【Python】 列表生成式、生成器、迭代器的使用方法 |
您所在的位置：网站首页 › Python怎么创建列表3的平方 › 【Python】 列表生成式、生成器、迭代器的使用方法 |
【Python】 列表生成式、生成器、迭代器的使用方法
|
Python 列表生成式和迭代器
一、列表生成式1.列表生成式的语法规则2.一个实际的小例子3.其他用法
二、生成器1.生成器的语法规则1.1 把列表生成式改成generator1.2 通过函数实现复杂逻辑的generator
2. generate的执行流程及取得返回值的方法
三、迭代器1.区分 Iterable（可迭代对象）和 Iterator（迭代器）2. 特殊的 list、dict、str3. 总结
一、列表生成式
列表生成式是Python内置的非常简单却强大的可以用来创建list的生成式。 1.列表生成式的语法规则举个例子，要生成列表[1,2,3,4,5,6,7]可以这样做： >>> list(range(1,8)) [1, 2, 3, 4, 5, 6, 7]如果要生成列表[1*1, 2 * 2,3 * 3,4 * 4]呢？ >>> L=[] >>> for x in range(1,5): L.append(x*x) >>> L [1, 4, 9, 16]但是循环太繁琐，而列表生成式可以一行语句代替循环。 >>> [x*x for x in range(1,5)] [1, 4, 9, 16]筛选出仅偶数的平方： >>> [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： >>> [x+y for x in 'ABC' for y in '123'] ['A1', 'A2', 'A3', 'B1', 'B2', 'B3', 'C1', 'C2', 'C3']这里可以看到，列表生成式的语法如下： [ 要 生 成 的 变 量 名 + f o r 循 环 （ + i f 判 断 语 句 或 两 层 f o r 循 环 ） ] [要生成的变量名 + for循环（+if判断语句或两层for循环）] [要生成的变量名+for循环（+if判断语句或两层for循环）] 2.一个实际的小例子看一个实际的例子，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： >>> [d for d in os.listdir('.')] ['DLLs', 'Doc', 'etc', 'horseColicTest.txt', 'horseColicTraining.txt', 'include', 'Lib', 'libs', 'LICENSE.txt', 'logRegres.py', 'NEWS.txt', 'python.exe', 'python3.dll', 'python38.dll', 'pythonw.exe', 'Scripts', 'share', 'tcl', 'testSet.txt', 'Tools', 'vcruntime140.dll', '__pycache__']由于我使用的是IDLE工具，打印出的目录是IDLE应用程序所在的目录。可以看到文件管理器中的目录和打印的目录是一致的。 把一个list中所有的字符串进行大小写转换 >>> [s.lower() for s in L] ['hello', 'world', 'ibm', 'apple'] >>> L=['hello', 'world', 'ibm', 'apple'] >>> [s.upper() for s in L] ['HELLO', 'WORLD', 'IBM', 'APPLE']列表生成式也可以使用两个变量来生成list >>> [k + '=' + v for k, v in d.items()] ['x=A', 'y=B', 'z=C'] 二、生成器列表生成式虽然便捷，但是受到内存限制，列表容量肯定是有限的。而且，当列表很大，却只访问前面几个元素，也造成了内存的浪费。 所以，如果列表元素可以按照某种算法推算出来，是否可以在循环的过程中不断推算出后续的元素？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一遍生成一遍计算的机制，称为生成器：generator。 1.生成器的语法规则 1.1 把列表生成式改成generator要创建一个 generator，有很多种方法，第一种方法：把列表生成式的[ ] 改为( )就可以了。 >>> (x*x for x in range(1,11))可以用isinstance()判断一个对象是否是Iterable对象： >>> isinstance((x for x in range(10)),Iterable) True因为 generator是可迭代对象，所以可以使用for循环打印其中的元素 >>> g=(x*x for x in range(1,11)) >>> for n in g: print(n) 1 4 9 16 25 36 49 64 81 100 1.2 通过函数实现复杂逻辑的generator如果推算的算法比较复杂，无法用列表生成式的for循环实现时，还可以使用函数来实现。 比如，一个常见的斐波那契数列问题。 1,1,2,3,5,8… 斐波那契数列无法用列表生成式实现，但是可以用函数实现 def fib(max): n,a,b=0,0,1 while n>> def fib(max): n,a,b=0,0,1 while n>> fib(6) 1 1 2 3 5 8 'done' a,b = b,a+b n = n+1 return 'done'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>> fib(6)generator函数的“调用”实际返回一个generator对象 普通函数调用直接返回结果 2. generate的执行流程及取得返回值的方法我们知道函数的执行流程是顺序执行，遇到return语句或者执行到最后一行语句就返回。 那么generate的执行流程是怎么样的呢？ 对于列表L = [x * x for x in range(5)] 打印出每一个元素有一个next()函数，每次调用next()，就计算出generator的下一个值.当没有元素时就抛出 StopIteration 异常。 可以看到每调用一次next()就返回 >>> g=(x*x for x in range(5)) >>> next(g) 0 >>> next(g) 1 >>> next(g) 4 >>> next(g) 9 >>> next(g) 16 >>> next(g) Traceback (most recent call last): File "", line 1, in next(g) StopIteration而变成gennetator的函数，遇到yield语句就返回，再次执行时从上次返回的yield语句处继续执行。 现在，调用一下generator,观察一下返回结果： >>> for n in fib(6): print(n) 1 1 2 3 5 8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 三、迭代器 1.区分 Iterable（可迭代对象）和 Iterator（迭代器） 可以直接作用于for循环的对象称为可迭代对象：Iterable 可以用isinstance() 来判断一个对象是不是Iterable对象 >>> from collections.abc 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.abc import Iterator >>> isinstance((x for x in range(10)), Iterator) True >>> isinstance([], Iterator) False >>> isinstance({}, Iterator) False >>> isinstance('abc', Iterator) False 2. 特殊的 list、dict、strgenerator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为什么list、dict、str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。 3. 总结 只要是可以作用于for循环的对象都是可迭代对象（Iterable）；只要是可以作用于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，不过可以通过iter()函数获得一个Iterator对象Python的for循环本质就是通过不断调用next(）函数实现的。 例如 for x in [1,2,3,4,5,6]: pass完全等价于 #获取Iterator对象 it = iter([1,2,3,4,5,6]) #循环 while True: try: #获取下一个值 x = next(it) except StopIteration: # 遇到StopIteration就退出循环 break |
【本文地址】
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |