用AI赚第一桶💰低成本搭建一套AI赚钱工具,源码可二开。 广告
# 高级特性 [TOC] ## 切片 ```python L = list(range(100)) L[0:3] # 取前3个元素 L[:3] # 第一个索引是0,还可以省略 L[-2:] # 取倒数两个 L[-2:-1]; # 取倒数第一个元素 L[10:20]; # 取十到二十个 L[:10:2] # 前10个数,每两个取一个 L[::5] # 所有数,每5个取一个 L[:] # 原样复制一个list (0, 1, 2, 3, 4, 5)[:3] # tuple也是一种list,tuple也可以用切片操作 'ABCDEFG'[::2] # ACEG 字符串也可以看成是一种list,每个元素就是一个字符 ``` ## 迭代 ```python list = list(range(100)) for v in list: print(v) # dict的迭代只能迭代出key d = {'a': 1, 'b': 2, 'c': 3} for key in d: print(key) # 如果要同时迭代key和value,可以用for k, v in d.items() d = {'a': 1, 'b': 2, 'c': 3} for k,v in d.items(): print(k, ':', v) # 判断可迭代对象 from collections import Iterable isinstance('abcdefg',Iterable) # True isinstance([1,2,3], Iterable) # True isinstance(123, Iterable) # False # Python内置的enumerate函数可以把一个list变成索引-元素对 for i, value in enumerate(['A', 'B', 'C']): print(i, value) # 迭代出list中的tuple for x, y in [(1, 1), (2, 4), (3, 9)]: print(x, y) ``` ### 列表生成式 ```python # 生成[1x1, 2x2, 3x3, ..., 10x10] # [1, 4, 9, 16, 25, 36, 49, 64, 81, 100] [x * x for x in range(1, 11)] # 只生成偶数的 [x * x for x in range(1,20) if x % 2 == 0] # 双层遍历输出 ['Ax', 'Ay', 'Az', 'Bx', 'By', 'Bz', 'Cx', 'Cy', 'Cz'] [m+n for m in 'ABC' for n in 'xyz'] # 列出cmd-markdown目录下的所有文件和目录名 import os [d for d in os.listdir('../cmd-markdown')] # 变小写 L = ['Hello', 'World', 'IBM', 'Apple'] [s.lower() for s in L] # 只对字符串变小写 L = ['Hello', 'World', 18, 'Apple', None] [s.lower() for s in L if isinstance(s , str)] # 通过列表生成式生成 def func(name): args = {'zxg' : 'name','caiwen' : 'nickname', 'gangge' : 'membername'} return args[name]; names = ['zxg','caiwen','gangge'] dict1 = {func(name) : name for name in names} # {'name': 'zxg', 'nickname': 'caiwen', 'membername': 'gangge'} dict2 = {name for name in names} # 变成集合,具有无序的特性 ``` ### 生成器(generator) 1. generator保存的是算法 2. 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 ```python # 创建一个generator: 把一个列表生成式的[]改成(); L = [x * x for x in range(10)] # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] g = (x * x for x in range(10)) # <generator object <genexpr> at 0x00000294CD5DA468> for n in g: print(n) # 斐波拉契数列 : 1, 1, 2, 3, 5, 8, 13, 21, 34, ... def fib(max): c , p , n = 0 , 0 , 1 while c < max: yield n # yield n 变成generator p , n = n , n + p c += 1 return 'done' for v in fib(9): print(v) # <generator object fib at 0x0000012EE03EA468> g = fib(10); ``` 在 for 循环执行时,每次循环都会执行 fib 函数内部的代码,执行到 yield n 时,fib 函数就返回一个迭代值,**下次迭代时,代码从 yield n 的下一条语句继续执行**,而函数的本地变量看起来和上次中断执行前是完全一样的,于是函数继续执行,直到再次遇到 yield。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次,每次中断都会通过 yield 返回当前的迭代值。 #### yield 与 return yield和return都是用在函数体中,但是yield表示生成(类似输出),而return是结束并返回值 #### yield from 使用`yield from`语法可以把复杂的生成器重构成小型的嵌套生成器,省去之前把生成器的工作委托给子生成器所需的大量模板代码。 ```python def fab3(max): n, a, b = 0, 0, 1 while n < max: yield b # print b a, b = b, a + b n = n + 1 # yield from iterable本质上等于for item in iterable: yield item的缩写版 # 不使用yield from iterable def f_wrapper1(f): for g in f: yield g # 生成器fab3(5再委托给子生成器f_wrapper1(f) wrap = f_wrapper1(fab3(5)) for i in wrap: print(i,end=' ') # 使用yield from iterable def f_wrapper2(f): yield from f wrap = f_wrapper2(fab3(5)) for i in wrap: print(i,end=' ') # yield from包含多个子程序 def g(x): yield from range(x, 0, -1) yield from range(x) print(list(g(6))) print(list(g(10))) for g in g(6): print(g,end=' ') ``` ### 迭代器 1. 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。生成器都是Iterator对象 1. 可以使用isinstance()判断一个对象是否是Iterator对象 1. 注意:**list、dict、str虽然是Iterable,却不是Iterator**。因为Iterator可以表示无限大的数据流,而其它集合数据却不可以 1. 把list、dict、str等Iterable变成Iterator可以使用iter()函数: ```python from collections import Iterator isinstance(iter([]), Iterator) # True isinstance(iter('abc'), Iterator) # True ``` > 1. 凡是可作用于for循环的对象都是Iterable类型 > 1. 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;