切片(从某个对象【list/tuple/字符串】中抽取部分值)
#切片操作基本表达式,step默认值为1
object[start_index : end_index : step]
其实也可以编写代码,通过循环操作实现抽取前N个值
>>> a = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
>>>a[1:6:-1]
>>>[]
# 输出为空列表,说明没取到数据。
# step=-1,决定了从右往左取值,而start_index=1到end_index=6
决定了从左往右取值,两者矛盾,所以为空。
>>> a[6:1]
>>> []
# 输出也为空,原因同上。
>>> a[6::-1] # step=-1,从右往左取值,从start_index=6开始,一直取到“起点”。
>>> [6, 5, 4, 3, 2, 1, 0]
>>>a[:6:-1] # step=-1,从右往左取值,从“终点”开始一直取到end_index=6。
>>> [9, 8, 7]
>>>a[:-6]
>>> [0, 1, 2, 3]
>>>a[:-6:-1]
>>> [9, 8, 7, 6, 5]
可以通过切片操作实现:①修改单个元素【如 >>>a[3] = ['A','B']】;②在某个位置插入元素【如 >>>a[3:3] = ['A','B']】;③替换一部分元素【如 >>>a[3:7] = ['A','B']】
迭代(Iteration)
如果给定一个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)。
只要是可迭代对象【字符串,list,tuple】,无论有无下标,都可以迭代。
对于dict的迭代:
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()
。
如何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。
Python内置的enumerate
函数可以把一个list变成索引-元素对,这样就可以在for
循环中同时迭代索引和元素本身:
enumerate() :用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列,同时列出数据和数据下标,一般用在 for 循环当中。
上面的for
循环里,同时引用了两个变量,在Python里是很常见的,比如下面的代码:
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。
如果要生成[1x1, 2x2, 3x3, ..., 10x10]
怎么做?
方法一:循环
方法二:列表生成式
写列表生成式时,把要生成的元素x * x
放到前面,后面跟for
循环,就可以把list创建出来,十分有用。
for循环后面还可以加上if判断,这样我们就可以筛选出仅偶数的平方;还可以使用两层循环,可以生成全排列。
运用列表生成式,列出当前目录下的所有文件和目录名,可以通过一行代码实现。
for
循环其实可以同时使用两个甚至多个变量的。
dict.items() :返回可遍历的(键, 值) 元组数组。(即同时迭代key和value。)
输出结果分别为:
所以,列表生成式也可以使用两个变量来生成list:
问题:如何把一个list中所有的字符串变成小写?
str.lower() :转换字符串中所有大写字符为小写
(注:要想运用列表生成式完成对list的lower转换,要求list中所有元素必须为str)
问题:如何判断一个变量是不是字符串? 答: 使用内建的isinstance
函数
生成器generator
通过列表生成式,我们可以直接创建一个列表。但是,受到内存限制,列表容量肯定是有限的。而且,创建一个包含100万个元素的列表,不仅占用很大的存储空间,如果我们仅仅需要访问前面几个元素,那后面绝大多数元素占用的空间都白白浪费了。
所以,如果列表元素可以按照某种算法推算出来,那我们是否可以在循环的过程中不断推算出后续的元素呢?这样就不必创建完整的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。
问题:如何创建一个generator?
创建generator方法①:把一个列表生成式的[]
改成()
,就创建了一个generator。(例中L
是一个list,而g
是一个generator。)
问题:如何打印出generator中的每一个元素?
法一:通过next()
函数获得generator的下一个返回值。
>>> next(g)
0
>>> next(g)
1
......
>>> next(g)
81
>>> next(g)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
# generator保存的是算法,每次调用next(g),就计算出g的下一个元素的值,
直到计算到最后一个元素,没有更多的元素时,抛出StopIteration的错误。
法二【合适的做法】: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 in g:
... print(n)
...
0
1
4
9
16
25
36
49
64
81
所以,我们创建了一个generator后,基本上永远不会调用next()
,而是通过for
循环来迭代它,并且不需要关心StopIteration
的错误。
创建generator方法②:用类似列表生成式的for
循环无法实现创建的时候,还可以用函数来实现。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函数,而是一个generator。
问题:写出斐波拉契Fibonacci数列:1, 1, 2, 3, 5, 8, 13, 21,……
def Fib(max):
n,a,b = 0,0,1
while n < max:
print(b)
a,b = b, a+b
n = n+1
return ‘done’
#对于赋值语句 a,b = b, a+b的解释
相当于:
t = (b,a+b)#t是一个tuple
a = t[0]
b = t[1]
但不必显式写出临时变量t就可以赋值。
定义得到的Fib()函数可以直接输出斐波那契数列的前N个值:
仔细观察,可以看出,Fib函数实际上是定义了斐波拉契数列的推算规则,可以从第一个元素开始,推算出后续任意的元素,这种逻辑其实非常类似generator。
也就是说,上面的函数和generator仅一步之遥。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’
此时,在交互界面输入Fib(6)将会得到:
注意:generator和函数的执行流程不一样!!!!
函数是顺序执行,遇到return
语句或者最后一行函数语句就返回。
对于变成generator的函数,在每次调用next()
的时候执行,遇到yield
语句返回(执行完yield语句),再次执行时从上次返回的yield
语句处继续执行。举例解释如下:
def odd():
print('step 1')
yield 1
print('step 2')
yield(3)
print('step 3')
yield(5)
#定义一个generator,依次返回数字1,3,5
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)
step 1
1
>>> next(o)
step 2
3
>>> next(o)
step 3
5
>>> next(o)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
可以看到,odd
不是普通函数,而是generator,在执行过程中,遇到yield
就中断,下次又继续执行。执行3次yield
后,已经没有yield
可以执行了,所以,第4次调用next(o)
就报错。
回到Fib
的例子,我们在循环过程中不断调用yield
,就会不断中断。当然要给循环设置一个条件来退出循环,不然就会产生一个无限数列出来。同样的,把函数改成generator后,我们基本上从来不会用next()
来获取下一个返回值,而是直接使用for
循环来迭代。
>>> for n in Fib(6):
... print(n)
...
1
1
2
3
5
8
但是,又发现用for
循环调用generator时,发现拿不到generator的return
语句的返回值。如果想要拿到返回值,必须捕获StopIteration
错误,返回值包含在StopIteration
的value
中:
>>> g = Fib(6)
>>> while True:
... try:
... x = next(g)
... print('g:', x)
... except StopIteration as e:
... print('Generator return value:', e.value)
... break
...
g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
Generator return value: done
迭代器
总结一下可直接作用于for循环的数据类型:
可直接作用于for循环的数据类型: | ||
1)、集合数据类型 | 如list、tuple、dict、set、str等 | 统称为可迭代对象Iterable |
2)、generator | 包括生成器和带yield的generator function |
可以使用isinstance()
判断一个对象是否是Iterable
对象:
而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,直到最后抛出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称为迭代器:Iterator
。
可以使用isinstance()
判断一个对象是否是Iterator
对象:
生成器都是Iterator
对象,但list
、dict
、str
虽然是Iterable
,却不是Iterator
。【why???】
这是因为Python的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()
函数实现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。
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。
问题:如何把list
、dict
、str
虽然是Iterable
等Iterable
变成是Iterator
?
Python的for
循环本质上就是通过不断调用next()
函数实现的,例如:
for x in [1, 2, 3, 4, 5]:
pass
实际上完全等价于:
# 首先获得Iterator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