列表生成式(List Comprehensions)
列表生成式即List Comprehensions,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))
:
>>> list(range(1,11)) [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
生成[1x1,2x2,3x3,...,10x10] :
>>> L=[] >>> for x in range(1,11): L.append(x*x)
>>> L [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
另一种简化的写法:
>>> [x*x for x in range(1,11)] [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
写列表生成式时,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) if x%2==0] [4, 16, 36, 64, 100]
>>> [m+n for m in ‘ABC‘ for n in ‘XYZ‘] [‘AX‘, ‘AY‘, ‘AZ‘, ‘BX‘, ‘BY‘, ‘BZ‘, ‘CX‘, ‘CY‘, ‘CZ‘]
列出当前目录下的文件:
>>> import os >>> [d for d in os.listdir(‘.‘)] [‘DLLs‘, ‘Doc‘, ‘include‘, ‘Lib‘, ‘libs‘, ‘LICENSE.txt‘, ‘NEWS.txt‘, ‘python.exe‘, ‘pythonw.exe‘, ‘README.txt‘, ‘Scripts‘, ‘students‘, ‘tcl‘, ‘Tools‘]
>>> d={‘x‘:‘A‘,‘y‘:‘B‘,‘z‘:‘C‘} >>> for k,v in d.items(): print(k,‘=‘,v) x = A z = C y = B
>>> [k+‘=‘+v for k,v in d.items()] [‘x=A‘, ‘z=C‘, ‘y=B‘]
把一个list 中的字符窜变成小写
>>> l=[‘Aadss‘,‘Bsad‘,‘Casd‘,‘Dasd‘] >>> [s.lower() for s in l] [‘aadss‘, ‘bsad‘, ‘casd‘, ‘dasd‘]
L1 = [‘Hello‘, ‘World‘, 18, ‘Apple‘, None] # 期待输出: [‘hello‘, ‘world‘, ‘apple‘] print(L2) >>> L2=[s.lower() for s in L1 if isinstance(s,str)] >>> L2 [‘hello‘, ‘world‘, ‘18‘, ‘apple‘] >>> [isinstance(s,str) and s.lower() or s for s in l1] [‘hello‘, ‘world‘, ‘18‘, ‘apple‘, None] >>> [s.lower() if isinstance(s,str) else s for s in l1] [‘hello‘, ‘world‘, ‘18‘, ‘apple‘, None]
生成器
通过列表生成式,我们可以直接创建一个列表。但是,受到内存限制,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。
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:
>>> 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 <generator object <genexpr> at 0x02C9FC10>
创建 L 和 G 的区别仅在于最外层的 【】 和 () ,L 是一个 list ,而 G 是一个 generator。
要打印generator 的每一个元素我们需要用到next():
>>> next(g) 0 >>> next(g) 1 >>> next(g) 4 >>> next(g) 9 >>> next(g) 16 >>> next(g) 25 >>> next(g) 36 >>> next(g) 49 >>> next(g) 64 >>> next(g) 81 >>> next(g) Traceback (most recent call last): File "<pyshell#53>", line 1, in <module> next(g) StopIteration
当计算到最后一个元素时,跑出 StopIteration 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:
>>> g=(x*x for x in range(10)) >>> for n in g: print(n) 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。
比如,著名的斐波拉契数列(Fibonacci),除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:
>>> def fib(max): n,a,b=0,0,1 while n<max: print(b) a,b=b,a+b n=n+1 return ‘done‘ >>> fib(6) 1 1 2 3 5 8 ‘done‘
要把 上面的 fib 函数改为 generator 仅需要把 print(b) 改为 yield b 就可以了:
>>> 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 0x02C9FD28 >>>> for n in f: 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(1) yield 1 print(2) yield 3 print(3) yield 5
>>> o=odd() >>> next(o) 1 1 >>> next(odd()) 1 1 >>> next(o) 2 3 >>> next(o) 3 5 >>> next(o)Traceback (most recent call last): File "<pyshell#104>", line 1, in <module> next(o) 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:
>>> 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
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
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(‘asd‘,Iterator) False
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({}),Iterator) True
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,lterator 对象可以被 next() 函数调用并不断返回下一个数据,知道没有数据抛出 stopIteration 错误。可以吧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,只能不断通过函数next()函数实现按需计算下一格数据,所以 Iterator 的计算是惰性的,只有在需要返回下一个数据时他才会计算。
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。
高阶函数
一个最简单的高阶函数:
>>> def add(x,y,f): return f(x)+f(y) >>> add(-5,6,abs) 11
map()/ reduce()
map()函数接受两个参数,一个是函数,一个是Iterable,map 将传入的函数依次作用到序列的每个元素,并把结果作为新的 Iterator 返回。
我们要把函数 f(x)= x2,要把这个函数作用在一个list[1,2,3,4,5,6,7,8,9]上,就可以用map()实现如下:
>>> r=map(f,[1,2,3,4,5,6,7,8,9]) >>> next(r) 1 >>> list(r) [4, 9, 16, 25, 36, 49, 64, 81]
>>> list(map(str,[1,2,3,4,5,6,7,8,9])) [‘1‘, ‘2‘, ‘3‘, ‘4‘, ‘5‘, ‘6‘, ‘7‘, ‘8‘, ‘9‘]
reduce() ---> reduce 把一个函数作用在一个序列[x1,x2,x3,.....]上,这个函数必须接受两个参数,reduce 把结果继续和序列的下一个元素做积累计算,其效果就是:
reduce(f,[x1,x2,x3,x4]) =f(f(f(x1,x2),x3),x4)
计算一个序列的和,就可以用到reduce实现:
>>> from functools import reduce >>> def add(x,y): return x+y
>>> reduce(add,[1,3,5,7,9]) 25
当然也可以用python内建函数sum(),没必要用reduce。
>>> sum([1,3,5,7,9]) 25
如果把序列[1,3,5,7,9]变换成整数13579.reduce就可以派上用场:
>>> from functools import reduce >>> def fn(x,y): return x*10+y
>>> reduce(fn,[1,3,5,7,9]) 13579
filter -----> Python内建的filter()
函数用于过滤序列。
filter()也接受一个函数和一个序列。和map()不同的是,filter()把传入的函数依次作用于每个元素,然后根据返回值是True还是False决定保留还是丢弃该元素。
eg:在一个list中,删掉偶数,只保留奇数:
>>> def is_odd(n): return n%2==1
>>> list(filter(is_odd,[1,2,3,4,5,6,7,8,9])) [1, 3, 5, 7, 9]
删除字符串中的空字符:
>>> def not_empty(s): return s and s.strip()
>>> list(filter(not_empty,[‘A‘,‘‘,‘B‘,None,‘C‘,‘ ‘])) [‘A‘, ‘B‘, ‘C‘]
回数是指从左向右读和从右向左读都是一样的数,例如12321
,909
。请利用filter()
滤掉非回数:
>>> print(list(filter(lambda n:str(n) == str(n)[::-1], range(1, 2000)))) #先把数字转换为字符串,然后翻转字符串,最后比较 [1, 2, 3, 4, 5, 6, 7, 8, 9, 11, 22, 33, 44, 55, 66, 77, 88, 99, 101, 111, 121, 131, 141, 151, 161, 171, 181, 191, 202, 212, 222, 232, 242, 252, 262, 272, 282, 292, 303, 313, 323, 333, 343, 353, 363, 373, 383, 393, 404, 414, 424, 434, 444, 454, 464, 474, 484, 494, 505, 515, 525, 535, 545, 555, 565, 575, 585, 595, 606, 616, 626, 636, 646, 656, 666, 676, 686, 696, 707, 717, 727, 737, 747, 757, 767, 777, 787, 797, 808, 818, 828, 838, 848, 858, 868, 878, 888, 898, 909, 919, 929, 939, 949, 959, 969, 979, 989, 999, 1001, 1111, 1221, 1331, 1441, 1551, 1661, 1771, 1881, 1991]
本文出自 “启思·朝圣者” 博客,请务必保留此出处http://dearch.blog.51cto.com/10423918/1761661
原文地址:http://dearch.blog.51cto.com/10423918/1761661