高级特性

数据类型、语句、函数便可编写程序

L = []
n = 1
while n <= 99:
    L.append(n)
    n = n + 2

切片

取一个list或tuple的部分元素是常见的操作

>>> L = ['Michael', 'Sarah', 'Tracy', 'Bob' , 'Jack']

如果用切片的方法取前三个元素

>>> L[0:3]
['Michale', 'Sarah', 'Tracy']

切片操作很有用,以0—99的数列:

>>> L = list(range(100))
>>> L
[0, 1, 2, 3, 4, 5,..., 99]

可以轻松取出某一段数列,比如前10个数:

>>> L[:10]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

甚至什么都不写,可以通过[:]原样复制一个list:

>>> L[:]
[0, 1, 2, 3, 4, 5, ..., 99]

tuple也是一种list,只是tuple不可变,但tuple也可以用切片操作,只是操作结果仍是tuple:

>>> (0, 1, 2, 3, 4, 5)[:3]
(0, 1, 2)

字符串也可以看成一种list,可以用切片操作:

>>> 'ACDEFG'[:3]
'ABC'
>>> 'ABCDEFG'[::2]
'ACEG'

迭代

定义:通过for循环来遍历list或tuple,这种遍历称之为迭代。
Python的for循环抽象程度高于C的循环,由于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对象上。
只要可迭代对象,无论有无下标,都可以迭代,比如dict就可以迭代:

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

dict存储不是按照list的方式顺利排序,所以迭代结果顺序很可能不一样。
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,也可以作用于for循环:

>>> for ch in 'ABC':
...     print(ch)
...
A
B
C

使用for循环时,只要作用于可迭代对象,for循环就可以正常运行,不用过多关心其他数据类型。
判断一个对象是否可迭代,通过collections模块和Lterable类型判断:

>>> from collection import Iterable
>>> isinstance('abc', Iterable)#str是否可迭代
True
>>> isinstance([1,2,3], Iterable)#list是否可迭代
True
>>> isintance(123, Iterable)# 整数是否可迭代
False

对list实现下标循环,可以用Python内置的enumerate函数把一个list变成索引-元素对,这样就可以再for循环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

在以上for循环中,同时引用了两个变量,在Python中很常见:

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

列表生成式

定义:List Comprehensions 是Python内置的非常简单却强大的用于创建list的生成式。
如要生成list[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]可以用list(range(1, 11)):

>>> list(range(1,11))
[1,2,3,4,5,6,7,8,9,10]

如果要生成[1×1, 2×2, 3×3, 4×4, 5×5....]
方法一:

>>> L = []
>>> for x in range(1,11):
...    L.append(x * x)
...
>>> L
[1, 4, 9, 25, 36, 49, 64, 81, 100]

循环过于繁琐,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]

写列表生成式是,把要生成的元素放在前面,后面跟for循环,就可以把list创建出来。

>>> [x * x for x in range(1, 11) if x % 2 == 0]
[4, 16, 36, 64, 100]

还可以使用两层循环,可以生成全排列:

>>> [m + n for m in 'ABC' for n in 'XYZ']
['AX', 'AY', 'AZ', 'BX', 'BY', 'CX', 'CY', 'CZ']

三层和三层以上的循环就用的很少
运用列表生成式,可以写出简洁的代码:

>>> import os #导入os模块
>>> [d for d in os.listdir('.')] # os.listdir可以列出文件和目录
['.emacs.d', '.ssh', '.Trash', 'Adlm', 'Applications', 'Desktop', 'Documents', 'Downloads', 'Library', 'Movies', 'Music', 'Pictures', 'Public', 'VirtualBox VMs', 'Workspace', 'XCode']

for 循环其实可以同时使用两个或多个变量,比如dict和items()可以同时迭代key 和value:

>>> d = {'x': 'A', 'y': 'B', 'z': 'C' }
>>> for k, v in d.items():
...     print(k, '=', v)
...
y = B
x = A
z = C

列表生成式也可以使用两个变量来生成list:

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

最后把一个list所有的字符串变成小写:

>>> L = ['Hello', 'World', 'IBM', 'Apple']
>>> [s.lower() for s in L]
['hello', 'world', 'ibm', 'apple']

生成器

定义:由于内存限制,列表容量会因此受限。为避免这种情况,可考虑一边循环一边计算的机制,称为生成器:generator
创建一个生成器的方法一:

>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x1022ef630>

如果想要一个一个打印出来,可以通过next()函数获得genertor的下一个返回值:

>>> next(g)
0
>>> next(g)
1
>>> next(g)
4
>>> next(g)
9
>>> next(g)
16
>>> next(g)
25
>>> next(g)
36
>>> next(g)
49
>>> next(g)
64
>>> next(g)
81
>>> next(g)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

generator保存的算法,每次调用那些next(g),就计算出g 的下一个元素的值,知道计算到最后一个元素,抛出Iteration的错误。

>>> g = (x * x for x in range(10))
>>> for n in g:
...     print(n)
... 
0
1
4
9
16
25
36
49
64
81

创建一个generator后,基本上永远不会调用next(),可是通过for循环来迭代,并且不需要关心StopIteration的错误。
如果推算的算法比较复杂,用类似列表生成式的for循环无法实现时,可以用函数来实现。
如著名的著名的斐波拉契数列(Fibonacci),除第一个和第二个以外,任意一个数都可由前面两个数想家得到:
1, 1, 2, 3, 5, 8, 13, 21, 34, ...
可以用函数把斐波拉契数列用列表生成式:

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        print(b)
        a, b = b, a + b
        n = n + 1
    return 'done

注意赋值语句:

a, b = b, a + b

相当于:

t = (b, a + b) # t是一个tuple
a = t[0]
b = t[1]

但不必显示献出临时变量t就可以复制:
上面的函数可以输出裴波那契数列的前N个数:

>>> fib(6)
1
1
2
3
5
8
'done'

fib函数实际上定义了裴波那契数列的推算规则,可以从第一个元素开始,推算出后续任意的元素。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:
        yield b 
        a, b = b , a + b
        n = n + 1
    return 'done'

如果一个函数定义中包含yield关键字,这个函数不是普通函数,而是一个generator:

>>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0>

如何理解generator和函数:函数是顺序执行,遇到return语句后就返回;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。

def odd():
    print('step 1')
    yield 1
    print('step 2')
    yield(3)
    print('step 3')
    yield(5)

调用该generator时,首先要生成一个generator对象,然后用next()函数不断获得下一个返回值:

>>> o = odd()
>>> next(o)
step1
1
>>> next(o)
step 3
5
>>> next(o)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

odd不是普通函数,二十generator,执行中遇到yeild就会中断,下次又执行下去。执行三次yield后,已经没有yield可以执行,所以第四次next(o)就报错。
fib的例子,在循环中不断调用yield,就会不断中断,需要给循环设置一个条件来退出循环,不然会产生无限数列。
总结:
理解generator工作原理,它是在for循环的过程中不断计算出下一个元素,并在适当的条件结束for循环。对于函数改成generator,遇到return或是执行到最后一行语句,结束generator,for循环随之结束。
分区普通函数与generator函数,普通函数调用直接返回结果:

>>> r = abs(6)
>>> r
6

generator函数调用实际返回一个generator对象:

>>> g = fib(6)
>>> g
<generator object fib at 0X1022ef948

迭代器

可直接作用于for循环的数据类型:
(1)集合数据类型:list,tuple,dict,set,str等;
(2)generator类:生成器,带yield的generator function。
以上对象统称为可迭代对象Iterable,可以使用isinstance()判断一个对象是否是个Iterable对象:

>>> from collectin import Iterable
>>> isinstance([], Iterable)
True
>>> isintance({}, Iterable)
True
>>> isinstance('abc', Iterable)
True
>>> isinstance(100, Iterable)
False

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,知道最后抛出StopIteration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成为迭代器:Iterator
可以使用isinstance()判断一个对象是否是一个Iterator对象:

>>> from collcetion import Iterator
>>> isinatce((x for x in range(10), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance('abc', Iterator)
False

生成器都是迭代器对象,但是list,dict,str,虽然可迭代,却不是迭代器
把list、dict、str等 可迭代对象能变成迭代器,可以使用iter()函数:

>>> isintance(iter([]), Iterator)
True
>>> isintance(iter('abc', Iterator)
True

可迭代对象不是迭代器的原因:迭代器对象表示的是一个数据流,迭代器对象可以被next()函数调用并不断返回下一个数据,知道没有数据时抛出StopIteration错误。把数据流看做有序序列,却不知道序列长度,只有不断通过你next()函数实现按需计算下一个数据,所以迭代器计算是惰性的,只有在需要返回下一个数据时它才会计算。
总结:
(1)凡是可作用于for循环的对象都可迭代类型;
(2)凡是可作用于next()函数的对象都是迭代器类型,他们边说一个惰性计算的序列;
(3)集合数据类型如list、dict是可迭代,却不是迭代器,不能通过iter()获得一个迭代器对象。
(4)Python的for循环本质上就是通过不断调用next()函数实现的:

for x in [1, 2, 3, 4, 5]:
    pass

实际上完全等价于:

#  首先获得迭代器对象:
it = iter([1, 2, 3, 4, 5])
#  循环:
while True:
    try:
       #获得下一个值
       x = next(it)
    except StopIteration:
       #遇到StopIteration就退出循环
       break