Python高级特性
一、 切片
- 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- 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
- 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 。
- 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list
L=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)- 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 。
- 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))- 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)- 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=None
for 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 = h
elif max==None or (h!=max and h>max) :
max = h
print("min=" , min)
print("max=" , max)三、 列表生成式
- 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')- 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value
print(k , '=' , v)
#使用列表生成式将dict 转换为list
L2 = [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
- 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 。
- 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 。
- 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 )- 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)- 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)- 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 b
a , b = b , a+b # 相当于a=b , b=a+b
n = n + 1
print('done')
f=fib(6)
print(f)- 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 1
print("step 2")
yield 2
print("step 3")
yield 3
o=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)- 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 1
print("step 2")
yield 2
print("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)- 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 1
print("step 2")
yield 2
print("step 3")
yield 3
return "done"
o=odd()
while True:
try:
x=next(o)
print(x)
except StopIteration as e:
print("return：" , e.value)
break- 总结
- 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
- 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
- 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：
- 集合数据类型： list 、 tuple 、 dict 、 set 、 str 。
- generator ：包括生成器和带yield的generator function
- 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)- 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 。
- 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
- 生成器是Iterator对象 ， 但是list 、 dict 、 str虽然是Iterable ， 却不是Iteraor
- 想要把Iterable转换为Iterator可以使用iter()函数
- 思考： list 、 dict 、 str为什么不是Iterator对象？
- 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 。
- 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 。
- 迭代器总结：
- 凡是可用作与for循环的对象都是Iterable类型
- 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 。
- 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 。
- 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;
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
