频道栏目
首页 > 程序开发 > Web开发 > Python > 正文
python(四)上:列表生成式、生成器、迭代器和内置函数
2016-10-06 09:17:00         来源:人生就是一场修行  
收藏   我要投稿

目录

列表生成式
生成器
迭代器
内置函数

一、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。
举个例子,要生成list [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]可以用list(range(1, 11)):

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

但如果要生成[1x1, 2x2, 3x3, …, 10x10]怎么做?方法一是循环:

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

但是循环太繁琐,而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]

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']

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']

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']

最后列表生成器结合函数。

>>> def func(num):
...     print(num)
...
>>> [func(i) for i in range(3)]
0
1
2
[None, None, None]

二、生成器

通过列表生成式,可以创建一个列表。但是,受到内存限制,列表容量肯定是有限的。而且,创建一个包含100万个元素的列表,不仅占用很大的存储空间,如果我们仅仅需要访问前面几个元素,那后面绝大多数元素占用的空间都白白浪费了。

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。

第一种方法,只要把一个列表生成式的[]改成()

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
 at 0x1022ef630>

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)
4
……
>>> next(g)
64
>>> next(g)
81
>>> next(g)
Traceback (most recent call last):
  File "", line 1, in 
StopIteration

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。

当然,上面这种不断调用next(g)实在是太变态了,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)
第二种方法,函数实现

generator非常强大。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
# 错误以为,等同于一下:
# a = b
# b = a + b

其实,等同于:

t = (b, a + b)  # t是一个tuple
a = 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(5)
1
1
2
3
5
done

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。
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:
        #print(b)
        yield  b
        a,b = b,a+b

        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

这里,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。
同样的,把函数改成generator后,我们基本上从来不会用next()来获取下一个返回值,而是直接使用for循环来迭代:
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

还可通过yield实现在单线程的情况下实现并发运算的效果 

import time
def consumer(name):  # 消费者
    print("%s 准备吃包子啦!" %name)
    while True:
        baozi = yield
        print("包子【%s】来了,被【%s】吃了!" %(baozi, name))

def producer():   # 生产者
    c = consumer('A')
    c2 = consumer('B')

    c.__next__()
    next(c2)

    print("开始做包子了!")
    for i in ["韭菜馅","茴香馅","鸡蛋馅","猪肉馅"]:
        time.sleep(1.5)
        print("做了两个个包子")
        c.send(i)       #------------------------
        c2.send(i)      # .send(i):给yield发送值

producer()
小结

生成式:一边循环一边计算,调用的时候才生成,只有在调用时才回生成相应的数据。只记录当前位置,只有一个next方法。(next和 next) 取值:使用for 循环
c.next()这个方法,超出值后抛出异常为返回值。)循环不会。 .send():给yield发送值 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。

三、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:
>>> 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

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((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
你可能会问,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。
python版本:
3.x:range() 是迭代器
2.x:range() 是列表,xrange()是迭代器
小结

凡是可作用于for循环的对象都是Iterable类型; 凡是可作用于next()函数的对象都是Iterator类型,它们表示一个惰性计算的序列;
所以生成器一定是迭代器。 集合数据类型如list、dict、str等是Iterable但不是Iterator,不过可以通过iter()函数获得一个Iterator对象。

四、内置函数

官网说明文档:https://docs.python.org/3/library/functions.html

匿名函数就能进行简单的三元运算等 lambda

filter()  一组数据过滤出你想要的来
res = filter(lambda n:n>5,range(10))
for i in res :
    print(i)
map()  对传入的每个值进行处理返回一个列表
res = map(lambda n:n*n, range(10))
for i in res:
    print(i)

import functools
res = functools.reduce(lambda )
>>> abs(-1)          # abs 绝对值
1
max 最大值    min 最小值    sum 求和 
>>> pmod(7,3)      # pmod 商除
(2, 1)
>>> pow(2,8)         # pow 2的8次方
256
>>> round(1.3342, 2) # round 精确小数点
1.33
>>> a = frozenset(set([1,2,2,6,6]))
>>> a                # frozenset 把集合变成只读集合
frozenset({1, 2, 6})
>>> hash("fgf")      # hash 得到hash值
-3999898619896197237
>>> all([-5, 0, 3])  # all 全真则真
False
>>> any([-5, 0, 3])  # any 一真则真
True
>>>next()            # 取下一个值
>>> a = {}
>>> dir(a)           # dir 查看可用方法
['__class__', '__contains__', '__delattr__', '__delitem__', '__dir__', '__doc__'
>>> id(a)            # id 返回内存地址
2243411483112
>>> bin(8)           # bin 十进制转二进制
'0b1000'  
>>> hex(200)         # hex  把十进制转成16进制
'0xc8'
>>> oct(10)          # oct 把十进制转成8进制
'0o12'
>>> bool(0)          # bool 布尔值
False
>>> a = [1,3,4,6]
>>> b = reversed(a)  # reversed 反转为一个迭代器
>>> next(b)
6
>>> next(b)
4
>>> a = {6:2, 8:0, 1:4, -5:5, 99:11} # sorted 排序
>>> print(sorted(a.items()))
[(-5, 5), (1, 4), (6, 2), (8, 0), (99, 11)]

                     # bytearray 通过assic码更改变量
>>> b=bytearray("abcd",encoding='utf-8')
>>> print(b[0])
97
>>> b[0]=50
>>> print(b)
bytearray(b'2bcd')

>>> def a():
...     pass
>>> callable(a)     # callable 判断可不可以加括号
True

>>> chr(97)         # chr 返回数字assic的表对应的值
'a'
>>> ord('d')        # ord 返回值的assic对应数字
100
>>> exec("print('hello')")  
hello               # exec 执行字符串
>>> dict = eval("{'a':1,'b':2}")
>>> dict            # eval 将字符串转为字典
{'b': 2, 'a': 1}

zip  拉链
a = [1,2,3,4]
b = ["a",'b',"c"]
for i in zip(a,b):
    print(i)

__import__('deco')  # 导入字符串类型模块名

print(globals())    # 返回全局变量所有的key-values模式
globals().get(a)
locals()
classmethod()       # 类方法
getattr
delattr 面向对象之后讲
点击复制链接 与好友分享!回本站首页
上一篇:python socket编程
下一篇:Python实现属于自己的公交地铁线路图
相关文章
图文推荐
点击排行

关于我们 | 联系我们 | 广告服务 | 投资合作 | 版权申明 | 在线帮助 | 网站地图 | 作品发布 | Vip技术培训 | 举报中心

版权所有: 红黑联盟--致力于做实用的IT技术学习网站