廖雪峰Python教程阅读笔记——3. 高级特性

3 高级特性

3.1 切片

切片使用方法list[start,end,step]

• start:起始位置

• end:终止位置，但不包括end下标的值

• step:步进

取一个list或tuple的部分元素是常见的现象，比如，一个list如下：

>>>L=['Mac','Iphone','Nokia','Huawei','OPPO']

取前三个数：

>>>L[0:3]

['Mac', 'Iphone', 'Nokia']

上述就是切片操作，L[0:3]表示从索引0开始，直到索引3结束，但不包含索引3位置的值。

当索引为0时，可以省略L[:3]

列出所有的值：L[:]

既然索引可以从-1开始，类似，取倒数的值也是可以的：

>>> L[-3:-1]

['Nokia', 'Huawei']

记住：倒数第一个数的索引是-1

tuple也是一种list,也可以使用切片，操作的结果也是个tuple

3.2 迭代

如果给定一个list或tuple，我们可以通过for循环遍历这个list或tuple，这种遍历我们称之为迭代（Iteration）。

在Python中，迭代是通过for...in...来完成的。list虽然这种类型有下标，但是也有很多数据类型没有下标，比如dict，但是只要是可迭代对象，无论有无下标，都可以迭代。

那么，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(222,Iterable)  #整数不可迭代

False

如果要对list实现类似java那样的下标循环，可以使用enumerate函数，把list变成索引-元素对。这样就可以使用for循环中同时迭代索引和元素本身：

>>>for i,value in enumerate(['Mac','Iphone','Nokia','Huawei','OPPO']):

... print(i,value)

0 Mac

1 Iphone

2 Nokia

3 Huawei

4 OPPO

上面的for循环，可以同时引用两个变量，在Python中是很常见的：

>>>for x,y in [(1,'a'),(2,'b'),(3,'c')]:

...print(x,y)

...

1 'a'

2 'b'

3 'c'

3.3 列表生成式

列表生成式即List Comprehensions，是Python内置的非常简单但强大的可以创建List的生成式。

举例：要生成list [1,2,3,4,5,6,7,8]，可以使用list(range(1,8))

>>> list(range(1,8))

[1, 2, 3, 4, 5, 6, 7]

但是要生成[1x1,2x2,3x3,…,7x7]，则需要for循环实现：

>>> L=[]

>>> L

[]

>>> for x in range(1,8): L.append(x*x)

...

>>> L

[1, 4, 9, 16, 25, 36, 49]

但是如此，代码比较繁琐。因此Python引入了列表生成式：

>>> [x*x for x in range(1,8)]

[1, 4, 9, 16, 25, 36, 49]

只需要一行代码，就可以实现。写列表生成式时，x*x要写在前面，后面跟for循环，就可以把列表创建出来。for循环后面还可以跟if判断，这样就可以筛选list：

>>> [x*x for x in range(1,8) if x%2==0]

[4, 16, 36]

3.4 生成器

通过列表生成器，我们可以直接创建一个列表。但是，收到内存限制，列表容量是有限的。而且，创建一个包含100万个元素的数据，不仅占用内存很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面的元素占用的空间都白白浪费了。

如果列表元素可以按照某种算法计算出来，一边循环一边计算，在Python中，我们称之为生成器：gererator。

generator:

>>> L=[x*x for x in range(1,10)]

>>> L

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

>>> g=(x*x for x in range(1,10))

>>> g

<generator object <genexpr> at 0x000001A73F646E60>

>>> next(g)

1

>>> next(g)

4

我们可以通过next(g)获取generator的下一个返回值。直到计算最后一个元素的值，如果没有更多的元素，会报StopIteration的错误。当我们创建一个generator后，一般不用next()函数计算下一个元素的值，而是用for循环。

斐波那契数列（Fibonacci），很难用generator生成器生成出来：

def fib(max):

    n,a,b = 0,0,1

    while n<=max:

        print(b)

        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的前N个数。可以看到，上面的函数跟generator很接近了。如果要把该函数改造成generator，只需要将print(b)替换成yield b:

def fib(max):

    n,a,b = 0,0,1

    while n<=max:

        yield b

        a,b = b,a+b

        n = n + 1

    return 'done'

关键字yield:首先理解一下generator函数执行过程，该过程跟函数的执行流程不一样，函数的执行顺序，遇到return语句或者最后一行语句就返回。而generator的函数，在每次调用next()函数的时候执行，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。

3.5迭代器

可直接作用于for循环的有两大类：

• 集合类数据类型，如list、tuple、dict、set、str等

• 生成器（generator）

可迭代对象（Iterable）：可以从其获取到一个迭代器的任一对象，直接作用于for循环的对象统称为可迭代对象。可以使用isinstance(object, classinfo)判断一个对象是否为Interable对象，比如：isinstance(list('abcde'), Interable)

迭代器（Iterator）：迭代器是那些允许你迭代可迭代对象的对象。可以被next()函数调用不断返回下一个值的对象成为迭代器，可以使用isinstance()判断一个对象是否为Iterator对象，比如：isinstance((x for x in range(10)), Iterator)
注：与Iterable的区别。

生成器（generator）都是Iterator对象，但list、dict、str虽然是Iterable，但是可以使用Iter()函数将Iterable转换为Iterator。

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

True

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

True

>>>

list、tuple、dict不是Iterator，是因为Python中，Iterator是一个数据流，Iterator对象可以被next()函数调用并返回下一个值，直到没有数据时，才会抛出StopIteration。可以把这个数据流看成是一个有序序列，但我们无法直到序列的长度，只能通过不断的next()函数实现按需计算下一个值，所以Iterator`的计算是惰性的。只需要在返回下一个元素的时候，才会计算。

Iterator可以是一个强大的数据流，比如：自然数。而list是永远不可能存储自然数的。

• 小结：

  • 凡是可以作用于for循环的都是Iterable对象。

  • 凡是可以使用next()函数的都是Iterator类型，它表示一个惰性计算的序列。

  • 集合数据类型如list、tuple、dict、set、str是Iterable的，不过可以通过Iter()函数转换为Iterator对象。