1.16 过滤序列元素

1.使用列表推导式

>>> mylist = [1, 4, -5, 10, -7, 2, 3, -1]

>>> [n for n in mylist if n > 0]

[1, 4, 10, 2, 3]

缺点：当结果集很大的时候，会占用大量内存。也可以使用生成器表达式来迭代产生过滤的元素

>>> pos = (n for n in mylist if n > 0)

>>> pos

at 0x1006a0eb0>

>>> for x in pos:

... print(x)

...

1

4

10

2

3

>>>

过滤规则复杂的情况下，可以使用内建的filter()函数

values = ['1', '2', '-3', '-', '4', 'N/A', '5']

def is_int(val):

try:

x = int(val)

return True

except ValueError:

return False

ivals = list(filter(is_int, values))

print(ivals)

# Outputs ['1', '2', '-3', '4', '5']

此外还介绍了itertools.compress()

原理：先创建一个 Boolean 序列，指示哪些元素符合条件。 然后 compress() 函数根据这个序列去选择输出对应位置为 True 的元素

filler()和itertools.compress()返回的都是迭代器对象，如果需要列表的话，需要使用list()转换

1.17 从字典中提取子集

1.字典推导式

prices = {

'ACME': 45.23,

'AAPL': 612.78,

'IBM': 205.55,

'HPQ': 37.20,

'FB': 10.75

}

# Make a dictionary of all prices over 200

p1 = {key: value for key, value in prices.items() if value > 200}

# Make a dictionary of tech stocks

tech_names = {'AAPL', 'IBM', 'HPQ', 'MSFT'}

p2 = {key: value for key, value in prices.items() if key in tech_names}

1.18 映射名称到序列元素

主要是通过collections.namedtuple()来命名元组

>>> from collections import namedtuple

>>> Subscriber = namedtuple('Subscriber', ['addr', 'joined'])

>>> sub = Subscriber('jonesy@example.com', '2012-10-19')

>>> sub

Subscriber(addr='jonesy@example.com', joined='2012-10-19')

>>> sub.addr

'jonesy@example.com'

>>> sub.joined

'2012-10-19'

>>>

使用_repalce()改变属性的值

命名元组也可以使用字典来实现。因为字典存储需要更多的内存空间。 如果你需要构建一个非常大的包含字典的数据结构，那么使用命名元组会更加高效。

1.19 转换并同时计算数据

1.生成器表达式

nums = [1, 2, 3, 4, 5]

s = sum(x * x for x in nums)

1.20 合并多个字典或映射

使用 collections 模块中的 ChainMap 类

a = {'x': 1, 'z': 3 }

b = {'y': 2, 'z': 4 }

from collections import ChainMap

c = ChainMap(a,b)

print(c['x']) # Outputs 1 (from a)

print(c['y']) # Outputs 2 (from b)

print(c['z']) # Outputs 3 (from a)

一个 ChainMap 接受多个字典并将它们在逻辑上变为一个字典。 然后，这些字典并不是真的合并在一起了， ChainMap 类只是在内部创建了一个容纳这些字典的列表 并重新定义了一些常见的字典操作来遍历这个列表

作为 ChainMap 的替代，你可能会考虑使用 update() 方法将两个字典合并,但是它需要你创建一个完全不同的字典对象(或者是破坏现有字典结构)。 同时，如果原字典做了更新，这种改变不会反应到新的合并字典中去。

ChainMap 使用原来的字典，它自己不创建新的字典。所以它并不会产生上面所说的结果

>>> a = {'x': 1, 'z': 3 }

>>> b = {'y': 2, 'z': 4 }

>>> merged = ChainMap(a, b)

>>> merged['x']

1

>>> a['x'] = 42

>>> merged['x'] # Notice change to merged dicts

42

>>>

至此，python-cookbook的第一章节 数据结构与算法就结束了，总体发现，该书更多侧重介绍python中的函数来实现一些算法。对与其算法的原理并没有侧重介绍。因此更适合老手，对新手来讲，掌握算法的原理还是比较重要的。