Python学习(四)-列表生成式、生成器、迭代器和内置函数

原文地址:

编辑:智能算法,欢迎关注!

前几篇我们一起学了

今天一起学习列表生成式、生成器、迭代器和内置函数相关内容。

目录

1. 列表生成式

2. 生成器

3. 迭代器

4. 内置函数

1. 列表生成式

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)):

但如果要生成[1x1, 2x2, 3x3, …, 10x10]怎么做?方法一是循环:

但是循环太繁琐,而列表生成式则可以用一行语句代替循环生成上面的list:

还可以使用两层循环,可以生成全排列:

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:

因此,列表生成式也可以使用两个变量来生成list:

把一个list中所有的字符串变成小写:

最后列表生成器结合函数。

2. 生成器

通过列表生成式,可以创建一个列表。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。

2.1 把一个列表生成式的[]改成()

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:

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,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。

2.2函数实现

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:

注意,赋值语句:

其实,等同于:

但不必显式写出临时变量t就可以赋值。

上面的函数可以输出斐波那契数列的前N个数:

fib函数实际上是定义了斐波拉契数列的推算规则,可以从第一个元素开始,推算出后续任意的元素,这种逻辑其实非常类似generator。

要把fib函数变成generator,只需要把print(b)改为yield b就可以了:

这就是定义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:

这里,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。

同样的,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:

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:

还可通过yield实现在单线程的情况下实现并发运算的效果

2.3 小结

a.生成式:一边循环一边计算,调用的时候才生成,只有在调用时才回生成相应的数据。只记录当前位置,只有一个next方法。(next和 __next__)

b.取值:使用for 循环c.__next__()这个方法,超出值后抛出异常为返回值。)循环不会。

c..send():给yield发送值

d.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。

3. 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:

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。

python版本:

3.x:range() 是迭代器

2.x:range() 是列表,xrange()是迭代器

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;

所以生成器一定是迭代器。

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。

4. 内置函数

官网说明文档:

https://docs.python.org/3/library/functions.html

匿名函数 lambda:就能进行简单的三元运算等。lambda还可以和谁结合着用?

filter、map、reduce 方法

filter(function_or_None,iterable) :一组数据里面过滤出符合条件的,返回迭代器

map(func,*iterables) :对你传入的每个值进行处理,返回迭代器

functools.reduce(function,sequence,initial=None)

reduce函数(python3中不属于内置函数)是一个二元操作函数,他用来将一个数据集合(链表,元组等)中的所有数据进行下列操作:用传给reduce中的函数 func()(必须是一个二元操作函数)先对集合中的第1,2个数据进行操作,得到的结果再与第三个数据用func()函数运算,最后得到一个结果。

声明:本文系网络转载,版权归原作者所有。如涉及版权,请联系删除!

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180808B08R0600?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。

扫码关注云+社区

领取腾讯云代金券

玩转腾讯云 有奖征文活动