欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

Python高级特性实例讲解

程序员文章站 2022-04-24 21:48:41
>> 切片Slice 切片:用于取一个list、tuple、字符串的部分元素;相当于针对字符串提供的很多各种截取函数(例如,substring),其实目的就是对字符串...

>> 切片Slice

切片:用于取一个listtuple字符串的部分元素;相当于针对字符串提供的很多各种截取函数(例如,substring),其实目的就是对字符串切片;

>>> L = list(range(100))     //创建一个0-99的数列
>>> L
[0, 1, 2, 3, ..., 99]
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> L[0:10]                   //取出前10个数,从索引0开始取,直到索引3为止,包含左,不包含右;
>>> L[:10]                    //如果第一个索引是0,还可以省略
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> L[10:20]                  //也可以从索引10开始,取出10个元素出来
[10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> L[-10:]                   //取出后10个数;(Python支持L[-1]取倒数第一个元素,那么它同样支持倒数切片)
[90, 91, 92, 93, 94, 95, 96, 97, 98, 99]
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> L[:10:2]                  //前10个数,每两个取一个
[0, 2, 4, 6, 8]
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 
>>> L[::5]                    //所有数,每5个取一个
[0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> L[:]                      //什么都不写,只写[:]就可以原样复制一个list
[0, 1, 2, 3, ..., 99]
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> (0, 1, 2, 3, 4, 5)[:3]    //tuple也是一种list,唯一区别是tuple不可变。因此,tuple也可以用切片操作,只是操作的结果仍是tuple
(0, 1, 2)
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> 'ABCDEFG'[:3]             //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
'ABC'
>>> 'ABCDEFG'[::2]
'ACEG'

>> 迭代Iteration

迭代(Iteration):通过for ... in循环来遍历一个给定list、tuple、其他可迭代对象; 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;

迭代key :for key in d: 迭代key :for value in d.values(): 同时迭代key和value :for k, v in d.items(): 迭代字符串 :for ch in 'ABC':

>>> d = {'a': 1, 'b': 2, 'c': 3}    //迭代dict

>>> for key in d:                   //默认情况下,dict迭代的是key
...     print(key)
...
a                                   //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
c
b
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> for value in d.values():        //迭代value
>>> for k, v in d.items():          //同时迭代key和value
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> for ch in 'ABC':                //迭代字符串
...     print(ch)
...
A
B
C

通过collections模块的Iterable类型判断一个对象是可迭代对象

>>> from collections import Iterable    //引入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

对list实现类似Java那样的下标循环

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

同时引用了两个变量

>>> for x, y in [(1, 1), (2, 4), (3, 9)]:     
...     print(x, y)
...
1 1
2 4
3 9

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

def q(L):
    if L==[]:
        return (None, None)
    else:
        m=L[0]
        n=L[0]
        for x in L:
            if m>x:
                m=x
            if n>> 列表生成式List Comprehensions

列表生成式是Python内置的非常简单却强大的可以用来创建list的生成式;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;

生成[1x1, 2x2, 3x3, ..., 10x10],用循环太繁琐,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)]        //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
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> [x * x for x in range(1, 11) if x % 2 == 0]   //for循环后面还可以加上if判断,筛选出仅偶数的平方
[4, 16, 36, 64, 100]
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> [m + n for m in 'ABC' for n in 'XYZ']         //使用两层循环,可以生成全排列
['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> d = {'x': 'A', 'y': 'B', 'z': 'C' }           //列表生成式也可以使用两个变量来生成list
>>> [k + '=' + v for k, v in d.items()]
['y=B', 'x=A', 'z=C']
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> L = ['Hello', 'World', 'IBM', 'Apple']        //把一个list中所有的字符串变成小写
>>> [s.lower() for s in L]                        //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
['hello', 'world', 'ibm', 'apple']

>> 生成器generator

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。

在Python中,一边循环一边计算的机制,称为生成器:generator;生成器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;

创建一个generator方法一:

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)]          //创建了一个列表list
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))          //创建了一个生成器generator
>>> g
 at 0x1022ef630>
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> next(g)            //要一个一个打印出generator的每一个元素,可以通过next()函数获得generator的下一个返回值
0
.......
>>> next(g)            //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
Traceback (most recent call last):
  File "", line 1, in 
StopIteration
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> g = (x * x for x in range(10))   //创建了一个generator后,通过for循环来迭代它,不需关心StopIteration的错误
>>> for n in g:
...     print(n)

创建一个generator方法二:

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;

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:
        //print(b)             
        yield b           //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;
        a, b = b, a + b
        n = n + 1
    return 'done'
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> f = fib(6)            //f是一个generator
>>> f

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> for n in fib(6):       //使用for循环来迭代generator的值
...     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

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。


>> 迭代器 Iterator(可迭代对象 Iterable)

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;

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。

Iterable:这些可以直接作用于for循环的对象统称为可迭代对象;可以使用isinstance()判断一个对象是否是Iterable对象;

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

iter()函数**

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

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;

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