切片
- str、list、tuple均可切片，返回类型和原来相同
- 取出从m项开始的n个元素，每s个取一个
- 省略
m则为0，省略n则为到最后一个为止,省略:s - 若全省略则
L[:]，等于拷贝
newL=L[m:n(:s)]
len()
len()函数可以获得list/tuple元素的个数、dict键值对的个数、str字符数、bytes字节数
迭代 Iterable
list、tuple、str、bytes、dict、range、generator、set为可迭代对象，因此可以使用for...in进行迭代
判断是否为可迭代对象
from collections.abc import Iterable
isinstance([1,2,3], Iterable)
迭代目标
-
dict等迭代的是key。
如果要迭代value，可以用for value in d.values()，如果要同时迭代key和value，可以用for k, v in d.items()。 -
list等迭代的是元素
如果要迭代下标，可以用``
for i, value in enumerate(["A","B","C"]):
print(i, value)
- 对于value或元素，也可以同时迭代两个(类似ES6解构赋值)
for x, y in [(1, 1), (2, 4), (3, 9)]:
print(x, y)
生成列表
range
range(num)或range(startNum,endNum)(有头无尾)生成range类型，再通过list()转换成列表
列表生成式
[<执行操作> for x in <可迭代对象> (<逻辑判断>)]
如
[x * x for x in range(1, 11) if x % 2 == 0]
#[4, 16, 36, 64, 100]
生成器 generator
- 通过
next()或for循环执行 - 超出长度继续执行时会报
StopIteration错误 - 既属于
Iterable又属于Iterator
- 直接定义
类似列表生成式的方式，[]改为()
g = (x * x for x in range(10))
#print(next(g))
for n in g:
print(n)
- 通过函数定义
存在yield的函数视为generator函数，函数执行时仅返回一个generator对象，每次用next()调用该generator对象时执行函数，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。
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
return 'done'
#next(fib(6))
for n in fib(6):
print(n)
等同于ES6
function* fib(max) {
var n = 0, a = 0, b = 1;
while (n < max) {
yield b;
({ a, b } = { a: b, b: a + b });
n = n + 1;
}
return 'done'
}
//fib(6).next()
for (item of fib(6)) {
console.log(item)
}
return值可通过捕获StopIteration中的value获得
g = fib(6)
while True:
try:
x = next(g)
print('g:', x)
except StopIteration as e:
print('Generator return value:', e.value)
break
迭代器 Iterator
- 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。 -
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，因此节约内存空间，甚至可以表示一个无限大的数字流(如全体自然数) - 使用
iter()函数为list、dict、str等Iterable添加Iterator
myIter=iter('abc')
print(next(myIter),next(myIter),next(myIter))#a b c
Python的for循环本质上就是通过先转换成Iterator再不断调用next()函数实现
- 通过
list()等可以把Iterator转化回非Iterator
处理Iterable的方法
不同于JS中只有数组可以使用，Python中Iterable均可使用以下方法
map
map将传入的函数依次作用到Iterable的每个元素，并把整体结果作为新的Iterator返回。
r = map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])
list(r)//[1, 4, 9, 16, 25, 36, 49, 64, 81]
reduce
reduce把结果继续和Iterable的下一个元素做累积计算
from functools import reduce
def fn(x, y):
return x * 10 + y
reduce(fn, [1, 3, 5, 7, 9])
# 13579
filter
filter把传入的函数依次作用于每个元素，根据返回值是True或False决定保留还是丢弃该元素，并把整体结果作为新的Iterator返回。
def is_odd(n):
return n % 2 == 1
list(filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15]))
# [1, 5, 9, 15]
sorted
python2中可以使用cmp自定义排序规则，python3中已经废弃
- key
只有一个参数，具体的函数的参数就是取自于可迭代对象中，指定可迭代对象中的一个元素来进行排序。 - reverse
排序规则，reverse = True 降序 ， reverse = False 升序（默认）。
sorted(iterable, key=None, reverse=False)
L=[('b',2),('a',1),('c',3),('d',4)]
sorted(L, key=lambda x:x[1])
闭包
与JS相同，函数仅在调用时其中由函数外赋予的变量才会实际获得值，因此返回闭包时尽量不要引用任何循环变量，或者后续会发生变化的变量。如必须调用，需考虑函数嵌套
def count():
def f(j):
def g():
return j*j
return g
fs = []
for i in range(1, 4):
fs.append(f(i)) # f(i)立刻被执行，因此i的当前值被传入f()
return fs
f1, f2, f3 = count()
f1()#1
f2()#4
f3()#9
匿名函数(lambda表达式)
- Python对匿名函数的支持有限，通过关键字
lambda表示匿名函数。 - 匿名函数只能有一个表达式，不用写return，返回值就是该表达式的结果。
lambda x: x * x
def f(x):
return x * x
装饰器
- 在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator）。
- 本质上，decorator就是一个返回函数的高阶函数。
无参数装饰器
def myDecorator(func):
@functools.wraps(func) # wrapper.__name__ = func.__name__
def wrapper(*args, **kw):
...
func(*args, **kw)
...
return wrapper
@myDecorator
def fun():
...
# 等同于 fun = myDecorator(fun)
fun()
有参数装饰器
def myDecorator(param):
def decorator(func):
@functools.wraps(func) # wrapper.__name__ = func.__name__
def wrapper(*args, **kw):
...
func(*args, **kw)
...
return wrapper
return decorator
@myDecorator(param)
def fun():
...
# 等同于 fun = myDecorator(param)(fun)
fun()
偏函数
用于为一个函数的某些参数设置默认值，并返回一个新的函数。
import functools
newFun = functools.partial(fun,*args,**kw)
等价于
def newFun(*args,**kw):
return fun(*args,**kw)
网友评论