首页 > 代码库 > Python基础学习总结(四)

Python基础学习总结(四)

6.高阶特性

6.1迭代

  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)。在Python中,迭代是通过for ... in来完成的。

  因为dict的存储不是按照list的方式顺序排列,所以,迭代出的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,因此,也可以作用于for循环:

>>> for ch in ‘ABC‘:

...     print(ch)

...

A

B

C

  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

  如果要对list实现类似Java那样的下标循环怎么办?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:

>>> for i, value in enumerate([‘A‘, ‘B‘, ‘C‘]):

...     print(i, value)

...

0 A

1 B

2 C

6.2列表推导

  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。

  要生成list [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]可以用list(range(1, 11))。

  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,多写几次,很快就可以熟悉这种语法。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:

>>> [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‘, ‘BZ‘, ‘CX‘, ‘CY‘, ‘CZ‘]

  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中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‘]

6.3生成器表达式

  如果列表元素可以按照某种算法推算出来,可以在循环的过程中不断推算出后续的元素,在Python中,这种一边循环一边计算的机制,称为生成器:generator。

  要创建一个generator,有很多种方法。第一种方法很简单,只要把一个列表生成式的[]改成(),就创建了一个generator:

>>> 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。如果要一个一个打印出来,可以通过next()函数获得generator的下一个返回值。我们讲过,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。

>>> 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

  正确的方法是使用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

  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:

def fib(max):

    n, a, b = 0, 0, 1

    while n < max:

        yield b

        a, b = b, a + b

        n = n + 1

    return ‘done‘

6.4元组拆包

  我们把元组 (‘Tokyo‘, 2003, 32450, 0.66, 8014) 里的元素分别赋值 给变量 city、year、pop、chg 和 area,而这所有的赋值我们只用一行声明就写完了。 同样,在后面一行中,一个 % 运算符就把 passport 元组里的元素对应到了 print 函数 的格式字符串空档中。这两个都是对元组拆包的应用。

  最好辨认的元组拆包形式就是平行赋值,也就是说把一个可迭代对象里的元素,一并赋 值到由对应的变量组成的元组中。

  平行赋值:

>>> lax_coordinates = (33.9425, -118.408056)

>>> latitude, longitude = lax_coordinates # 元组拆包

>>> latitude

33.9425

>>> longitude

-118.408056

  以用 * 运算符把一个可迭代对象拆开作为函数的参数:

>>> divmod(20, 8) (2, 4)

>>> t = (20, 8)

>>> divmod(*t)

(2, 4)

>>> quotient, remainder = divmod(*t)

>>> quotient, remainder

(2, 4)

  这里元组拆包的用法则是让一个函数可以用元组的形式返回多个值, 然后调用函数的代码就能轻松地接受这些返回值。比如 os.path.split() 函数就会返回 以路径和最后一个文件名组成的元组 (path, last_part):

>>> import os

>>> _, filename = os.path.split(‘/home/luciano/.ssh/idrsa.pub‘)

>>> filename

‘idrsa.pub’

  在 Python 中,函数用 *args 来获取不确定数量的参数算是一种经典写法了。

  Python 3 里,这个概念被扩展到了平行赋值中:

>>> a, b, *rest = range(5)

 >>> a, b, rest

(0, 1, [2, 3, 4])

>>> a, b, *rest = range(3)

>>> a, b, rest

(0, 1, [2])

>>> a, b, *rest = range(2)

>>> a, b, rest

 (0, 1, [])

  在平行赋值中,* 前缀只能用在一个变量名前面,但是这个变量可以出现在赋值表达式的任意位置:

>>> a, *body, c, d = range(5)

>>> a, body, c, d

(0, [1, 2], 3, 4)

>>> *head, b, c, d = range(5)

>>> head, b, c, d

([0, 1], 2, 3, 4)

Python基础学习总结(四)