1.切片
L[0:3]表示，從索引0開始取，直到索引3為止，但不包括索引3，即索引0，1，2，正好是3個元素，
如果第一個索引是0，還可以省略：
>>> L =['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']
>>> L[:3] ['Michael', 'Sarah', 'Tracy']
也可以從索引1開始，取出2個元素出來：
>>> L[1:3]
['Sarah', 'Tracy']
類似的，既然Python支持L[-1]取倒數第一個元素，那么它同樣支持倒數切片，
>>> L[-2:]
['Bob', 'Jack']
>>> L[-2:-1]
['Bob']
記住倒數第一個元素的索引是-1，
切片操作十分有用，我們先創建一個0-99的數列：
>>> L = list(range(100))
[0, 1, 2, 3, ..., 99]
可以通過切片輕松取出某一段數列，比如前10個數：
>>> L[:10]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
前10個數，每兩個取一個：
>>> L[:10:2]
[0, 2, 4, 6, 8]
所有數，每5個取一個：
>>> L[::5]
[0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]
甚至什么都不寫，只寫[:]就可以原樣復制一個list：
>>> L[:]
[0, 1, 2, 3, ..., 99]
tuple也是一種list，唯一區別是tuple不可變，因此，tuple也可以用切片操作，只是操作的結果仍是tuple：
>>> (0, 1, 2, 3, 4, 5)[:3]
(0, 1, 2)
字串'xxx'也可以看成是一種list，每個元素就是一個字符，因此，字串也可以用切片操作，只是操作結果仍是字串：
>>> 'ABCDEFG'[:3]
'ABC'
在很多編程語言中，針對字串提供了很多各種截取函式（例如，substring），其實目的就是對字串切片，Python沒有針對字串的截取函式，只需要切片一個操作就可以完成，非常簡單，
S = "abcdefg"
print(S[:2]) # ab
print(S[::2]) # aceg
print(S[::3]) # adg
2.迭代
如果給定一個list或tuple，我們可以通過for回圈來遍歷這個list或tuple，這種遍歷我們稱為迭代（Iteration），
在Python中，迭代是通過for ... in來完成的，而很多語言比如C或者Java，迭代list是通過下標完成的，Python的for回圈抽象程度要高于Java的for回圈，因為Python的for回圈不僅可以用在list或tuple上，還可以作用在其他可迭代物件上，
list這種資料型別雖然有下標，但很多其他資料型別是沒有下標的，但是，只要是可迭代物件，無論有無下標，都可以迭代，比如dict就可以迭代：
>>> d = {'a': 1, 'b': 2, 'c': 3}
>>> for key in d:
... print(key)
a
c
b
因為dict的存盤不是按照list的方式順序排列，所以，迭代出的結果順序很可能不一樣，
默認情況下，dict迭代的是key，如果要迭代value，可以用for value in d.values()，如果要同時迭代key和value，可以用for k, v in d.items()，
由于字串也是可迭代物件，因此，也可以作用于for回圈：
>>> for ch in 'ABC':
... print(ch)
...
A
B
C
所以，當我們使用for回圈時，只要作用于一個可迭代物件，for回圈就可以正常運行，而我們不太關心該物件究竟是list還是其他資料型別，
那么，如何判斷一個物件是可迭代物件呢？方法是通過collections模塊的Iterable型別判斷：
>>> 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) # 整數是否可迭代
False
如果要對list實作類似Java那樣的下標回圈怎么辦？Python內置的enumerate函式可以把一個list變成索引-元素對，這樣就可以在for回圈中同時迭代索引和元素本身：
>>> for i, value in enumerate(['A', 'B', 'C']):
... print(i, value)
上面的for回圈里，同時參考了兩個變數，在Python里是很常見的，比如下面的代碼：
>>> for x, y in [(1, 1), (2, 4), (3, 9)]:
... print(x, y)
任何可迭代物件都可以作用于for回圈，包括我們自定義的資料型別，只要符合迭代條件，就可以使用for回圈，
3.串列生成式
即List Comprehensions，是Python內置的非常簡單卻強大的可以用來創建list的生成式，
舉個例子，要生成list [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]可以用list(range(1, 11))
生成[1x1, 2x2, 3x3, ..., 10x10]怎么做？方法一是回圈：
>>> L = []
>>> for x in range(1, 11):
... L.append(x * x)
...
>>> L
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
串列生成式則可以用一行陳述句代替回圈生成上面的list([1x1, 2x2, 3x3, ..., 10x10])：
[x * x for x in range(1, 11)]
寫串列生成式時，把要生成的元素x * x放到前面，后面跟for回圈，就可以把list創建出來
for回圈后面還可以加上if判斷，這樣我們就可以篩選出僅偶數的平方：
>>> [x * x for x in range(1, 11) if x % 2 == 0]
[4, 16, 36, 64, 100]
還可以使用兩層回圈，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']
三層和三層以上的回圈就很少用到
運用串列生成式，可以寫出非常簡潔的代碼，例如，列出當前目錄下的所有檔案和目錄名，可以通過一行代碼實作
>>> import os # 匯入os模塊，模塊的概念后面講到
>>> [d for d in os.listdir('.')] # os.listdir可以列出檔案和目錄
['.emacs.d', '.ssh', '.Trash', 'Adlm', 'Applications', 'Desktop', 'Documents', 'Downloads', 'Library', 'Movies', 'Music', 'Pictures', 'Public', 'VirtualBox VMs', 'Workspace', 'XCode']
for回圈其實可以同時使用兩個甚至多個變數，比如dict的items()可以同時迭代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，串列生成式也可以使用兩個變數來生成list：
>>> d = {'x': 'A', 'y': 'B', 'z': 'C' }
>>> [k + '=' + v for k, v in d.items()]
['y=B', 'x=A', 'z=C']
最后把一個list中所有的字串變成小寫：
>>> L = ['Hello', 'World', 'IBM', 'Apple']
>>> [s.lower() for s in L]
練習2
L1 = ['Hello', 'World', 18, 'Apple', None]
print([x.lower() if isinstance(x, str) else x for x in L1])
4.生成器
通過串列生成式，我們可以直接創建一個串列，但是，受到記憶體限制，串列容量肯定是有限的，而且，創建一個包含100萬個元素的串列，不僅占用很大的存盤空間，如果我們僅僅需要訪問前面幾個元素，那后面絕大多數元素占用的空間都白白浪費了，
所以，如果串列元素可以按照某種演算法推算出來，那我們是否可以在回圈的程序中不斷推算出后續的元素呢？這樣就不必創建完整的list，從而節省大量的空間，在Python中，這種一邊回圈一邊計算的機制，稱為生成器：generator，
要創建一個generator，有很多種方法，第一種方法很簡單，只要把一個串列生成式的[]改成()，就創建了一個generator：
g = (x * x for x in range(10))
<generator object <genexpr> at 0x1022ef630>
創建L和g的區別僅在于最外層的[]和()，L是一個list，而g是一個generator，
如果要一個一個列印出來，可以通過next()函式獲得generator的下一個回傳值：
next(g)
generator保存的是演算法，每次呼叫next(g)，就計算出g的下一個元素的值，直到計算到最后一個元素，沒有更多的元素時，拋出StopIteration的錯誤，
不斷呼叫next(g)實在是太變態了，正確的方法是使用for回圈，因為generator也是可迭代物件：
>>> g = (x * x for x in range(10))
>>> for n in g:
... print(n)
generator非常強大，如果推算的演算法比較復雜，用類似串列生成式的for回圈無法實作的時候，還可以用函式來實作，
比如，著名的斐波拉契數列（Fibonacci），除第一個和第二個數外，任意一個數都可由前兩個數相加得到：
1, 1, 2, 3, 5, 8, 13, 21, 34, ...
斐波拉契數列用串列生成式寫不出來，但是，用函式把它列印出來卻很容易：
def fib(max):
n, a, b = 0, 0, 1
while n < max:
print(b)
a, b = b, a + b
n = n + 1
return 'done'
仔細觀察，可以看出，fib函式實際上是定義了斐波拉契數列的推算規則，可以從第一個元素開始，推算出后續任意的元素，這種邏輯其實非常類似generator，
也就是說，上面的函式和generator僅一步之遙，要把fib函式變成generator，只需要把print(b)改為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'
這就是定義generator的另一種方法，如果一個函式定義中包含yield關鍵字，那么這個函式就不再是一個普通函式，而是一個generator：
>>> f = fib(6)
<generator object fib at 0x104feaaa0>
generator和函式的執行流程不一樣，函式是順序執行，遇到return陳述句或者最后一行函式陳述句就回傳，而變成generator的函式，在每次呼叫next()的時候執行，遇到yield陳述句回傳，再次執行時從上次回傳的yield陳述句處繼續執行，
嘗試：在上面yield b 下邊添加一行print(b)，呼叫fib(6)，并沒有任何輸出，只有遍歷f的時候才會有輸出，
舉個簡單的例子，定義一個generator，依次回傳數字1，3，5：
def odd():
print('step 1')
yield 1
print('step 2')
yield(3)
print('step 3')
yield(5)
呼叫該generator時，首先要生成一個generator物件，然后用next()函式不斷獲得下一個回傳值：
>>> o = odd()
>>> next(o)
step 1
1
>>> next(o)
step 2
3
>>> next(o)
step 3
5
>>> next(o)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
odd不是普通函式，而是generator，在執行程序中，遇到yield就中斷，下次又繼續執行，執行3次yield后，已經沒有yield可以執行了，所以，第4次呼叫next(o)就報錯，
把函式改成generator后，我們基本上從來不會用next()來獲取下一個回傳值，而是直接使用for回圈來迭代：
>>> for n in fib(6):
... print(n)
但是用for回圈呼叫generator時，發現拿不到generator的return陳述句的回傳值，如果想要拿到回傳值，必須捕獲StopIteration錯誤，回傳值包含在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
要理解generator的作業原理，它是在for回圈的程序中不斷計算出下一個元素，并在適當的條件結束for回圈，對于函式改成的generator來說，遇到return陳述句或者執行到函式體最后一行陳述句，就是結束generator的指令，for回圈隨之結束，
5.迭代器
我們已經知道，可以直接作用于for回圈的資料型別有以下幾種：
- 一類是集合資料型別，如list、tuple、dict、set、str等；
- 一類是generator，包括生成器和帶yield的generator function，
這些可以直接作用于for回圈的物件統稱為可迭代物件：Iterable，
>>> 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
可以使用isinstance()判斷一個物件是否是Iterable物件：
而生成器不但可以作用于for回圈，還可以被next()函式不斷呼叫并回傳下一個值，直到最后拋出StopIteration錯誤表示無法繼續回傳下一個值了，
- 可以被next()函式呼叫并不斷回傳下一個值的物件稱為迭代器：Iterator，
- 可以使用isinstance()判斷一個物件是否是Iterator物件：
#學習中遇到問題沒人解答？小編創建了一個Python學習交流群：711312441
>>> 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物件，但list、dict、str雖然是Iterable，卻不是Iterator，
把list、dict、str等Iterable變成Iterator可以使用iter()函式：
>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True
你可能會問，為什么list、dict、str等資料型別不是Iterator？
這是因為Python的Iterator物件表示的是一個資料流，Iterator物件可以被next()函式呼叫并不斷回傳下一個資料，直到沒有資料時拋出StopIteration錯誤，可以把這個資料流看做是一個有序序列，但我們卻不能提前知道序列的長度，只能不斷通過next()函式實作按需計算下一個資料，所以Iterator的計算是惰性的，只有在需要回傳下一個資料時它才會計算，
Iterator甚至可以表示一個無限大的資料流，例如全體自然數，而使用list是永遠不可能存盤全體自然數的，
6.總結
- 凡是可作用于for回圈的物件都是Iterable型別；
- 凡是可作用于next()函式的物件都是Iterator型別，它們表示一個惰性計算的序列；
- 集合資料型別如list、dict、str等是Iterable但不是Iterator，不過可以通過iter()函式獲得一個Iterator物件，
Python的for回圈本質上就是通過不斷呼叫next()函式實作的
for x in [1, 2, 3, 4, 5]:
pass
實際上完全等價于：
# 首先獲得Iterator物件:
it = iter([1, 2, 3, 4, 5])
# 回圈:
while True:
try:
# 獲得下一個值:
x = next(it)
except StopIteration:
# 遇到StopIteration就退出回圈
break
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/543209.html
標籤：其他