator函数将返回一个generator
generator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
调用generator函数时，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
# 斐波拉契数列的生成
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
return 'done'
# 调用
f = fib(6)
next(f)
# for循环调用
while true:
try:
x = next(g)
print('g:', x)
except stopiteration as e:
print('generator return value:', e.value)
break
用for循环调用generator时，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
练习
杨辉三角定义如下：
1
/ \
1 1
/ \ / \
1 2 1
/ \ / \ / \
1 3 3 1
把每一行看做一个list，试写一个generator，不断输出下一行的list：
# -*- coding: utf-8 -*-
def triangles():
levellist = [1]
n = 1
while (n<=100):
yield levellist
newlist = levellist.copy()
if (n>=2):
for i in range(0,n-1):
newlist[i+1] = levellist[i] + levellist[i+1]
levellist = newlist.copy()
n = n + 1
levellist.append(1)
return 'done'
迭代器
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。把list、dict、str等iterable变成iterator可以使用iter()函数
为什么list、dict、str等数据类型不是iterator？
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。
python的for循环本质上就是通过不断调用next()函数实现的
以上就是python高级特性之切片迭代列表生成式及生成器详解的详细内容，更多关于python高级特性详解的资料请关注其它相关文章！