1.切片:(名字起得牛逼一点而已)
l = [1,2,3,4,5]
print(l[2:4]) #输出l中从下标2到小标4的数据
2.迭代:
d = {'a': 1, 'b': 2, 'c': 3}
for key in d:
print(key)
当我们使用
for
循环时,只要作用于一个可迭代对象,for
循环就可以正常运行,而我们不太关心该对象究竟是list还是其他数据类型。
(1)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:
>>> from collections import Iterable
>>> isinstance('abc', Iterable) # str是否可迭代
True
>>> isinstance([1,2,3], Iterable) # list是否可迭代
True
>>> isinstance(123, Iterable) # 整数是否可迭代
False
(2)可以在
for
循环中同时迭代索引和元素本身:
>>> for i, value in enumerate(['A', 'B', 'C']):... print(i, value)...0 A1 B2 C
3.列表生成式:可以使得很多代码在一行中完成
>>> [x * x for x in range(1, 11)][1, 4, 9, 16, 25, 36, 49, 64, 81, 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', 'BZ', 'CX', 'CY', 'CZ']
一行代码列出当前文件夹中的文件:print([d for d in os.listdir('.')]
4.生成器(generator)
当创建一个巨大的list时,不必创建完整的list,在Python中这种一边循环一边计算的机制节省大量的空间。
(1)
>>> 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>创建L和g的区别仅在于最外层的[]和(),L是一个list,而g是一个generator。
(2)
通过next()函数获得generator的下一个返回值: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。
当然为了方便使用for循环读取g的每个元素:>>> for n in g:print(n)(3)
def fib(max):
n, a, b = 0, 0, 1
while n < max:
print(b)
a, b = b, a + b
n = n + 1
return 'done'
以上是一个计算斐波那契数列的函数,其实这个函数是定义了斐波那契数列的算法,于是可以将其转化为generator。只需要将函数中的print(b) 换为 yield b即可。
def fib(max):n, a, b = 0, 0, 1while n < max:yield ba, b = b, a + bn = n + 1return '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函数,而是一个generator。
generator,在执行过程中,遇到yield就中断,下次执行next()又在中断处往后继续执行。使用for循环调用拿不到return语句,若想拿return必须捕获StopIteration错误.
>>> g = fib(6)>>> while True:... try:... x = next(g)... print('g:', x)... except StopIteration as e:... print('Generator return value:', e.value)... break...g: 1g: 1g: 2g: 3g: 5g: 8Generator return value: done
5.迭代器:可以直接使用for进行循环的是Iterable,能使用next()是Iterator。
为啥使用iter()将list转换为Iterator后得到的type是list_iterator,而且不能使用next()?
详细参考点击打开链接