python(四)上:列表生成式、生成器、迭代器和内置函数
2016-08-19 17:35
726 查看
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 <generator object <genexpr> 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 "<stdin>", line 1, in <module> 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 <generator object fib at 0x104feaaa0>
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 lambda:就能进行简单的三元运算等。lambda还可以和谁结合着用?
filter、map、reduce 方法
filter(function_or_None,iterable) :一组数据里面过滤出符合条件的,返回迭代器
map(func,*iterables) :对你传入的每个值进行处理,返回迭代器
functools.reduce(function,sequence,initial=None)
# 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*2, range(10)) # res = [i*2 for i in range(10)] # res = [ lambda i:i*2 for i in range(10)] for i in res: print(i)
reduce函数(python3中不属于内置函数)是一个二元操作函数,他用来将一个数据集合(链表,元组等)中的所有数据进行下列操作:用传给reduce中的函数 func()(必须是一个二元操作函数)先对集合中的第1,2个数据进行操作,得到的结果再与第三个数据用func()函数运算,最后得到一个结果。
from functools import reduce # 普通函数实现 def myadd(x,y): return x+y res = reduce(myadd, range(10)) print(res) # 匿名函数实现 res = reduce(lambda x,y:x+y, range(10)) print(res) # 这种方式用lambda表示当做参数,因为没有提供reduce的第三个参数, # 所以第一次执行时x=1,y=2,第二次x=1+2,y=3,即列表的第三个元素
>>> abs(-1) # abs 绝对值 1 max 最大值 min 最小值 sum 求和 >>> divmod(7,3) # divmod 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
转载请务必保留此出处:http://blog.csdn.net/fgf00/article/details/52253016
相关文章推荐
- Python高级特性(切片,迭代,列表生成式、生成器、迭代器)
- Python3中的列表生成式、生成器与迭代器实例详解
- python 列表生成式、生成器、迭代器、yield
- python的高级特性:切片,迭代,列表生成式,生成器,迭代器
- python3 列表生成式、生成器、迭代器
- Python高级特性(切片,迭代,列表生成式,生成器,迭代器)
- python学习 生成器 列表生成式 迭代器
- 【Python】[高级特性]切片,迭代,列表生成式,生成器,迭代器
- Python高级特性(切片 迭代 列表生成式 生成器 迭代器)学习笔记
- Python day5:列表生成式,生成器,迭代器
- 初学Python——列表生成式、生成器和迭代器
- python迭代器和生成器(3元运算,列表生成式,生成器表达式,生成器函数)
- Python之列表生成式、生成器、可迭代对象与迭代器
- Python笔记-列表生成式、生成器generator(包括斐波拉契数列)、迭代器Iterator
- Python(八)切片、迭代、列表生成式、生成器
- Python学习笔记(六)Python的列表生成式、生成器
- Python中的列表生成式与生成器学习教程
- 2016.4.10Python列表生成式及生成器generator
- 举例讲解Python中的迭代器、生成器与列表解析用法
- 零基础学python-19.8 生成器表达式:当迭代器遇上列表解析