python 学习笔记2 高级特性

Slice(切片):

        对于这种经常取指定索引范围的操作，用循环十分繁琐，因此，Python提供了人切片（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]表示，从索引0开始取，知道索引3为止，但不包括索引3。即索引0,1,2,正好是3个元素。如果第一个索引是0,还可以省略：

        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：

Iteration（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，迭代时通过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C代码:

        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，还可以作用在其他迭代对象上。

        可迭代对象：list,tuple,

        list这种数据类型虽然有下标，但很多其他数据类型都是没有下标的，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：

        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balue,可以用for k, v in d.items()。

由于字符串也是可迭代对象，因此，也可以用作for循环：

        判断一个对象是否是可迭代对象（通过collections,abc模块的Iterable判断）

        对list实现类似Java那样的下标循环?Python内置的enumerate函数可以把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：

练习：

请使用迭代查找一个list中最小值和最大值，并返回一个tuple

其中关键思路有二：

• 当列表为空时，记得返回空值
• 记得初始化最大值和最小值，再进行迭代比较：

• def findMinAndMax(L):
      if not L:
          return None,None
      Min = Max = L[0]  #初始化最大值和最小值
      for i in L:
          if i < Min:
              Min = i
          if i > Max:
              Max = i
      return (Min,Max)
  print(findMinAndMax([7,1]))
  # 测试
  if findMinAndMax([]) != (None, None):
      print('测试失败!')
  elif findMinAndMax([7]) != (7, 7):
      print('测试失败!')
  elif findMinAndMax([7, 1]) != (1, 7):
      print('测试失败!')
  elif findMinAndMax([7, 1, 3, 9, 5]) != (1, 9):
      print('测试失败!')
  else:
      print('测试成功!')

  List comprehensions(列表生成式)：

列表生成式即List Comperhensions,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))

相较于循环，列表生成式的语句更简单，可以使用一行语句代替循环生成list

写列表生成式时，把要生成的元素x*x放在前面，后面跟for循环，就可以把list创建出来，十分有用。

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；还可以使用两层循环，可以生成全排列：  

三层和三层以上的循环就很少用到了。

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

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:

if ... else

使用列表生成式的时候，有些童鞋经常搞不清楚if...else的用法。

在一个列表生成式中,for前面的if...else是表达式，而for后面的if是过滤条件，不能带else。

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：

使用内建的isinstance函数可以判断一个变量是不是字符串

Generator(生成器)：

通过列表生成式，我们可以直接创建一个列表。但是，收到内存限制，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。

方法一：

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。

创建L和g的区别仅在最外层的[]和（），L是一个list,而g是一个generator。

我们可以直接打印出list的每一个元素，但我们怎么打印出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：

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，知道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：

所以，我们创建了一个generator后，基本上永远不会调用next(),而是通过for循环来迭代它，并且不需要关心StopIteration的错误。

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）,除了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

方法二：

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函数,调用一个generator函数将返回一个generator:

这里，最难理解的就是generator函数和普通函数的执行流程不一样。普通函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成genarator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。

请务必注意：调用genarator函数会创建一个generator对象，多次调用generator函数会创建多个相互独立的generator。

正确的写法是创建一个generator对象，然后不断对这一个generator对象调用next():

同样的，把函数改成generator函数后，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;

(注;python中 try except的用法：
 

try: # 尝试执行的代码

except 错误类型: # 如果发生指定类型的错误，执行这里的代码

except 另一个错误类型: # 如果发生另一个类型的错误，执行这里的代码

else: # 如果没有发生异常，执行这里的代码

finally: # 无论是否发生异常，都会执行这里的代码

练习:

杨辉三角定义如下;

        

把每一行看做一个list,试着写一个genarator,不断输出下一行的list:

def triangles():
    pass

# 期待输出:
# [1]
# [1, 1]
# [1, 2, 1]
# [1, 3, 3, 1]
# [1, 4, 6, 4, 1]
# [1, 5, 10, 10, 5, 1]
# [1, 6, 15, 20, 15, 6, 1]
# [1, 7, 21, 35, 35, 21, 7, 1]
# [1, 8, 28, 56, 70, 56, 28, 8, 1]
# [1, 9, 36, 84, 126, 126, 84, 36, 9, 1]
n = 0
results = []
for t in triangles():
    results.append(t)
    n = n + 1
    if n == 10:
        break

for t in results:
    print(t)

if results == [
    [1],
    [1, 1],
    [1, 2, 1],
    [1, 3, 3, 1],
    [1, 4, 6, 4, 1],
    [1, 5, 10, 10, 5, 1],
    [1, 6, 15, 20, 15, 6, 1],
    [1, 7, 21, 35, 35, 21, 7, 1],
    [1, 8, 28, 56, 70, 56, 28, 8, 1],
    [1, 9, 36, 84, 126, 126, 84, 36, 9, 1]
]:
    print('测试通过!')
else:
    print('测试失败!')

求解，即需要将pass段消去，然后利用generator实现期待输出

def triangles():
 IO = [1] #创建一个列表IO,初始值为[1],表示杨辉三角的第一行
 while True: #进入一个无限循环，不断生成杨辉三角的下一行。
    yield IO #使用yield关键字将当前行I0返回，表示generator函数的当前值。每次调用next()方法，都会从上一次yield的位置继续执行，知道遇到下一个yield或函数结束  
    IO = [([0] + IO)[i] + (IO+[0])[i] for i in range(len(IO)+1)]
    # 列表生成式：使用列表生成式来生成下一行
    # 在两端补0：
    # ([0]+IO):在当前行IO的开头添加一个0
    # (IO+[0]):在当前行IO的末尾添加一个0
    # 这样做是为了方便计算下一行每个元素的值，因为每个元素等于它上行对应位置的两个元素之和
    # 计算当前元素：
    # [([0] + IO)[i] + (IO + [0])[i]：取出上行对应位置的两个元素相加，得到当前元素的值
    # 更新IO

n = 0
results = []
for t in triangles():
    results.append(t)
    n = n + 1
    if n == 10:
        break
for t in results:
        print(t)
if results == [
    [1],
    [1, 1],
    [1, 2, 1],
    [1, 3, 3, 1],
    [1, 4, 6, 4, 1],
    [1, 5, 10, 10, 5, 1],
    [1, 6, 15, 20, 15, 6, 1],
    [1, 7, 21, 35, 35, 21, 7, 1],
    [1, 8, 28, 56, 70, 56, 28, 8, 1],
    [1, 9, 36, 84, 126, 126, 84, 36, 9, 1] ]:
    print('测试通过!')
else:
    print('测试失败!')

iterator（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instance()判断一个对象是否是Iterable对象：

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：

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：

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StopIteraion错误。可以把这个数据流看做时一个有序序列，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；

        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Iter

ator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