Python基础（十一）

程序员文章站 2022-03-25 22:21:27

- 补充：三目运算 - f-strings - 迭代器 - 生成器 ......

今日主要内容

补充：三目运算
f-strings
迭代器
生成器

补充：三目运算

三目运算（三元运算）结构：

表达式1 if 条件表达式 else 表达式2
c = a if a > b else b

执行流程：
- 判断条件，如果条件正确将a赋值给c
- 如果条件不正确将b赋值给c
```
a = 10
b = 20
c = a if a > b else b  # 三目运算
print(c)

运行结果：
20
```

一、f-strings

f-strings之前我们已经说过了，python3.6以上的版本可以使用，用来格式化输出，非常的方便，今天来详细说一下

f-strings的格式：
- f"xxxx{传入的变量}xxxx"（建议使用f）
- f"xxxx{传入的变量}xxxx"（不建议使用f）
```
name = "zxd"
age = 23
print(f"姓名:{name} 年龄:{age}")

运行结果：
姓名:zxd 年龄:23
```

引号中如果需要大括号{}时，用两个{{}}代表

print(f"{{'a'}}")  # 用两个大括号表示

运行结果：
{'a'}

引号中需要使用引号时，一定用两个单引号''表示
```
print(f"{{'a'}}")  # 用单引号表示

运行结果：
{'a'}
```

传入的参数可以是三目表达式

a = 10
b = 10
print(f"{a if a > b else b}")

运行结果：
10

二、迭代器

（一）可迭代对象

说迭代器之前咱们来看一看可迭代对象，什么是可迭代对象？

可以一个一个取值的对象就是可迭代对象

s = "12345"
lst = [1, 2, 3, 4, 5]
dic = {1: 1, 2: 2, 3: 3}
.......

# 这些都是可迭代对象

他们共有的一个特点就是可以被for循环

s = "12345"
lst = [1, 2, 3, 4, 5]
dic = {1: 1, 2: 2, 3: 3}

for el in s:
  print(el)
for el in lst:
  print(el)
for el in dic:
  print(el)

查看可迭代对象的官方方法：
- 查看对象是否有__iter__()方法，只要使用有此方法的对象全部都是可迭代对象
- dir()函数可以查看对象所有的方法
```
lst = [1, 2, 3, 4, 5]
print("__iter__" in dir(lst))

运行结果：
true
```
可迭代对象的特点:
- 空间换时间的理念（用大量的空间节省时间）
- 优点：
  - 使用灵活，每个可迭代对象都有自己的方法
  - 能够直接查看元素个数
  - 可以重复取值
- 缺点：
  - 占内存
应用：内存空间大，当数据量比较少，建议使用可迭代对象

（二）迭代器

迭代器可以理解成可迭代对象的实体化，它只继承了迭代性（可以一个一个取值），同时节约了内存（唯一的优点）
文件句柄就是一个迭代器

迭代器的生成方法：
- 两种生成方法效果相同
- iter(可迭代对象)
  - 生成可迭代对象的迭代器
  - 打印的是迭代器的地址
```
lst = [1, 2, 3, 4, 5]
l = iter(lst)
print(l)

运行结果：
<list_iterator object at 0x0000020bafcea940>
```
- 可迭代对象.__iter__()
  - 生成可迭代对象的迭代器
  - 打印的是迭代器的地址
```
lst = [1, 2, 3, 4, 5]
l = lst.__iter__()
print(l)

运行结果：
<list_iterator object at 0x000002490efda8d0>
```

迭代器的取值

迭代器最大的特点就是惰性机制，如果不主动向迭代器取值，迭代器是不会给你值的，同时也正因为惰性机制节约了内存
next(迭代器)

lst = [1, 2, 3, 4, 5]
l = iter(lst)
print(next(l))
print(next(l))
print(next(l))
print(next(l))
print(next(l))

运行结果：
1 2 3 4 5

迭代器.__next__()

lst = [1, 2, 3, 4, 5]
l = lst.__iter__()
print(l.__next__())
print(l.__next__())
print(l.__next__())
print(l.__next__())
print(l.__next__())

运行结果：
1 2 3 4 5

每次执行取值函数只向迭代器取一个值，按顺序向下取值，不能重复取值，迭代器中有多少个元素就只能next多少次，超出最大个数会报错

lst = [1, 2, 3, 4, 5]
l = lst.__iter__()
print(l.__next__())
print(l.__next__())
print(l.__next__())
print(l.__next__())
print(l.__next__())
print(l.__next__())

运行结果：
1 2 3 4 5
stopiteration

迭代器的特点：
- 时间换空间理念（用大量的时间去节省空间）
- 节省内存
- 惰性机制
- 只能向下取值，不能往复
for循环的本质就是一个迭代器
- 捕获异常：向迭代器取值超出迭代器元素数量时，会捕获stopiteration异常，从而终止while循环
```
lst = [1, 2, 3, 4, 5]
l = iter(lst)
while true:
 try:
     print(next(l))
 except stopiteration:  # 捕获异常
     break
```
向同一个迭代器取值，迭代器内部会记录取值位置，赋值给变量，变量会指向地址和上次取值位置
```
lst = [1, 2, 3, 4, 5]
l_iter = iter(lst)
print(next(l_iter))
print(next(l_iter))
print(next(l_iter))
print(next(l_iter))
print(next(l_iter))  # l_iter指向取值记录位置

运行结果：
1 2 3 4 5
```
- l_iter指向迭代器的地址，每一次取值，l_iter指向上一次取值位置
- 可以理解成通过熟人买东西，每次买都是上次的优惠价
向同一个迭代器取值，迭代器内部会记录取值位置，若不赋值，每一次取值都从开头取值，相当于每次寻址后都从头开始
```
lst = [1, 2, 3, 4, 5]
print(next(iter(lst)))
print(next(iter(lst)))
print(next(iter(lst)))
print(next(iter(lst)))
print(next(iter(lst)))
print(next(iter(lst)))  # 每次都从头开始取值

运行结果：
1 1 1 1 1
```
- 没有赋值每次通过func()直接寻址，都从头部开始取值
- 可以理解成没有熟人了，每次买东西都是原价
应用：内存小，数据量巨大时，建议使用迭代器

（三）两者关系

迭代器一定是可迭代对象，可迭代对象不一定是迭代器
迭代器可以通过iter(可迭代对象)和可迭代对象.__iter__()得到

三、生成器

（一）什么是生成器

生成器的本质就是迭代器
生成器就是一个自己写的迭代器，而迭代器只能通过iter()函数得到

生成器的目的是不通过数据转换实现，通过代码实现

列表转换成了迭代器，但是列表依旧加载到了内存，没有达到省内存的效果

lst = [1, 2, 3, 4, 5]
l_iter = iter(lst)
print(next(l_iter))
print(next(l_iter))
print(next(l_iter))
print(next(l_iter))
print(next(l_iter))

运行结果：
1 2 3 4 5

通过生成器真正达到省内存的效果

def func():
  yield 1
  yield 2
  yield 3
  yield 4
  yield 5

f_gen = func()
print(next(f_gen))
print(next(f_gen))
print(next(f_gen))
print(next(f_gen))
print(next(f_gen))

运行结果：
1 2 3 4 5

（二）生成器

通过函数实现生成器
- 先来看一个函数
```
def func():
 print(1)
 return 1

print(func())

运行结果：
1 1
```
- 将函数中return替换成yield就变成了一个生成器
```
def func():
 print(1)
 yield 1

print(func())

运行结果：
<generator object func at 0x000001b27042c50>
```
- 如果定义的是函数，函数名加括号是调用函数；而如果定义的是生成器，函数名加括号是得到的是生成器的内存地址
- yield：
  - yield能返回多个值，以元组形式存储
  - yield能返回各种数据类型
  - yield能够写多个并且都能执行
  - yield能够记录执行位置
  - yield后面不写内容，默认返回none
  - yield只能向下进行，不能往复，一次性取值

生成器的取值

next(生成器)

def func():
yield 1
 yield 2
yield 3
 yield 4
yield 5

f_gen = func()
print(next(f_gen))
print(next(f_gen))
print(next(f_gen))
print(next(f_gen))
print(next(f_gen))

运行结果：
1 2 3 4 5

生成器.__next__()

def func():
 yield 1
yield 2
 yield 3
 yield 4
 yield 5

print(func().__next__())
print(func().__next__())
print(func().__next__())
print(func().__next__())
print(func().__next__())

运行结果：
1 2 3 4 5

生成器的本质就是一个迭代器，所以它拥有迭代器的所有特点
- 时间换空间理念（用大量的时间去节省空间）
- 节省内存
- 惰性机制
- 只能向下取值，不能往复

向同一个生成器取值，yield会记录取值位置，赋值给变量，变量会指向地址和上次取值位置

def func():
 yield 1
 yield 2
 yield 3
 yield 4
 yield 5

f_gen = func()
print(next(f_gen))
print(next(f_gen))
print(next(f_gen))
print(next(f_gen))
print(next(f_gen))  # f_gen指向生成器地址和yiele记录的位置

运行结果：
1 2 3 4 5

向同一个生成器取值，yield会记录取值位置，若不赋值，每一次取值都从开头取值，相当于每次寻址后都从头开始

def func():
 yield 1
 yield 2
 yield 3
 yield 4
 yield 5

print(next(func()))
print(next(func()))
print(next(func()))
print(next(func()))
print(next(func()))  # 每次都从头开始取值

运行结果：
1 2 3 4 5

若yield的值是个可迭代对象，还可以将其对象逐个返回

yield from

def func():
 yield from [1, 2, 3]
 yield from [4, 5, 6]

print(next(func()))
print(next(func()))
print(next(func()))
print(next(func()))
print(next(func()))
print(next(func()))

运行结果：
1 2 3 4 5 6

四、三者区分

（一）可迭代对象

只要是可以使用__iter__()方法的对象都是可迭代对象
迭代器和生成器都是可迭代对象

（二）迭代器

查看对象的内存地址，如果有iterator就是一个迭代器
拥有__iter__()和__next__()放法的就是一个迭代器

（三）生成器

查看对象的内存地址，如果有generator就是一个生成器
可以使用send()方法的就是一个生成器

上一篇：襦裙是古代汉服的一种，它为何会兴起于魏晋南北朝？

下一篇： Python3遍历指定文件夹下所有文件及文件夹

Python基础（十一）

今日主要内容

补充：三目运算

一、f-strings

二、迭代器

（一）可迭代对象

（二）迭代器

（三）两者关系

三、生成器

（一）什么是生成器

（二）生成器

四、三者区分

（一）可迭代对象

（二）迭代器

（三）生成器

数据挖掘之Apriori算法详解和Python实现代码分享

python 实现两个字符串乘法小练习

零基础写python爬虫之使用Scrapy框架编写爬虫

Python入门篇之对象类型

零基础写python爬虫之神器正则表达式

跟老齐学Python之Import 模块

零基础写python爬虫之抓取糗事百科代码分享

python使用ORM之如何调用多对多关系

零基础写python爬虫之爬虫框架Scrapy安装配置

零基础写python爬虫之urllib2使用指南