python高级特性简介

    Python中的五种特性:切片,迭代,列表生成式,生成器,迭代器。

    切片

    切片就相当于其他语言中的截断函数,取部分指定元素用的。

    
    L = list(range(100))
    
    #利用切片取部分元素
    print(L[0:10]) #取从索引从0到9的前10个元素
    print(L[-10:]) #取最后10个元素
    print(L[10:20])#取从索引10到19的10个元素
    print(L[:10:2])#从前10个元素中每两个取一个元素
    print(L[::10]) #所有元素中每10个取一个元素 

    运行结果:

    取从索引从0到9的前10个元素: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
    取最后10个元素: [90, 91, 92, 93, 94, 95, 96, 97, 98, 99]
    取从索引10到19的10个元素: [10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
    从前10个元素中每两个取一个元素: [0, 2, 4, 6, 8]
    所有元素中每10个取一个元素: [0, 10, 20, 30, 40, 50, 60, 70, 80, 90]

    迭代(Iteration)

    迭代,即遍历。使用for循环的时候,只要是作用于一个可迭代对象,for循环就能正常运行。

    判断一个对象是够是可迭代对象:

    
    from collections import Iterable
    
    print('字符串 is Iterable ?',isinstance('abc',Iterable))
    print('list is Iterable ?',isinstance([1,2,3],Iterable))
    print('整数 is Iterable ?',isinstance(123,Iterable))

    运行结果:

    字符串 is Iterable ? True
    list is Iterable ? True
    整数 is Iterable ? False

    遍历可迭代对象的几种方法:

    
    #遍历字符串:
    for ch in 'abc':
      print(ch)
    
    #遍历list
    L = ['A','B','C']
    for tmp in L:
      print(tmp)
    
    for i,value in enumerate(L):
      print(i,':',value)
    
    #遍历dict
    d = {'1':'111','2':'222','3':'333'}
    for key,v in d.items():
      print('key:',key,'value:',v)

    列表生成式

    常见的list生成方式:

    
    list(range(1, 11))

    然而通过python内置的列表生成式,你可以换不同的姿势生成list,你可以这样:

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

    这样:

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

    还可以这样:

    
    [m + n for m in 'ABC' for n in 'XYZ']
    
    ['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']

    是不是很涨姿势? 哈哈~

    生成器(generator)

    通过上面的列表生成式,我们可以直接创建一个列表。但是受内存限制,列表容量肯定是有限的。所以,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过程中不断推算出后续的元素呢?这样讲就不必创建完整的list,从而节省大量空间。在Python中,这种一边循环一边计算的机制,成为生成器:generator.

    创建一个生成器最简单的方法: 把list的[]改成()

    
    L = [x * x for x in range(1,10)]
    print(L)
    
    g = (x * x for x in range(1,10))
    print(g)
    
    //运行结果:
    [1, 4, 9, 16, 25, 36, 49, 64, 81]
    <generator object <genexpr> at 0x10cc14938>

    而且,generator也是可迭代对象,可以通过for来遍历。

    定义generator的另一种方法:

    
    def fib(max):
      n,a,b = 0,0,1
      while n < max:
        yield b
        a,b = b, a+b
        n = n + 1
      return 'done' 
    
    print(fib(6))

    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。最难理解的就是generator和函数的执行流程不一样。函数是顺序执行,遇到return语句或者最后一行函数语句就返回。而变成generator的函数,在每次调用next()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。

    迭代器(Iterator)

    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
    print('list is Iterator ?',isinstance([], Iterator))
    print('dict is Iterator ?',isinstance({}, Iterator))
    print('string is Iterator ?',isinstance('123', Iterator))
    
    //运行结果:
    list is Iterator ? False
    dict is Iterator ? False
    string is Iterator ? False

    以上就是python高级特性简介的详细内容,更多关于python高级特性的资料请关注lingkb其它相关文章!