6.Python基础学习笔记——高级特性

高级特性

切片

• 可以使用切片的类型如：list, tuple, str
• 切片类似于其他预言中的substring()方法，但是切片更加灵活
• 使用切片slice可以轻松访问列表中的某些元素

• 连续切片：
  L[0:10]
L[:]
L[-5:0]

• 间隔切片L[:10:2]

迭代

• 如果给定一个list或tuple，可以使用for循环遍历这个list或tuple，这种遍历旧成为迭代iteration
• 迭代通过for...in完成的
• 抽象程度高，可以用于其他迭代对象上面
• 对字典dict对象的迭代举例：
• 遍历键：for key in dic或者for key in dic.keys()
• 遍历值：for val in dic.values()

• 同时遍历键值: for k, v in dic.items()

• from collections import Iterable，Iterable是可迭代对象，判断即可。

• 使用enumerate()函数可以获得list迭代索引：for i, v in enumerate([1,2, 3])

列表生成式

• Python内置的非常简单却强大的可以用来创建list的生成式
• 生成[1, 2, 3, 4....]: [x for x in range(1, 100))]
• 生成[1*1, 2*2, 3*3,....]: [x * x for x in range(1, 10)]
• 可以使用多重循环
• 可以使用多个变量
• 分支判断：[x.lower() if isinstance(x, str) else x for x in L] ['hello', 'world', 18, (12, 3), 'none', 'apple']

生成器

• 使用列表生成式，可以非常方便地创建一个列表。但是如果创建一个100万元素的列表，但是只使用其中的若干元素，那么就会造成内存空间的浪费。
• 使用生成器generator，不必创建完整的list，通过一边循环一边计算的机制，节省大量内存。
• generator保存的是算法，每次调用next(g)函数，会自动计算出g的下一个元素的值，直到计算到最后一个元素，当没有元素时，会产生StopIteration异常。

创建生成器

• 方法一：
• 与列表生成式类似，但是需要将[]换成()。如g = (x for x in 'xyz')。使用next()内置函数可以依次获得迭代器的每个元素

• 由于generator也是可迭代对象，所以可以使用for e in g循环访问。这样就不会担心抛出StopIteration异常了

• 方法二：
• 如果使用简单的类似列表生成式无法生成generator对象时，可以使用函数实现。
• 比如复杂的推算算法，如斐波那契数列推算算法，就可以使用函数来生成对应的生成器，因为推算的方法是已知的。在函数中使用关键字yield，就让一个函数变成一个generator
• 函数和generator执行的顺序不同。函数通常在执行到最后一行语句或者遇到return时结束。但是generator则不同；它不是顺序执行的，每次在调用next()时执行，当遇到yield语句时返回，下次执行时，从上次返回yield的语句处继续执行，以此类推。

• 注意到，如果使用for来循环调用generator时，会发现得不到return值；所以需要捕获StopIteration异常。(e.value)

总结

• generator非常强大。
• 杨辉三角问题。

迭代器

• 可以直接用于for循环的对象统一成为可迭代对象Iterable
• 可迭代对象包括：
• 集合数据类型：lsit, 'tuple,dict,set,str`

• generator，生成器，和生成器函数

• from collections import Iterable, Iterator
• 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
• 可迭代对象和迭代器是不同的，注意区分isinstance([], Iterator)->False
• 生成器都是Iterator对象，但是list, 'dict', 'str,set,tuple均不是。但是可以使用内置函数iter()转换成Iterator`。
• 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异常。可以看成一个“有序序列”，只有需要，才计算下一个值，所以时懒惰的。

• Iterator可以表示无限大的数据流，但不会占用过多的内存。