• 切片

对于从一个列表中取部分元素,一个笨办法是通过下标来取值,如果范围比较大则使用循环语句。然而对这种经常取指定索引范围的操作用循环十分繁琐,为了简化Python提供了切片(Slice)操作。具体使用如下:

L=list(range(100)    #一个0~99的列表
L[0:10]    #取前十个数
L[:10]    #如果索引是0可以省略不写
L[-10:]    #取后十个数
L[:10:2]    #前十个数每两个取一个数
L[::5]    #所有数每五个取一个数
L[::-1]    #所有数反向每一个取一个数
#第三个数为负时表示反向切片

切片操作中第一个索引缺省为0,第二个索引缺省为列表长度,因此[:]表示取列表中所有元素;第三个值则表示每多少各元素取一个元素。反向切片时第一个索引值应大于第二个索引值,或第一个索引值不写缺省为列表末尾,否则切片结果为空。

元组tuple也是一种list,只不过元组是不可变的,因此元组也可以使用切片操作,切片的结果仍是元组;字符串也可以看作是一种list,因此字符串也可以使用切片操作,操作的结果仍是字符串,类似于c/c++、java等提供的字符串截取函数。

  • 迭代

通过for循环来遍历一个对象称为迭代,在Python中迭代通过for ... in来完成。

L=list(range(10))
for i in L:
    print(i)

相比于c/c++、java的for循环,Python的for循环抽象程度更高,因为Python的for循环不仅可以用在列表或元组上,还可以用在其他所有可迭代对象上,如字典、字符串等。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()

另外,可通过collections模块的Iterable类型判断一个对象是否是可迭代对象:

from collections import Iterable
isinstance('abc',Iterable)    #True  字符串可迭代
isinstance([1,2,3],Iterable)    #True  列表可迭代
isinstance(123,Iterable)    #False  整数、浮点数不可迭代

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([1,2,3]):
    print(i,value)
  • 列表生成式

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。列表生成式可以用一行语句来创建一个list:

L=[x*x for x in range(1,11)] #for循环
L=[x*x for x in range(1,11) if x % 2 == 0]  #加上if判断
L=[m+n for m in 'ABC' for n in 'XYZ']  #多层循环
d={'x':'A','y':'B','z':'C'}
L=[k + '=' + v for k,v in d.items()]  #多个变量

for循环后面可以加上if判断,也可以使用多层循环、多个变量,运用列表生成式,可以写出非常简洁的代码。

  • 生成器

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。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

要创建一个generator主要有两种方法。第一种方法很简单,只要把一个列表生成式的[]改成()即可:

L=[x*x for x in range(10)]  #列表生成式
g=(x*x for x in range(10))  #生成器

如果要一个一个的获取generator的值,可以使用next()函数。generator中保存的是算法,每次调用next(),就计算出生成中下一个元素的值,直到计算到最后一个元素,没有更多的元素时抛出StopIteration错误。

当然,上面这种不断调用next()函数的方式太繁琐了,正确的方法是使用for循环,因为generator也是可迭代对象。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的第二种方法是定义包含yield关键字的函数,该函数成为一个generator。如:

def fib(max):
    n,a,b=0,0,1
    while n<max:
        yield b
        a,b=b,a+b
        n=n+1
    return 'done'

generator和普通函数的执行流程是不一样的:函数是顺序执行的,遇到return语句或最后一行语句就返回;而编程generator的函数,在每次调用next()或每一次循环的时候执行,遇到yield返回,再次执行时从上次返回的yield处继续执行。

在使用for循环调用generator时,是获取不到generator的return返回值的,若要获取返回值,需要捕获StopIteration错误,返回值包含在StopIterationvalue中:

g=fib(6)
while True:
    try:
        x=next(g)
        print('g',x)
    except StopIteration as e:
        print('Generator return value:',e.value)
        break

以下为使用生成器的一个例子,使用生成器构造杨辉三角:

def triangles():
    L=[1]
    while True:
        yield L
        L=L+[0]
        L=[1]+[L[i]+L[i+1] for i in range(len(L)-1)]
n=0
results=[]
for t in triangles():
    print(t)
    results.append(t)
    n+=1
    if n==10:
        break
if results==[
    [1],
    [1, 1],
    [1, 2, 1],
    [1, 3, 3, 1],
    [1, 4, 6, 4, 1],
    [1, 5, 10, 10, 5, 1],
    [1, 6, 15, 20, 15, 6, 1],
    [1, 7, 21, 35, 35, 21, 7, 1],
    [1, 8, 28, 56, 70, 56, 28, 8, 1],
    [1, 9, 36, 84, 126, 126, 84, 36, 9, 1]
    ]:
    print('true')
else:
    print('false')

在以上例子中,若在triangles()函数中将L=L+[0]改为L+=[0],那么最终将输出falseresults中的前9个列表都将加上一个元素0,这是因为在Python中列表时可变对象,+=直接扩充原列表不会改变原列表的地址,而+会创建出一个新的列表。

  • 迭代器

我们已经知道,可以直接作用于for循环的数据类型有以下几种:

一类是集合数据类型,如list、tuple、dict、set、str等;

一类是generator,包括生成器和带yield的generator function。

这些可以直接作用于for循环的对象统称为可迭代对象:Iterable。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:

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

生成器都是Iterator对象,但list、dict、str虽然是Iterable,却不是Iterator。把list、dict、str等Iterable变成Iterator可以使用iter()函数:

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

那么为什么list、dict、str等数据类型不是Iterator?

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。