Python基础笔记5

814247614

• 　　切片
  　　(1)对这种经常取指定索引范围的操作，用循环十分繁琐，因此，Python提供了切片（Slice）操作符，能大大简化这种操作。
  　　对应上面的问题，取前3个元素，用一行代码就可以完成切片：
  

>>>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。
　　(2)如果第一个索引是0，还可以省略：
>>> L[:3]　　
['Michael', 'Sarah', 'Tracy']
　　(3)类似的，既然Python支持L[-1]取倒数第一个元素，那么它同样支持倒数切片，试试：
>>> L[-2:]　　
['Bob', 'Jack']
　　
>>> L[-2:-1]
　　
['Bob']
　　(4)前10个数，每两个取一个：
>>> L[:10:2]　　
[0, 2, 4, 6, 8]
　　(5)所有数，每5个取一个：
>>> L[::5]　　
[0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]
　　(6)甚至什么都不写，只写[:]就可以原样复制一个list：
>>> L[:]　　
[0, 1, 2, 3, ..., 99]
　　(7)tuple也是一种list，唯一区别是tuple不可变。因此，tuple也可以用切片操作，只是操作的结果仍是tuple：
>>> (0, 1, 2, 3, 4, 5)[:3]　　
(0, 1, 2)
　　(8)字符串'xxx'也可以看成是一种list，每个元素就是一个字符。因此，字符串也可以用切片操作，只是操作结果仍是字符串：
>>> 'ABCDEFG'[:3]　　
'ABC'
　　
>>> 'ABCDEFG'[::2]
　　
'ACEG'
　　2.迭代
　　(1)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）。
　　(2)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()。
　　(3)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)
　　(4)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([1,2,3], Iterable) # list是否可迭代
　　
True
　　
>>> isinstance(123, Iterable) # 整数是否可迭代
　　
False
　　(5)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)任何可迭代对象都可以作用于for循环，包括我们自定义的数据类型，只要符合迭代条件，就可以使用for循环。
　　3.列表生成式
　　(1)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。
　　(2)要生成[1x1, 2x2, 3x3, ..., 10x10]怎么做？方法一是循环.
　　列表生成式则可以用一行语句代替循环生成上面的list：
>>> [x * x for x in range(1, 11)]　　
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
　　(3)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]
　　(4)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']
　　(5)运用列表生成式，可以写出非常简洁的代码。例如，列出当前目录下的所有文件和目录名，可以通过一行代码实现：
>>> import os # 导入os模块，模块的概念后面讲到　　
>>> [d for d in os.listdir('.')] # os.listdir可以列出文件和目录
　　
['.emacs.d', '.ssh', '.Trash', 'Adlm', 'Applications', 'Desktop', 'Documents', 'Downloads', 'Library', 'Movies', 'Music', 'Pictures', 'Public', 'VirtualBox VMs', 'Workspace', 'XCode']
　　(6)for循环其实可以同时使用两个甚至多个变量，比如dict的items()可以同时迭代key和value：
>>> d = {'x': 'A', 'y': 'B', 'z': 'C' }　　
>>> for k, v in d.items():
　　
...     print(k, '=', v)
　　
...
　　
y = B
　　
x = A
　　
z = C
　　因此，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']
　　(7)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']
　　(8)如果list中既包含字符串，又包含整数，由于非字符串类型没有lower()方法，所以列表生成式会报错：
>>> L = ['Hello', 'World', 18, 'Apple', None]　　
>>> [s.lower() for s in L]
　　
Traceback (most recent call last):
　　
  File "", line 1, in
　　
  File "", line 1, in AttributeError: 'int' object has no attribute 'lower'
　　使用内建的isinstance函数可以判断一个变量是不是字符串
# -*- coding: utf-8 -*-　　

　　
L1 = ['Hello', 'World', 18, 'Apple', None]
　　
L2 = [ s.lower() for s in L1 if isinstance(s, str) ]
　　
print(L2)
　　结果如下：
['hello','world','apple']　　4.生成器
　　(1)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。
　　(2)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
　　

　　(3)怎么打印出generator的每一个元素呢？
　　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：
>>> next(g)　　
0
　　
>>> next(g)
　　
1
　　
>>> next(g)
　　
81
　　
>>> next(g)
　　
Traceback (most recent call last):
　　
  File "", line 1, in
　　
  StopIteration
　　计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。
　　(4)
　　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)
　　
...
　　(5)
　　如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。
　　比如，著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：
　　1, 1, 2, 3, 5, 8, 13, 21, 34, ...
　　斐波拉契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易：
def fib(max):　　
    n, a, b = 0, 0, 1
　　
    while n < max:
　　
        print(b)
　　
        a, b = b, a + b
　　
        n = n + 1
　　
    return 'done'
　　注意，赋值语句：
a, b = b, a + b　　相当于：
t = (b, a + b) # t是一个tuplea = t[0]b = t[1]　　但不必显式写出临时变量t就可以赋值。
　　上面的函数可以输出斐波那契数列的前N个数：
>>> fib(6)112358'done'　　仔细观察，可以看出，fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。
　　也就是说，上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print(b)改为yield b就可以了：
def fib(max):　　
    n, a, b = 0, 0, 1
　　
    while n < max:        yield b
　　
        a, b = b, a + b
　　
        n = n + 1
　　
    return 'done'
　　这就是定义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：
>>> f = fib(6)　　
>>> f
　　

　　(6)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。
　　(7)但是用for循环调用generator时，发现拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中：
>>> g = fib(6)　　
>>> while True:
　　
...     try:
　　
...         x = next(g)
　　
...         print('g:', x)
　　
...     except StopIteration as e:
　　
...         print('Generator return value:', e.value)
　　
...         break
　　
...
　　
g: 1
　　
g: 1
　　
g: 2
　　
g: 3
　　
g: 5
　　
g: 8
　　
Generator return value: done
　　(8)实例
　　杨辉三角定义如下：
          1　　
        1   1
　　
      1   2   1
　　
    1   3   3   1
　　
  1   4   6   4   1
　　
1   5   10  10  5   1
　　把每一行看做一个list，试写一个generator，不断输出下一行的list：
# -*- coding: utf-8 -*-　　

　　
def triangles():
　　
    L=[1]
　　
    yield L
　　
    L.append(1)
　　
    yield L
　　
    while True:
　　
        index1=0
　　
        index2=1
　　
        index=len(L)-1
　　
        L1=[1,1]
　　
        while index2>> r = abs(6)　　
>>> r
　　
6
　　generator函数的“调用”实际返回一个generator对象：
>>> g = fib(6)　　
>>> g
　　

　　5.迭代器
　　(1)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。
　　(2)可以使用isinstance()判断一个对象是否是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
　　(3)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((x for x in range(10)), Iterator)
　　
True
　　
>>> isinstance([], Iterator)
　　
False
　　
>>> isinstance({}, Iterator)
　　
False
　　
>>> isinstance('abc', Iterator)
　　
False
　　(4)
　　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
　　(5)
　　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。