切片
取一个list或tuple的部分元素。
# 从索引0开始取,直到索引3为止,但不包括索引3。
>>> L[0:3]
['Michael', 'Sarah', 'Tracy']
# 如果第一个索引是0,还可以省略:
>>> L[:3]
['Michael', 'Sarah', 'Tracy']
# Python支持L[-1]取倒数第一个元素,那么它同样支持倒数切片,试试:
>>> L[-2:]
['Bob', 'Jack']
>>> L[-2:-1]
['Bob']
切片操作十分有用。我们先创建一个0-99的数列:
>>> L = list(range(100))
>>> L
[0, 1, 2, 3, ..., 99]
可以通过切片轻松取出某一段数列。比如:
>>> L[:10] # 前10个数 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> L[-10:] # 后10个数 [90, 91, 92, 93, 94, 95, 96, 97, 98, 99]
>>> L[10:20] # 前11-20个数 [10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
>>> L[:10:2] # 前10个数,每两个取一个 [0, 2, 4, 6, 8]
>>> L[::5] # 所有数,每5个取一个 [0, 5, 10, 15, ....., 70, 75, 80, 85, 90, 95]
>>> L[:] # 原样复制一个list [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:
>>> (0, 1, 2, 3, 4, 5)[:3]
(0, 1, 2)
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:
>>> 'ABCDEFG'[:3]
'ABC'
>>> 'ABCDEFG'[::2]
'ACEG'
迭代
给定一个list或tuple,我通过for
循环来遍历这个list或tuple,称为迭代(Iteration)。
在Python中,迭代是通过for ... in
来完成的。
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。
d = {'a': 1, 'b': 2, 'c': 3}
# 默认情况下,dict迭代的是key
for key in d:
print(key) # #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
# 迭代value
for value in d.values():
print(value)
# 同时迭代key和value
for k, v in d.items():
print(k, ':', v)
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':
... print(ch)
...
A
B
C
如何判断一个对象是可迭代对象呢?方法是通过collections
模块的Iterable
类型判断:
>>> from collections.abc 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) # 整数是否可迭代
False
最后一个小问题,如果要对list实现类似Java那样的下标循环怎么办?
Python内置的enumerate
函数可以把一个list变成索引-元素对,就可以在for
循环中同时迭代索引和元素本身:
>>> for i, value in enumerate(['A', 'B', 'C']):
... print(i, value)
...
0 A
1 B
2 C
上面的for
循环里,同时引用了两个变量,在Python里是很常见的,比如下面的代码:
>>> for x, y in [(1, 1), (2, 4), (3, 9)]:
... print(x, y)
...
1 1
2 4
3 9
有点像ES6的解构,自己尝试了一下:
>>> for x, (y, z) in enumerate([(1, 1), (2, 4), (3, 9)]):
... print(x, y, z)
...
0 1 1
1 2 4
2 3 9
列表生成式
要生成list [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
可以用list(range(1, 11))
:
# 生成list [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
list(range(1, 11))
# 生成list [1x1, 2x2, 3x3, ..., 10x10]
# 方法1 循环
L = []
for x in range(1, 11):
L.append(x * x)
# 方法2 使用列表生成式,把要生成的元素x * x放到前面,后面跟for循环,就可以把list创建出来
[x * x for x in range(1, 11)]
# 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
[x * x for x in range(1, 11) if x % 2 == 0]
# 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)
# 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']
if … else
>>> [x if x % 2 == 0 else -x for x in range(1, 11)]
[-1, 2, -3, 4, -5, 6, -7, 8, -9, 10]
上述for
前面的表达式x if x % 2 == 0 else -x
才能根据x
计算出确定的结果。
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**
。
生成器
在Python中,这种一边循环一边计算的机制,称为生成器:generator。
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是一个list
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10)) # g是一个generator
>>> g
<generator object <genexpr> at 0x1022ef630>
打印出generator的每一个元素,可以通过next()
函数获得generator的下一个返回值。
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。
>>> next(g)
0
>>> next(g)
1
(略)...
>>> next(g)
64
>>> next(g)
81
>>> next(g)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
# 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)
**yield**
关键字
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:
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
return 'done'
>>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0>
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。
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:
>>> for n in fib(6):
... print(n)
...
StopIteration
错误
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
关于如何捕获错误,后面的错误处理还会详细讲解。
迭代器
Iterable
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
Iterator
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
iter()
函数
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
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