python高级特性_Python高级特性

参考原文

开篇：高级特性是用来简化我们常用操作的特性，合理利用高级特性可以使代码更简洁、明了。

切片

取list或tuple中的指定索引范围的操作，用循环十分繁琐，因此Python提供了切片（Slice）操作符，能大大简化这种操作。示例：

>>> L = ['a', 'b', 'c', 'd']>>> L[0:3]

['a', 'b', 'c']

L[0:3]表示从索引0开始取，直到索引3为止，但不包括索引3，即索引0,1,2正好3个元素。如果第一个索引是0，还可以省略：

>>> L[:3]

['a', 'b', 'c']

还可以倒着取，记住倒数第一个数的索引是-1：

>>> L[-1:]

['d']>>> L[-2:-1]

['c']

>>> L = list(range(100))>>> L[:10:2]

[0,2, 4, 6, 8]>>>L[:]

[0,1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97, 98, 99]>>>

tuple也是一种list，区别是不可变，因此tuple也可以切片，结果依然是tuple：

>>> (0, 1, 2, 3, 4)[:3]

(0,1, 2)

字符串也可以看成一种list，每个元素就是一个字符，在很多编程语言中针对字符串提供了很多的截取函数（如substring），其实目的就是对字符串切片。在Python中没有针对字符串的截取函数，只需切片：

>>> 'ABCDEFGH'[::3]'ADG

迭代

对于一个list或tuple，我们可以通过for循环来遍历这个list或tuple，这种遍历我们称为迭代（Iteration）。在Python中，迭代是通过for ... in来完成的，而很多语言如C语言，迭代list是通过下标完成的：

for (i=0;i

n=list[i];

}

可以看出，Python的for循环抽象程度要高于C的for循环，因为Python的for循环不仅可以用在list或tuple上，还可以作用在其他可迭代的对象上，如迭代dict：

>>> d = {'a': 1, 'b': 2, 'c': 3}>>> for key ind:print(key)

注：默认情况下，dict迭代的是key，如果要迭代value，可以用for value in d.values(),如果要同时迭代key和value，可以用for k,v in d.items()。

由于字符串也是可迭代对象，因此，也可以用作for循环：

>>> for ch in 'ABC':print(ch)

所以怎么判断一个对象是可迭代对象呢？方法是通过collections模块的Iterable类型判断：

from collections importIterableprint(isinstance('abc',Iterable)) #str是否可迭代 True

print(isinstance([1,2,3],Iterable)) #lis是否可迭代 True

print(isinstance(123,Iterable)) #整数是否可以迭代 False

如果要对list实现类似Java那样的下标怎么办？Python内置的enumerate函数可以把list变成索引-元素对：

>>> for i, value in enumerate(['a', 'b', 'c']):print(i, value)

0 a1b2 c

在for循环里还可以引用多个变量，这在Python里是很常见的：

>>> for x, y, z in[(1,2,3),(3,4,5)]:print(x, y, z)1 2 3

3 4 5

Tips: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

列表生成式

列表生成式（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。

问题：怎么生成[1x1, 2x2, 3x3, ..., 10x10]?

你可以使用循环：

>>> L =[]>>> for x in range(1, 11):

L.append(x*x)>>>L

[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

但是使用循环难免显得太繁琐，而列表生成式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)]

[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

还可以在for循环后面加上if判断用于筛选：

>>> [x * x for x in range(1,11) if x % 2 ==0]

[4, 16, 36, 64, 100]

由于for循环可以使用多个变量，所以列表生成式也可以用多个变量来生成list：

>>> d = {'x': 'A', 'y': 'B', 'z': 'C'}>>> [k + '=' + v for k, v ind.items()]

['x=A', 'y=B', 'z=C']

Tips:运用列表生成式，可以快速生成list，也可以通过一个list推导出另一个list，而代码却十分简洁。

生成器

上面介绍了列表生成式，通过它我们可以直接创建一个列表，但是如果我们创建了一个包含100万个元素的列表，我们却仅仅需要访问前面几个元素，这不就使得后面元素占用的内存空间白白浪费了吗？

所以，如果列表元素可以按照某种算法推算出来，在循环的过程中不断推算出后续的元素，这样就不必在一开始就创建完整的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。那么怎么创建一个generator呢？

1.可以把列表生成式的[]改成(),就创建出了一个generator：

>>> g = (x * x for x in range(10))>>>g at 0x0000018EBFF0F308>

我们知道可以直接打印出list的每一个元素，但我们怎么打印出generator中的每一元素呢？通过它的定义，我们知道应该在循环的过程中，不断获取下一个元素。通过next() 函数可以获得generator的下一个返回值：

>>>next(g)

0>>>next(g)1

若要获取generator中的所有元素，可以使用for 循环，因为generator也是可迭代对象：

>>> g = (x * x for x in range(10))>>> for n ing:print(n)

2.在介绍第2中方法前，我们先来谈一谈斐波那契数列（除第一，二两数外，任意一个数等于前两个数相加），我们应该能写出函数：

>>> deffib(max):

n, a, b,= 0, 0, 1

while n

a, b= b, a +b

n= n + 1

return 'done'

上面的函数可以输出斐波那契数列数列的前N个数：

>>> fib(6)1

'done'

我们认真观察可以发现fib函数实际上是定义了斐波那契数列的推算规则（从第一个元素开始，推算出后面的元素），这种逻辑不正是generator的思想吗？我们只需要做一个小小的改动，就可以把上面的fib函数变成generator，只需把print(b)改成yield b 就可以了：

>>> deffib(max):

n, a, b,= 0, 0, 1

while n

a, b= b, a +b

n= n + 1

return 'done'

这就是定义generator的另一种方法：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的函数，而是一个generator：

>>> f = fib(6)>>>f

>>> for n in fib(6):print(n)1

但这样就拿不到generator的return 语句的返回值。如果想要拿到返回值，就必须捕获StopIteration错误，返回值包含在StopIteration的 value 中：

>>> g = fib(6)>>> whileTrue:try:

x=next(g)print('g:',x)exceptStopIteration as e:print('Generator return value:', e.value)breakg:1g:1g:2g:3g:5g:8Generatorreturn value: done

Tips:generator和函数的执行流程不一样。函数时顺序执行，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，再执行时从yield语句处继续执行。

迭代器

我们已经知道能作用于for循环的对象都是可迭代对象：Iterable。数据类型可以分为集合数据类型：如list、tuple、dict、set、str等；另一类是generator：包括生成器和带yield的generator的函数。

迭代器（Iterator）：可以被next（）函数调用并不断返回下一个值的对象。可以使用isinstance（）判断一个对象是否是Iterator对象：

>>> from collections importIterator>>> isinstance((x for x in range(10)), Iterator)

True>>>isinstance([], Iterator)

False>>>isinstance({}, Iterator)

False>>> isinstance('abc', Iterator)

False

可以发现生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。可以用iter（）函数使这项Iterable 变成Iterator：

>>>isinstance(iter([]),Iterator)

True

思考：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，我们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。所以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。

Tips:凡是可作用于for循环的对象都是Iterable类型；凡是可作用于next（）函数的对象都是Iterator类型，表示一个惰性计算的序列；集合数据类型如list、dict等是Iterable但不是Iterator，不过可以通过iter（）函数获得一个Iterator对象；Python的for循环本质上就是不断通过调用next（）函数实现的。

python高级特性_Python高级特性相关推荐

python切片迭代_Python高级特性切片迭代解析
切片:方便截取list.tuple.字符串部分索引的内容正序切片语法:dlist = doList[0:3]表示,从索引0开始取,直到索引3为止,但不包括索引3.即索引0,1,2,正好是3个元素 ...
python generator长度_Python 高级特性之：生成器（generator）和迭代器（Iterator）
前言: 之前学习Python自动化,接触了不少python的学习,对生成器印象尤其深,网上也看了很多介绍,下面主要是这些概念的个人学习整理(如侵删). 正文: 如要创建一个非常大的列表,受到内存限制, ...
python generator输出_python 高级特性：Generator(生成器)
格式对比: List Imprehensions 格式:[ 语句 for .. in ..] Generator 格式:(语句 for .. in ..) 区别:List存储的是具体内容,每个元素都占 ...
pythonlist特性_python 高级特性：List Comprehensions(列表生成式)
列表生成式: 创建List 格式: 新列表 = [表达式/函数 for 变量 in 旧列表] 一.普通创建List #!/usr/bin/python #common establish way li ...
我对python的理解_python高级函数以及我对python的理解
常见的高级函数:lambda.map.reduce.filter.list comprehension lambda 匿名函数,限制一个表达式 m = lambda x,y:x+y # 5 m(2,3 ...
python高级应用_Python高级编程技巧
Python 高级编程技巧本文展示一些高级的 Python 设计结构和它们的使用方法.在日常工作中,你可以根据需要选择合适的数据结构, 例如对快速查找性的要求. 对数据一致性的要求或是对索引的要求 ...
简述python的特性_Python的特性概要
1.和C比较,Python是解释型的语言, 2.a>字节码特性 b>动态语义,即在赋值时才确定数据类型 c>缩进,点击tap键缩进四个空格,使用编译器是记得查看! 3.注意写Pyt ...
python的数据模型_python高级（一）—— python数据模型(特殊方法)
本文主要内容 collections.namedtuple __getitem__ 和 __len__ __repr__和__str__ __abs__.__add__和__mul__ __bool_ ...
python高级教程_Python高级进阶教程
这个系列的教程是在刘金玉编程的<零基础python教程>基础上的高级进阶应用. 教程列表: Python高级进阶教程001期 pycharm+anaconda3+pyqt5可视化界面开发环 ...

python高级特性_Python高级特性

python高级特性_Python高级特性相关推荐

最新文章

热门文章