20190314--python学习笔记—高级特性——廖雪峰老师python教程

python-高级特性

#比如构造一个1, 3, 5, 7, ..., 99的列表，可以通过循环实现：
L=[]
n=1
while n<=99:
    L.append(n)
    n=n+2
print(L)
#输出结果
C:\Users\pt0531\Desktop>python JJJtest1.py
[1, 3, 5, 7, 9, 11, 13, 15, 17, 19, 21, 23, 25, 27, 29, 31, 33, 35, 37, 39, 41, 43, 45, 47, 49, 51, 53, 55, 57, 59, 61, 63, 65, 67, 69, 71, 73, 75, 77, 79, 81, 83, 85, 87, 89, 91, 93, 95, 97, 99]


#取list的前一半的元素，也可以通过循环实现。
L=[]
n=1
while n<=99:
    L.append(n)
    n=n+2
print("L's lenth is:", len(L))
print(L)

#取L前一半的元素
halfidx=len(L)//2
print("打印部分的长度：",len(L[0:halfidx])) 
#由于python并不包括结尾，所以这里其实并没有取到L[halfidx]的那个元素
print("L前一半的元素打印如下：", L[0:halfidx])

#输出结果
C:\Users\pt0531\Desktop>python JJJtest1.py
L's lenth is: 50
[1, 3, 5, 7, 9, 11, 13, 15, 17, 19, 21, 23, 25, 27, 29, 31, 33, 35, 37, 39, 41, 43, 45, 47, 49, 51, 53, 55, 57, 59, 61, 63, 65, 67, 69, 71, 73, 75, 77, 79, 81, 83, 85, 87, 89, 91, 93, 95, 97, 99]
打印部分的长度： 25
L前一半的元素打印如下： [1, 3, 5, 7, 9, 11, 13, 15, 17, 19, 21, 23, 25, 27, 29, 31, 33, 35, 37, 39, 41, 43, 45, 47, 49]

但是在Python中，代码越少越好。代码不是越复杂越好，而是越简单越好。
Python中非常有用的高级特性，1行代码能实现的功能，决不写5行代码。请始终牢记，代码越少，开发效率越高

1. 切片——slice

本来需要用迭代很复杂的代码，如下：
L=[‘Michael’,‘Sarah’,‘Tracy’,‘Bob’,‘Jack’]
L
[‘Michael’, ‘Sarah’, ‘Tracy’, ‘Bob’, ‘Jack’]
[L[0],L[1],L[2]]
[‘Michael’, ‘Sarah’, ‘Tracy’]

		r=[]
		 n=3
		 for i in range(n):
		...     r.append(L[i])
		...
		 r
		['Michael', 'Sarah', 'Tracy']

现在只需要用（索引）即可——这个可能就是slice——切片

 r
	['Michael', 'Sarah', 'Tracy']
	 L[0:3]
	['Michael', 'Sarah', 'Tracy']
	 L[:3] #不包括3 
	['Michael', 'Sarah', 'Tracy']
	 L[1:3] #不包括3 
	['Sarah', 'Tracy']
	 L
	['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']
	L[-1]
	'Jack'
	 L[-2]
	'Bob'
	 L[-2:-1] #不包括尾部索引为-1的那个元素，只有-2对应的那个元素
	['Bob']
	
	L[-2:]
	['Bob', 'Jack']


#前10个数，每两个取一个：
 L[:10:2] #不包括10
[0, 2, 4, 6, 8]

#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]

#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]

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.
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.

Python没有针对字符串的截取函数，只需要切片一个操作就可以完成，非常简单。

exercise:
利用切片操作，实现一个trim()函数，去除字符串首尾的空格，注意不要调用str的strip()方法：

def trim(s):
	    #利用trim函数去除str首尾的空格
	    # 不要调用str的strip()方法
	    if s[:1]!=' 'and s[-1]!=' ':
	        return s
	    elif s[:1]==" ": #首个元素为空格
	        return trim(s[1:])  #  这里还使用了函数的嵌套，神来之笔！！！！！
	    elif s[-1]==" ": #最后一个元素为空格
	        return trim(s[:-1])

2. 迭代

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。

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）。
可以看出，Python的for循环抽象程度要高于C的for循环，因为Python的for循环不仅可以用在list或tuple上，还可以作用在其他可迭代对象上。

list这种数据类型虽然有下标，但很多其他数据类型是没有下标的，但是，只要是可迭代对象，无论有无下标，都可以迭代，比如dict就可以迭代：

 d={'a':1,'b':2,'c':3}
 for i in d:
...     print(i)
...
a
b
c

for key in d:
...     print(key)
...
a
b
c

因为dict的存储不是按照list的方式顺序排列，所以，迭代出的结果顺序很可能不一样。

• 默认情况下，dict迭代的是key。

   d={'a':1,'b':2,'c':3}
   #关键在于d.keys()
    for i in d.keys():
   	...     print(i)
   	...
   	a
   	b
   	c
  

• 如果要迭代value，可以用for value in d.values()

    for value in d.values():
   	...     print(value)
   	...
   	1
   	2
   	3
   
   #关键在于 d.values()中的values()
        for i in d.values():
       	...     print(i)
       	...
       	1
       	2
       	3
  

如果要同时迭代key和value，可以用for k, v in d.items()。

#关键在于d.items()中的 items()
 for k,v in d.items():
	...     print(k,v)
	...
	a 1
	b 2
	c 3

---

字符串str的迭代：
迭代

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）。

在Python中，迭代是通过for … in来完成的，而很多语言比如C语言，迭代list是通过下标完成的，比如Java代码：

for (i=0; i n = list[i];
}
可以看出，Python的for循环抽象程度要高于C的for循环，因为Python的for循环不仅可以用在list或tuple上，还可以作用在其他可迭代对象上。

list这种数据类型虽然有下标，但很多其他数据类型是没有下标的，但是，只要是可迭代对象，无论有无下标，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

因为dict的存储不是按照list的方式顺序排列，所以，迭代出的结果顺序很可能不一样。

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()。

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': #ch是什么不重要，说成是 for i in 'ABC'也行
...     print(ch)   #重点是in后面的对象必须是一个 可迭代的对象
...
A
B
C

所以，当我们使用for循环时，只要作用于一个可迭代对象，for循环就可以正常运行，而我们不太关心该对象究竟是list还是其他数据类型。

在python中我们用collections模块的Iterable类型判断对象是否是可迭代对象：

	from collections import Iterable
	isinstance('abc',Iterable) #str 可迭代
	True
	isinstance([1,2,3],Iterable)# list可迭代
	True
	isinstance({'a':1,'b':2,'c':3},Iterable) # dict可迭代
	True
	isinstance(123,Iterable) # int不可迭代
	False
	
	isinstance((1,),Iterable)  #元组tuple可迭代
	True
	isinstance((1,2,3),Iterable)#元组tuple可迭代
	True

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 idx, value in enumerate(['a','b','c']): # enumerate将list变成索引——元素对
	...     print(idx,value)
	...
	0 a
	1 b
	2 c
	
	#在for循环中同时引用两个变量
     for x,y in [(1,1),(2,4),(3,9)]:
...     print(x,y)
...
1 1
2 4
3 9

练习：请使用迭代查找一个list中最小和最大值
（这个代码中关于print那一行有疑问！！！！！！！！！！！！！！ ）

#返回一个tuple：
    	def findMinAndMax(L):
    	    lmin=L[0]
    	    lmax=L[0]
    	    for i in range(len(L)):
    	        if lmin>L[i]:
    	            lmin=L[i]
    	        if lmax

3. 列表生成式

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

• 方法1——循环

•  L=[]
   	for x in range(1,11):
   	...     L.append(x*x)    #append()函数的应用
   	...
   	L
   	[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
  

• 方法二——列表生成式更为brief

   	[x*x for x in range(1,11)]
   	[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
   	
   	[x**3 for x in range(1,6)]
   	[1, 8, 27, 64, 125]
   	
   	#for循环后面还可以加上if判断语句，筛选出偶数的平方
   	[x*x for x in range(1,11) if x%2==0]
   	[4, 16, 36, 64, 100]
   	
   	#还可以使用两层循环，生成全排列
   	[m+n for m in 'ABC' for n in 'XYZ']
   	['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']
   	
   	[m*n for m in (1,2,3) for n in (4,5,6)]
   	[4, 5, 6, 8, 10, 12, 12, 15, 18]
   	#三层以及三层以上的循环就很少用到了
  
  
   #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
   	[d for d in os.listdir('.')] #os.listdir可以列出文件和目录
   	['.ipynb_checkpoints', '1.png', '1.py', 'brand_split.py', 'buy.csv', 'cal_code_sim.ipynb', 'cal_code_sim.py', 'Cmder.exe - 快捷方式.lnk', 'code_sim.py', 'data.xlsx', 'database_table_def_68.xlsx', 'data_zetta_so_1701_1809_example.xlsx', 'dbeaver.lnk', 'desktop.ini', 'du.py', 'Firefox feeds backup.opml', 'JJJtest1.py', 'matrix.png', 'Microsoft Edge.lnk', 'model_of_customer_churn_warning', 'Neo4j Desktop.lnk', 'old', 'ProxyPool', 'RedisDesktopManager.lnk', 'select_rc_customer_code_rc_user_input_rc_brd_code_bz_so_qty_bz_s_201902201329.csv', 'sixunhuan.py', 'slider.html', 'SMC.py', 'SMC商品工品汇爬虫清单.xlsx', 'spider_190102', 'spider_190102(1).zip', 'TYJ笔记20190311.py', 'UA', 'ua.py', 'ua_data_ua.csv', 'ZETTA.lnk', 'Zoro', '__pycache__', '品牌.xlsx', '常见数据分析岗位简历模板', '满虎-上海财经大学-信息管理与信息系统-web前端开发工程师[email protected]', '满虎-上海财经大学-信息管理与信息系统-大三.docx', '用户流失分析', '用户流失分析.7z', '百度网盘.lnk', '通用爬虫代码.py']
  
   #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)
   	...
   	x = A
   	y = B
   	z = C
  

——————————————————————————————————————

    #Notes
    #加号+拼接		
	print('awf'+'wk')
	awfwk #输出中间没有空格
	
	#逗号，拼接
	print('zwf','wk')
	zwf wk#使用逗号拼接两者中间会多一个空格
	
	 #加号+ 两边只能是同类型的相加
	 #逗号，  两边可以是不同类型的，甚至是运算
	 #加号更多地理解为加号的运算，逗号更大程度上就是连接，将内容连接起来

——————————————————————————————————————

	#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()]   #这个+号是干啥用的？——应该可以参照上面+和逗号，的notes
    ['x=A', 'y=B', 'z=C']

	#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']
	
	L='hellOWorldIBMApple'
	[s.lower() for s in L]
	#outcome
	['h', 'e', 'l', 'l', 'o', 'w', 'o', 'r', 'l', 'd', 'i', 'b', 'm', 'a', 'p', 'p', 'l', 'e']

————————————————————————————————————

#练习题：
     	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'
    	#这里由于非字符串类型没有lower()方法所以列表的生成式会报错
    	
    	#使用内建的isinstance()函数可以判断一个变量是不是字符串str
    	x='abc'
    	y=123
    	
    	isinstance(x,str)
    	True
    	isinstance(y,str)
    	False
	#请修改列表生成式，通过添加if语句保证列表生成式能正确地执行：
	L1 = ['Hello', 'World', 18, 'Apple', None]
	L
	['Hello', 'World', 18, 'Apple', None]
	
	L2=[s.lower() for s in L if isinstance(s,str) is True]
	L2
	['hello', 'world', 'apple']
	#用L2=[s.lower() for s in L if isinstance(s,str)]省略is True也可以

小结
运用列表生成式，可以快速生成list，可以通过一个list推导出另一个list，而代码却十分简洁。

4. 生成器

要创建一个generator，有很多种方法——在Python中，可以简单地把列表生成式改成generator，也可以通过函数实现复杂逻辑的generator。

要理解generator的工作原理，它是在for循环的过程中不断计算出下一个元素，并在适当的条件结束for循环。对于函数改成的generator来说，遇到return语句或者执行到函数体最后一行语句，就是结束generator的指令，for循环随之结束。

请注意区分普通函数和generator函数
（1）普通函数调用直接返回结果：

r = abs(6)
r
6

（2）generator函数的“调用”实际返回一个generator对象：

g = fib(6)
g

• 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 0x000001CB02752D00>
  
   #如何打印generator的每一个元素？
    next(g)
   0
   next(g)
   1
   next(g)
   4
   next(g)
   9
   next(g)
   16
  

  #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
   
   from collections import Iterable
   isinstance(g, Iterable)
   True
    #说明generator生成器是可迭代的
    
   #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 i in g:
   ...     print(i)
   ...
   0
   1
   4
   9
   16
   25
   36
   49
   64
   81
  

#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。

def fib(max):
...     n,a,b=0,0,1
...     while n

# outcome：
	fib(1)
	1
	'done'
	fib(2)
	1
	1
	'done'
	fib(3)
	1
	1
	2
	'done'
	fib(4)
	1
	1
	2
	3
	'done'
	fib(5)
	1
	1
	2
	3
	5
	'done'

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
	
	#把函数改成generator后，基本上不会使用next()来获取下一个返回值
	#而是直接使用for循环来迭代：
	 for n in fib(6):
	...     print(n)
	...
	1
	1
	2
	3
	5
	8

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。

举个简单的例子，定义一个generator，依次返回数字1，3，5：

def odd():
		print('step 1')
		yield 1
		print('step 2')
		yield(3)
		print('step 3')
		yield(5)

#调用该generator时先生成一个generator对象，然后用next()函数不断获得下一个返回值

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 "", line 1, in 
	StopIteration
#可以看到，odd不是普通函数，而是generator，在执行过程中，遇到yield就中断，下次又继续执行
#执行3次yield后，已经没有yield可以执行了，所以，第4次调用next(o)就报错。

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：(???没怎么看懂）

 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

关于如何捕获错误，后面的错误处理还会详细讲解。

#做练习才！！！！！！！！！！！！！！！

#Notes
		    #加号+拼接		
		   print('awf'+'wk')
		   awfwk #输出中间没有空格
	    	
	    	#逗号，拼接
	    	print('zwf','wk')
	    	zwf wk#使用逗号拼接两者中间会多一个空格
	    	
	    	 #加号+ 两边只能是同类型的相加
	    	 #逗号，  两边可以是不同类型的，甚至是运算
	    	 #加号更多地理解为加号的运算，逗号更大程度上就是连接，将内容连接起来

def triangles():
		    L = [1]
		    while True:
		        yield L
		        L = [1] + [L[i] + L[i+1] for i in range(len(L)-1)] + [1]

from JJJtest1 import triangles
o=triangles()
#输出结果
next(o)
[1]
next(o)
[1, 1]
next(o)
[1, 2, 1]
next(o)
[1, 3, 3, 1]
next(o)
[1, 4, 6, 4, 1]
next(o)
[1, 5, 10, 10, 5, 1]
next(o)
[1, 6, 15, 20, 15, 6, 1]

5. 迭代器 Iterator

• 生成器generator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。（generator有max iteration depth的限制？？？
• 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（可以无线不断返回下一个值）。

可以使用isinstance()判断一个对象是否是Iterator对象：

from collections import Iterable
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generator都是Iterator迭代器对象
但list、dict、str虽然是Iterable可迭代的，却不是Iterator迭代器。

把list、dict、str等Iterable可迭代类变成Iterator迭代器可以使用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。

小结
凡是可作用于for循环的对象都是Iterable可迭代类型；

凡是可作用于next()函数的对象都是Iterator迭代器类型，它们表示一个惰性计算的序列；

集合数据类型如list、dict、str等是Iterable但不是Iterator，但是可以通过iter()函数获得一个Iterator对象。

Python的for循环本质上就是通过不断调用next()函数实现的，例如：

for x in [1, 2, 3, 4, 5]:
		    pass

实际上完全等价于：

#首先获得Iterator对象:
it = iter([1, 2, 3, 4, 5])
#循环:
while True:
    try:
        # 获得下一个值:
        x = next(it)
    except StopIteration:
        # 遇到StopIteration就退出循环
        break