【Python】python的高级特性

在Python中，代码不是越多越好，而是越少越好。代码不是越复杂越好，而是越简单越好。请始终牢记，代码越少，开发效率越高。

切片

>>> L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']

• 切片，取前3个元素
  >>> L[0:3]
  说明：L[0:3]表示，从索引0开始取，直到索引3为止，但不包括索引3。即索引0，1，2，正好是3个元素。

• 如果第一个索引是0，可以省略
  >>> L[:3]

• 倒数切片
  >>> L[-2:]
  说明：从倒数第二个取，一直取到最后一个

• 前10个数，每两个取一个
  >>> L = list(range(100)) //创建一个0-99的list
>>> L[:10:2]

• 复制list
  >>> L[:]

• 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]

• 字符串也可以用切片操作，只是操作结果仍是字符串
  >>> 'ABCDEFG'[:3]

列表生成式

• 生成列表：[1x1, 2x2, 3x3, ..., 10x10]
  >>> [x * x for x in range(1, 11)]
  说明：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
• if ... else
  跟在for后面的if是一个筛选条件，不能带else
  >>> [x for x in range(1, 11) if x % 2 == 0]
  for前面的部分是一个表达式，必须加上else。表达式：x if x % 2 == 0，它无法根据x计算出结果，因为缺少else
  >>> [x if x % 2 == 0 else -x for x in range(1, 11)]

生成器

定义：列表元素可以按照某种算法推算出来，可以在循环的过程中不断推算出后续的元素。在Python中，这种一边循环一边计算的机制，称为生成器：generator。

• 创建生成器的方法
  >>> g = (x * x for x in range(10))
• 通过next()函数获得生成器的下一个返回值：
  >>> next(g)
  说明：生成器保存的是算法，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。
• 使用for循环也可获取

>>> g = (x * x for x in range(10))
>>> for n in g:
...     print(n)

迭代器

• 可迭代对象：可以直接作用于for循环的对象统称为可迭代对象
  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。
• isinstance()判断一个对象是否是可迭代对象

>>> 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

• 迭代器：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
• 使用isinstance()判断一个对象是否是迭代器对象

>>> from collections.abc import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False

说明：生成器都是可迭代对象，但list、dict、str虽然是可迭代对象，却不是迭代器。

可以这样简单理解，迭代器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。

• 使用iter()函数，把可迭代对象变成迭代器
  >>> isinstance(iter([]), Iterator)

生成器和迭代器的总结

• 凡是可作用于for循环的对象都是可迭代类型；

• 凡是可作用于next()函数的对象都是迭代器类型，它们表示一个惰性计算的序列；

• 集合数据类型如list、dict、str等是可迭代对象但不是迭代器，不过可以通过iter()函数变为迭代器。

• 生成器是一种特殊的迭代器（注意这个逻辑关系反之不成立）。

• 合理使用生成器，可以降低内存占用、优化程序结构、提高程序速度。

• 生成器在 Python 2 的版本上，是协程的一种重要实现方式；而 Python 3.5 引入 async await 语法糖后，生成器实现协程的方式就已经落后了。

• 迭代器是一个有限集合，生成器则可以成为一个无限集。调用 next()，生成器根据运算会自动生成新的元素

• 声明一个迭代器, [i for i in range(10)]

• 声明一个生成器, (i for i in range(10))

• 生成器并不会像迭代器一样占用大量内存，只有在被使用的时候才会调用。而且生成器在初始化的时候，并不需要运行一次生成操作，相比于迭代器节省了一次生成10个元素的过程，因此耗时明显比迭代器短。

标签：10,迭代,Python,list,生成器,特性,python,range,isinstance
来源： https://www.cnblogs.com/sophia12138/p/15949669.html