切片、迭代、生成器：Python4 有哪些高级功能？

terry 2年前 (2023-09-25) 阅读数 43 #后端开发

切片：取指定索引范围的操作

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

取前三个元素
>>> L[0:3]
['Michael', 'Sarah', 'Tracy']
#L[0:3]表示，从索引0开始取，直到索引3为止，但不包括索引3。即索引0，1，2，正好是3个元素
#如果是0也可以省略.即L[:3]

Python支持L[-1]取倒数第一个元素，那么它同样支持倒数切片
>>> L[-2:]
['Bob', 'Jack']
>>> L[-2:-1]
['Bob']

切片操作非常有用。首先，让我们创建一个 0-99 的范围：

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

您可以通过剪切轻松删除给定的数字范围。例如，前10位：

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

后十位

>>>L[-10:]
[90, 91, 92, 93, 94, 95, 96, 97, 98, 99]

前11-20位：

>>>L[10:20]
[10, 11, 12, 13, 14, 15, 16, 17, 18, 19]

前10位，每两位取一位：

>>>L[:10:2]
[0, 2, 4, 6, 8]

对于所有数字，每一位取一位五：

>>>L[::5]
[0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]

反向输出字符串

>>>str = 'abcd'
>>>str2 = str[::-1]
>>>print(str2)
dcba

tuple也是列表的一种，唯一的区别是tuple是不可变的。因此，tuple也可以使用切片操作，但是操作的结果仍然是tuple：

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

字符串'xxx'也可以看成是一个列表，每个元素是一个字符。因此，字符串也可以使用分段操作，但操作的结果仍然是一个字符串：

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

###Iteration

如果给定了一个 list 或 tuple，我们可以通过 for 循环迭代该 list 或 tuple ，这种运动称为迭代。

在Python中，迭代是通过for...in进行的，这与Swift和OC中的for...in类似。

>>> d = {'a': 1, 'b': 2, 'c': 3}
>>> for key in d:
...        print(key)
...
a
b
c
#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，听写会重复该键。如果要重复该值，可以在 d.values() 中使用 for value。如果想同时迭代key和value，可以在d.items()中使用for k, v。

for k, v in d.items():
    print(k,v)

a ,1
b ,2
c ,3

由于字符串也是可迭代对象，所以它们也可以用在for循环中：

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

所以如果我们使用for循环，只要作用于可迭代对象，for循环就可以正常工作，但是我们也不太关心对象是列表还是其他数据类型。判断是否是可迭代对象

>>> 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

如果想在列表中实现类似Java的下标循环怎么办？ Python 内置的 enumerate 函数可以将列表转换为索引元素对，这样索引和元素本身就可以在 for 循环中同时迭代：

>>> for i, value in enumerate(['A', 'B', 'C']):
...  print(i, value)
...
0 A
1 B
2 C

###List Generation

List Generation 是列表推导式，这意味着 Python 有一个非常简单但功能强大的内置生成器，可用于创建列表。

要生成列表 [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]，可以使用 list(range(1, 11)):

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

要生成 [1x1, 2x2 , 3x3 , ..., 10x10]:

>>> [x * x for x in range(1, 11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

仅过滤掉偶数方块：

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

列表生成也可以使用两个变量来生成列表：

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

L = ['Hello', ' World', 18, 'Apple', None] 将所有字符串由 L 转换为小写，输出结果为：['hello', 'world', 'apple']

>>>[x.lower() for x in L if isinstance(x,str)]
['hello', 'world', 'apple']

###Generator

带列表了解了，我们可以直接列一个清单。但由于内存限制，列表容量肯定是有限的。此外，创建一个包含100万个元素的列表不仅会占用大量的存储空间，而且如果我们只需要访问前几个元素，那么后续大部分元素所占用的空间都会被浪费。那么如果列表元素可以根据某种算法计算出来，那么我们是否可以在循环过程中不断计算后续元素呢？这样就无需创建完整列表，从而节省了大量空间。在Python中，这种同时重复和计算的机制称为生成器：生成器。

1。创建生成器：将列表生成表达式的[]更改为()，创建生成器

>>> 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。

生成器。每次都会保存算法。调用next(g)计算g的下一个元素的值，直到计算完最后一个元素。如果没有更多元素，则滚动 StopIteration。的错误。但是当我们创建了生成器之后，我们基本上就不再调用next()，而是通过for循环进行迭代，我们不用担心没什么好担心的。在停止迭代。

二丶另一种定义生成器的方式。如果函数定义中包含关键字yield，则该函数不再是常规函数，而是生成器

#斐波拉契数列（Fibonacci）
def fib(max):
 n, a, b = 0, 0, 1 
   while n < max: 
     yield b
     a, b = b, a + b 
     n = n + 1 
  return 'done'

生成器，且函数的执行流程不同。函数按顺序执行，并在遇到 return 语句或最后一行函数语句时返回。每次调用 next() 时，都会执行成为 生成器 的函数。当遇到yield语句时，从上次重新执行返回。 yield在语句###Iterator

处继续执行，可以直接与for循环交互的数据类型如下：一种是集合数据类型，如list、tuple、dict 、集合、str 等；一类是生成器，包括生成器和具有效率的生成器函数。

这些可以直接在for循环中使用的对象统称为可迭代对象：Iterable。您可以使用 isinstance() 来确定对象是否是 Iterable 对象：

>>> from collections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance('abc', Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100, Iterable)
False

和 生成器 无法单独作用于 为 循环，也可以通过函数next()不断调用并返回下一个值，直到最后抛出StopIteration错误，表示无法返回下一个值。可以被函数 next() 调用并连续返回下一个值的对象称为迭代器：Iterator。您可以使用 isinstance() 来确定一个对象是否是 Iterator 对象：

>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False

生成器都是 Iterator 对象，但是 列表、 dict、str虽然是Iterable，但不是Iterator。将 list、dict、str 等Iterable 更改为迭代器可以使用iter ( )功能：

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

** 为什么list、dict、str等数据类型不是Iterator？ ** 这是因为Python的Iterator对象代表了一个数据流。 Iterator对象可以通过函数next()调用并不断返回后续数据。抛出错误 StopIteration，直到没有更多数据为止。这个数据流可以被认为是一个有序的序列，但是我们无法提前知道序列的长度。我们只能通过函数next()按需计算后面的数据，所以 Iterator 的计算是惰性的，只在需要返回后面数据时才计算。

迭代器甚至可以表示无限的数据流，就像所有自然数一样。使用 list 永远不可能存储所有自然数。

作者：coderdrrting
链接：https://juejin.im/post/5a31d77b6fb9a044fd11c5fb
来源：掘金
版权归作者所有。商业转载请联系作者获得许可。非商业转载请注明出处。