Python高级特性

一、 切片

  1. python中提供了切片(Slice)操作符 , 可以方便的获取list或tuple中的某一段元素 。

    # -*-  coding : utf-8 -*-  #Python 切片#生成0~99的元组或list都是可以进行切片操作的
    L=tuple(range(100))#输出
    print(L)#使用且前截取
    #使用 L[startIndex : endIndex] 的形式
    #startIndex表示 开始截取的位置  endIndex表示结束截取的位置  含左不含右
    print(L[10:20])
    print(L[:10])  # 没有起始位置时 , 默认从0开始
    print(L[10:])  # 没有结束位置时 , 默认截取剩余部分#指定截取时的步数
    print(L[:10:2]) # 截取0~10的元素 , 每两个取一个
    print(L[::5])  #所有的数 , 每五个取一个
    
  2. 示例

    #去除字符串首尾的空格
    def trim(s):if(s[0] == " "):s = s[1:]trim(s)elif s[len(s)-1] == " " :s = s[:len(s)-1]trim(s)else:print("***"+s+"***")s = input("请输入要处理的字符串:")
    trim(s)
    

二、 迭代

  1. python中的迭代遍历不仅仅可以用在list和tuple上 , 而且可以用在dict上 。
  2. 示例

    # -*-  coding : utf-8 -*- #python 中的迭代遍历 #1. 迭代list 或 tuple
    #为什么是 一个列子?   因为tuple本身就是一个特别的listL=tuple(range(100))
    J=list(range(100))for i in J :print(i)#2. 迭代一个dict
    # 在迭代dict时 ,  默认迭代的是dict 的key 的集合 , 随后可以拿着key从dict 中取到value
    D = {'a':1 , 'b':2 , 'c':3}
    #遍历Key
    for d in D :print(d)
    #遍历value 方式一
    for d in D : print(D[d])#遍历value 方式二
    for d in D.values() :print(d)
    
  3. 当我们在python 中使用for遍历时 , 只要作用于一个可迭代对象 , for循环就可以正常运行 , 而不用太关心被迭代的元素类型 。
  4. 如何判断一个对象是一个可迭代对象 ?

    from collections import Iterable#python   判断一个对象是否是一个可迭代对象
    D = {'a':1 , 'b':2 , 'c':3}
    flag = isinstance(D , Iterable)
    print("是否是一个可迭代的对象呢: "+str(flag))
    
  5. 遍历二维list

    #python遍历二维列表K=((1,1) , (2,2) , (3,3) , (4,4))for x , y in K :print(x , y)
    
  6. 练习

    #python 迭代练习
    #查找list中的最大值和最小值
    print("查找list中的最大值和最小值:")
    H=(1,6,33,7,8,5,3,7,75,3,7,32,6,8,8,4,3,88,5,33,5,11111)
    min=None
    max=Nonefor h in H :if min==None or (h!=min and h<min) :#int 不能和None进行逻辑运算 , 当min为None时  , 先赋予初始值 。 min = helif max==None or (h!=max and h>max) :max = h
    print("min=" , min)
    print("max=" , max)
    

三、 列表生成式

  1. 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
    要想生成[1,2,3,4,5,6,7,8,9,10] , 可以用list(range(1,11))但是想要生成[1x1 , 2x2 , 3x3 , 4x4, 5x5] 怎么做? 只能使用原始的for循环么??
    1. 可以用list(x*x for x in range(1, 6))
    2. 可以使用判断 , 筛选出仅偶数的平方
    list(x*x for x in range(1,11) if x%2==0)
    3. 可以使用循环嵌套生成全排列
    list(m+n for m in 'ABC' for n in 'XYZ')
    
  2. 示例

    # -*- conding:utf-8 -*-import os #导入os模块
    #利用列表生成式列出当前目录下所有的目录和文件名L = [d for d in os.listdir('.')]#.代表当前目录
    print(L)#遍历dict的第三中方式
    D={'1':'a' , '2':'b' , '3':'c'}
    for k,v in D.items():#使用for循环遍历dict 时 , 默认遍历keys , 可以通过D.values()仅遍历value , 可以通过items()同时遍历key和valueprint(k , '=' , v)  #使用列表生成式将dict 转换为listL2 = [k+"="+v for k , v in D.items()]
    print(L2)   #把list中的所有字符串转换为小写并输出L3=['AAA',"BBB",18,'CCC','adfFFFF']L3c=[s.lower() for s in L3 if isinstance(s , str)]
    print(L3c)
    

四 、 生成器

  1. 通过列表生成式 , 我们可以直接创建一列表 , 但是虽然理论上list 的长度是无限的 , 由于受内存限制, 实际上list的长度也是受限的的 。 当我创建出一个包含100万个元素的list却只取其中的某几个元素使用 一次时 ,这就显得非常的浪费 。
  2. 所以 ,如果列表中的元素如果可以按照某种算法推算出来 , 我们就不必创建大量占用内存的list而使用list 中的元素了 。 在python中这样以便循环一边计算的机制叫做生成器generator 。
  3. 生成一个generator最简单的办法就是把一个列表生成式的[]改为() , 就创建了一个generator 。

    # -*- conding:utf-8 -*-#generator生成器
    L=[x for x in range(10)] #列表生成式 用于比较
    G=(x for x in range(10)) #生成器print("列表" , L)
    print("生成器" , G )
    
  4. 遍历generator的元素之前说过generator保存的是数据生成的算法 , 不断调用next(g)的方式太麻烦 , 由于generator也是可迭代对象 , 所以可以使用for循环 。

    G=(x for x in range(10)) #生成器
    for g in G :print(g)
    
  5. generator非常强大 , 如果推算的算法比较复杂 , 用上述的方法无法实现的时候 , 还可以用函数来实现 。

    #函数的形式实现generator#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#n控制循环次数 , a为假设的第0个数 b为第一个数while n<max :print(b)a , b = b , a+b # 相当于a=b , b=a+b n = n + 1 print('done')#调用
    fib(6)
    
  6. 定义generator的另一种形式: 如果一个函数中包含了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 。

    #从上面的例子可以看出和generator非常类似 , 可以从第一个元素开始推算出后续的任意元素 。
    #想要把fib()函数变为generator , 其实只要将print(b) 变为yield b 就可以了def fib(max) :n , a , b  = 0 , 0 , 1#n控制循环次数 , a为假设的第0个数 b为第一个数while n<max :yield ba , b = b , a+b # 相当于a=b , b=a+b n = n + 1 print('done')f=fib(6)
    print(f)
    
  7. 需要注意的是:generator和函数的执行流程是不一样的 , 函数时顺序执行 , 从上至下 , 遇到return语句或函数最后一句时就返回 。但是generator在每次调用next()函数时执行 , 遇到yield语句返回 , 再次执行时从上次返回的yield处继续执行 。

    #generator函数的执行顺序
    #generator遇到yield之后返回结果 , 下次执行时从上次的yield出执行
    def odd() :print("step 1")yield 1print("step 2")yield 2print("step 3")yield 3o=odd()
    r1 = next(o)
    print(r1)
    r2 = next(o)
    print(r2)
    r3 = next(o)#当顺序执行完yield关键字之后 , 再执行next()函数就会报错
    print(r3)
    
  8. 即使generator是以函数的形式定义的 , 我们也几乎不会用next()函数获取返回值 , 而是使用迭代遍历

    def odd() :print("step 1")yield 1print("step 2")yield 2print("step 3")yield 3#使用迭代遍历获取generator函数返回的值
    for r in odd() :print(r)
    
  9. 当generator以函数的形式定义 , 并且generator中含有return语句时 , 会发现拿不到return语句中的返回值 , 如果想要拿到返回值 ,则必须捕获StopIteration错误 , 返回值包含在StopIteration的value中:

    def odd() :print("step 1")yield 1print("step 2")yield 2print("step 3")yield 3return "done"o=odd()
    while True:try:x=next(o)print(x)except StopIteration as e:print("return:" , e.value)break
    
  10. 总结
    1. generator 是非常强大的工具 , 在Python中 , 可以简单的把列表生成式改为generator, 也可以通过函数形式实现复杂李玉偶记的generator
    2. generator工作时的原理: generator在for循环的过程中不断的计算下一个元素 , 并在适当的条件结束for循环 。 对于普通函数改成的generator来说, 遇到return语句或者执行到函数最后一行语句 , 就是结束generator的指令 , for循环随之结束 。

五 、 迭代器

  1. 通过以上的学习已经知道 , 可以使用for循环的数据类型有以下几种:

    1. 集合数据类型: list 、 tuple 、 dict 、 set 、 str 。
    2. generator :包括生成器和带yield的generator function
    3. 这些可以直接作用于for循环的对象统统成为可迭代对象

      # -*-  coding : utf-8-*-
      #判断数据类型是否是一个可迭代类型
      from collections import Iterable flag = isinstance([] , Iterable)
      print("list是否是可迭代对象:" , flag)flag = isinstance(() , Iterable)
      print("tuple是否是可迭代对象:" , flag)flag = isinstance({} , Iterable)
      print("dict 、 set 是否是可迭代对象:" , flag)flag = isinstance("" , Iterable)
      print("str是否是可迭代对象:" , flag)
      
  2. 生成器不但可以用for循环遍历 , 还可以被next()函数不断电泳并返回下一个值 , 知道最后抛出一个StopItreator 错误表示无法继续返回下一个值了 。
  3. 可以被next()函数调用并不断返回下一个值的对象称之为迭代器
    1. 生成器是Iterator对象 , 但是list 、 dict 、 str虽然是Iterable , 却不是Iteraor
    2. 想要把Iterable转换为Iterator可以使用iter()函数
  4. 思考: list 、 dict 、 str为什么不是Iterator对象?
    1. 因为pyhton 中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作是一个有序序列, 但是我们不能提前知道序列的长度 , 只能不断的通过next()函数实现按需计算下一个数据 , 所以Iterator的计算时惰性的 , 只有在需要返回下一个数据时他才会计算 。
    2. Iterator甚至可以表示一个无限大的数据流 , 列如:全体自然数 , 而使用list永远不可能存储全部自然数 。
  5. 迭代器总结:

    1. 凡是可用作与for循环的对象都是Iterable类型
    2. 凡是可以作用于next()函数的对象都是Iterator类型 , 他们表示一个惰性的计算的序列 。
    3. 集合数据类型如: list 、 dict 、tuple 、 set 、 str都不是Iterator类型的数据 , 但是可以通过iter()函数转换为一个Iterator类型的对象 。
    4. Python的for循环本质上就是通过不断调用next()函数实现的 。如:

      # -*- conding : utf-8-*-#迭代器
      #Python中的for循环实质上是通过不断调用next()函数实现的 。L = [1,32,3,4,5,6,7,8,89,9,]for l in L:pass#等同于
      it = iter(L)
      while True:try :#获取下一个值x = next(it)except StopIteration as e :#遇到异常break;
      

Python学习笔记(五) Python高级特性相关推荐

  1. Python学习笔记五:控制语句

    Python学习笔记五:控制语句 Pycharm 开发环境的下载安装配置_项目管理 控制语句 Pycharm 开发环境的使用 Pycharm 下载和安装 激活和选择不同UI 风格 创建项目和初始化配置 ...

  2. Python学习篇(五) Python中的循环

    文章目录 前言 一.range函数 二.while循环 2.1四步循环法 三.for in 循环 四.流程控制语句 4.1 break 4.2 continue 五.else语句 六.嵌套循环 七.二 ...

  3. Python学习笔记:面向对象高级编程(完)

    前言 最近在学习深度学习,已经跑出了几个模型,但Pyhton的基础不够扎实,因此,开始补习Python了,大家都推荐廖雪峰的课程,因此,开始了学习,但光学有没有用,还要和大家讨论一下,因此,写下这些帖 ...

  4. Python学习笔记:面向对象高级编程(中下)

    前言 最近在学习深度学习,已经跑出了几个模型,但Pyhton的基础不够扎实,因此,开始补习Python了,大家都推荐廖雪峰的课程,因此,开始了学习,但光学有没有用,还要和大家讨论一下,因此,写下这些帖 ...

  5. Python学习笔记:面向对象高级编程(中上)

    前言 最近在学习深度学习,已经跑出了几个模型,但Pyhton的基础不够扎实,因此,开始补习Python了,大家都推荐廖雪峰的课程,因此,开始了学习,但光学有没有用,还要和大家讨论一下,因此,写下这些帖 ...

  6. Python学习笔记:面向对象高级编程(上)

    前言 最近在学习深度学习,已经跑出了几个模型,但Pyhton的基础不够扎实,因此,开始补习Python了,大家都推荐廖雪峰的课程,因此,开始了学习,但光学有没有用,还要和大家讨论一下,因此,写下这些帖 ...

  7. python基础论文_北大博士Python学习笔记,Python基础语法总结,一篇文章带你入门...

    image.png 网上现在Python学习资料有很多,但是很杂.很多初学Python的朋友就不知道该怎么去抉择,那些是自己当下所需要的. 刚好朋友是北大的博士,在IT行业也工作八年了.就把他学习Py ...

  8. python学习笔记:python类和对象,文件操作,网络编程

    目录 一.python面向对象 1.类和对象的定义 2.单继承 3.多继承 4.成员属性 5.异常 6.@property 二.python文件操作 文件的打开和读写 文件对象接口汇总 三.pytho ...

  9. 2022年最高效,踏实的Python学习笔记以及Python学习规划

    一.学习建议 1.找到自己感兴趣的方向,并且结合市场需求进行选择 Python的应用范围 测试 运维 web 人工智能 大数据 爬虫及数据分析 办公自动化 2.学习过程中一定要勤加练习,并且尝试去使用 ...

  10. Python学习笔记1 Python基础

    第1章 Python基础 1.1 Python概述及版本介绍 1.Python是一种面向对象的解释型计算机程序设计语言(解释型语言源代码->解释器逐行解释每一句源代码) 2.优点:高级语言.可移 ...

最新文章

  1. 通过MageUi.exe修改通过ClickOnce发布过的WPF browser application 配置文件
  2. tftp刷路由器 linux,TP-Link无线路由器HTTP/TFTP后门漏洞
  3. 富士康将把部分iPad和MacBook生产线从中国转移到越南
  4. 几种软件滤波算法的原理和比较(带源码)
  5. 男人离婚后一般过得怎么样?
  6. 支付宝AI大幅提升细粒度图像分类识别精度,一眼看穿万物细微差异
  7. 有哪些特点_锌钢栅栏有哪些特点?锌钢栅栏特点有哪些?
  8. 微信小程序游戏——飞机大战
  9. 数学建模PPT(二)
  10. 论如何用电脑开手游辅助,实现QQ飞车自动跑图
  11. 服务实例是否宕机的后台检查线程任务
  12. ZoomIt v4.5
  13. Nmos驱动电路分析
  14. VM虚拟机局域网组网配置
  15. 速算24点(C++)
  16. 蓝桥杯--黄金连分数
  17. 基恩士协议转换网关WTGNet-KV
  18. Carsim2019_官方Help学习笔记_Running a VS FMU in Simulink (Carsim与Matlab联合仿真方法之一)
  19. 【英语词组】恋恋不忘Day4-7
  20. 内存完整性已关闭,你的设备可能易受攻击已解决之处理方法

热门文章

  1. 从网页(WEB)登录SAP
  2. 写个Fragment方便的抽象基类 BaseFragment
  3. 敏捷开发用户故事系列之二:如何面向客户价值编写故事
  4. python解析树_如何使用python中的stanford解析器获取树的叶子?
  5. 每日程序C语言14-小球反弹高度问题
  6. python统计库_python-科学计算常用库
  7. 【2012百度之星/初赛上】D:轮子上的度度熊
  8. paramiko 使用总结(SSH 操作远端机器)
  9. websocket实现单聊
  10. 人脸检测中,如何构建输入图像金字塔