Python——廖雪峰老師的教程筆記（第三章

第三章 高級特性

掌握了Python的數據類型、語句和函數，基本上就可以編寫出很多有用的程序了。

比如構造一個1, 3, 5, 7, ..., 99的列表，可以通過循環實現：

L = []n = 1while n <= 99: L.append(n) n = n + 2 #取list的前一半的元素，也可以通過循環實現。

但是在Python中，代碼不是越多越好，而是越少越好。代碼不是越複雜越好，而是越簡單越好。

基於這一思想，我們來介紹Python中非常有用的高級特性，1行代碼能實現的功能，決不寫5行代碼。請始終牢記，代碼越少，開發效率越高。

1、切片

取一個list或tuple的部分元素是非常常見的操作。比如，一個list如下：

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

取前3個元素，應該怎麼做？

笨辦法：

>>> [L[0], L[1], L[2]][Michael, Sarah, Tracy]

之所以是笨辦法是因為擴展一下，取前N個元素就沒轍了。

取前N個元素，也就是索引為0-(N-1)的元素，可以用循環：

>>> r = []>>> n = 3>>> for i in range(n):... r.append(L[i])... >>> r[Michael, Sarah, Tracy]

對這種經常取指定索引範圍的操作，用循環十分繁瑣，因此，Python提供了切片（Slice）操作符，能大大簡化這種操作。

對應上面的問題，取前3個元素，用一行代碼就可以完成切片：

>>> L[0:3][Michael, Sarah, Tracy]

L[0:3]表示，從索引0開始取，直到索引3為止，但不包括索引3。即索引0，1，2，正好是3個元素。

如果第一個索引是0，還可以省略：

>>> L[:3][Michael, Sarah, Tracy]

也可以從索引1開始，取出2個元素出來：

>>> L[1:3][Sarah, Tracy]

類似的，既然Python支持L[-1]取倒數第一個元素，那麼它同樣支持倒數切片，試試：

>>> L[-2:][Bob, Jack]>>> L[-2:-1][Bob]

記住倒數第一個元素的索引是-1。

切片操作十分有用。我們先創建一個0-99的數列：

>>> L = list(range(100))>>> L[0, 1, 2, 3, ..., 99]

可以通過切片輕鬆取出某一段數列。比如前10個數：

>>> L[:10][0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

後10個數：

>>> L[-10:][90, 91, 92, 93, 94, 95, 96, 97, 98, 99]

前11-20個數：

>>> L[10:20][10, 11, 12, 13, 14, 15, 16, 17, 18, 19]

前10個數，每兩個取一個：

>>> L[:10:2][0, 2, 4, 6, 8]

所有數，每5個取一個：

>>> L[::5][0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]

甚至什麼都不寫，只寫[:]就可以原樣複製一個list：

>>> L[:][0, 1, 2, 3, ..., 99]

tuple也是一種list，唯一區別是tuple不可變。因此，tuple也可以用切片操作，只是操作的結果仍是tuple：

>>> (0, 1, 2, 3, 4, 5)[:3](0, 1, 2)

字元串xxx也可以看成是一種list，每個元素就是一個字元。因此，字元串也可以用切片操作，只是操作結果仍是字元串：

>>> ABCDEFG[:3]ABC>>> ABCDEFG[::2]ACEG

在很多編程語言中，針對字元串提供了很多各種截取函數（例如，substring），其實目的就是對字元串切片。Python沒有針對字元串的截取函數，只需要切片一個操作就可以完成，非常簡單。

練習

利用切片操作，實現一個trim()函數，去除字元串首尾的空格，注意不要調用str的strip()方法：

def trim(s): if s==: return s elif s[0]!= and s[-1]!= : return s elif s[0]== and s[-1]== : s=s[1:-1] if s==: return s else: return trim(s) elif s[0] == and s[-1] != : s=s[1:] return trim(s) elif s[0] != and s[-1] == : s=s[:-1] return trim(s)# 測試:if trim(hello ) != hello: print(測試失敗!)elif trim( hello) != hello: print(測試失敗!)elif trim( hello ) != hello: print(測試失敗!)elif trim( hello world ) != hello world: print(測試失敗!)elif trim() != : print(測試失敗!)elif trim( ) != : print(測試失敗!)else: print(測試成功!)

2、list

如果給定一個list或tuple，我們可以通過for循環來遍歷這個list或tuple，這種遍歷我們稱為迭代（Iteration）。

在Python中，迭代是通過for ... in來完成的，而很多語言比如C語言，迭代list是通過下標完成的，比如Java代碼：

for (i=0; i<list.length; i++) { n = list[i];}

可以看出，Python的for循環抽象程度要高於C的for循環，因為Python的for循環不僅可以用在list或tuple上，還可以作用在其他可迭代對象上。

list這種數據類型雖然有下標，但很多其他數據類型是沒有下標的，但是，只要是可迭代對象，無論有無下標，都可以迭代，比如dict就可以迭代：

>>> d = {a: 1, b: 2, c: 3}>>> for key in d:... print(key)...acb

因為dict的存儲不是按照list的方式順序排列，所以，迭代出的結果順序很可能不一樣。

默認情況下，dict迭代的是key。如果要迭代value，可以用for value in d.values()，如果要同時迭代key和value，可以用for k, v in d.items()。

由於字元串也是可迭代對象，因此，也可以作用於for循環：

>>> for ch in ABC:... print(ch)...ABC

所以，當我們使用for循環時，只要作用於一個可迭代對象，for循環就可以正常運行，而我們不太關心該對象究竟是list還是其他數據類型。

那麼，如何判斷一個對象是可迭代對象呢？方法是通過collections模塊的Iterable類型判斷：

>>> from collections import Iterable>>> isinstance(abc, Iterable) # str是否可迭代True>>> isinstance([1,2,3], Iterable) # list是否可迭代True>>> isinstance(123, Iterable) # 整數是否可迭代False

最後一個小問題，如果要對list實現類似Java那樣的下標循環怎麼辦？Python內置的enumerate函數可以把一個list變成索引-元素對，這樣就可以在for循環中同時迭代索引和元素本身：

>>> for i, value in enumerate([A, B, C]):... print(i, value)...0 A1 B2 C

上面的for循環里，同時引用了兩個變數，在Python里是很常見的，比如下面的代碼：

>>> for x, y in [(1, 1), (2, 4), (3, 9)]:... print(x, y)...1 12 43 9

練習

請使用迭代查找一個list中最小和最大值，並返回一個tuple：

# -*- coding: utf-8 -*-def findMinAndMax(L):# 測試if findMinAndMax([]) != (None, None): print(測試失敗!)elif findMinAndMax([7]) != (7, 7): print(測試失敗!)elif findMinAndMax([7, 1]) != (1, 7): print(測試失敗!)elif findMinAndMax([7, 1, 3, 9, 5]) != (1, 9): print(測試失敗!)else: print(測試成功!)

小結

任何可迭代對象都可以作用於for循環，包括我們自定義的數據類型，只要符合迭代條件，就可以使用for循環

3、列表生成式

列表生成式即List Comprehensions，是Python內置的非常簡單卻強大的可以用來創建list的生成式。

舉個例子，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]

但如果要生成[1x1, 2x2, 3x3, ..., 10x10]怎麼做？方法一是循環：

>>> L = []>>> for x in range(1, 11):... L.append(x * x)...>>> L[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

但是循環太繁瑣，而列表生成式則可以用一行語句代替循環生成上面的list：

>>> [x * x for x in range(1, 11)][1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

寫列表生成式時，把要生成的元素x * x放到前面，後面跟for循環，就可以把list創建出來，十分有用，多寫幾次，很快就可以熟悉這種語法。

for循環後面還可以加上if判斷，這樣我們就可以篩選出僅偶數的平方：

>>> [x * x for x in range(1, 11) if x % 2 == 0][4, 16, 36, 64, 100]

還可以使用兩層循環，可以生成全排列：

>>> [m + n for m in ABC for n in XYZ][AX, AY, AZ, BX, BY, BZ, CX, CY, CZ]

三層和三層以上的循環就很少用到了。

運用列表生成式，可以寫出非常簡潔的代碼。例如，列出當前目錄下的所有文件和目錄名，可以通過一行代碼實現：

>>> import os # 導入os模塊，模塊的概念後面講到>>> [d for d in os.listdir(.)] # os.listdir可以列出文件和目錄[.emacs.d, .ssh, .Trash, Adlm, Applications, Desktop, Documents, Downloads, Library, Movies, Music, Pictures, Public, VirtualBox VMs, Workspace, XCode]

for循環其實可以同時使用兩個甚至多個變數，比如dict的items()可以同時迭代key和value：

>>> d = {x: A, y: B, z: C }>>> for k, v in d.items():... print(k, =, v)...y = Bx = Az = C

因此，列表生成式也可以使用兩個變數來生成list：

>>> d = {x: A, y: B, z: C }>>> [k + = + v for k, v in d.items()][y=B, x=A, z=C]

最後把一個list中所有的字元串變成小寫：

>>> L = [Hello, World, IBM, Apple]>>> [s.lower() for s in L][hello, world, ibm, apple]

練習

如果list中既包含字元串，又包含整數，由於非字元串類型沒有lower()方法，所以列表生成式會報錯：

>>> L = [Hello, World, 18, Apple, None]>>> [s.lower() for s in L]Traceback (most recent call last): File "<stdin>", line 1, in <module> File "<stdin>", line 1, in <listcomp>AttributeError: int object has no attribute lower

使用內建的isinstance函數可以判斷一個變數是不是字元串：

>>> x = abc>>> y = 123>>> isinstance(x, str)True>>> isinstance(y, str)False

請修改列表生成式，通過添加if語句保證列表生成式能正確地執行：

# -*- coding: utf-8 -*-L1 = [Hello, World, 18, Apple, None]# 測試:print(L2)if L2 == [hello, world, apple]: print(測試通過!)else: print(測試失敗!)

小結

運用列表生成式，可以快速生成list，可以通過一個list推導出另一個list，而代碼卻十分簡潔。

4、生成器

通過列表生成式，我們可以直接創建一個列表。但是，受到內存限制，列表容量肯定是有限的。而且，創建一個包含100萬個元素的列表，不僅佔用很大的存儲空間，如果我們僅僅需要訪問前面幾個元素，那後面絕大多數元素佔用的空間都白白浪費了。

所以，如果列表元素可以按照某種演算法推算出來，那我們是否可以在循環的過程中不斷推算出後續的元素呢？這樣就不必創建完整的list，從而節省大量的空間。在Python中，這種一邊循環一邊計算的機制，稱為生成器：generator。

要創建一個generator，有很多種方法。第一種方法很簡單，只要把一個列表生成式的[]改成()，就創建了一個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 0x1022ef630>

創建L和g的區別僅在於最外層的[]和()，L是一個list，而g是一個generator。

我們可以直接列印出list的每一個元素，但我們怎麼列印出generator的每一個元素呢？

如果要一個一個列印出來，可以通過next()函數獲得generator的下一個返回值：

>>> 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 "<stdin>", line 1, in <module>StopIteration

我們講過，generator保存的是演算法，每次調用next(g)，就計算出g的下一個元素的值，直到計算到最後一個元素，沒有更多的元素時，拋出StopIteration的錯誤。

當然，上面這種不斷調用next(g)實在是太變態了，正確的方法是使用for循環，因為generator也是可迭代對象：

>>> g = (x * x for x in range(10))>>> for n in g:... print(n)... 0149162536496481

所以，我們創建了一個generator後，基本上永遠不會調用next()，而是通過for循環來迭代它，並且不需要關心StopIteration的錯誤。

generator非常強大。如果推算的演算法比較複雜，用類似列表生成式的for循環無法實現的時候，還可以用函數來實現。

比如，著名的斐波拉契數列（Fibonacci），除第一個和第二個數外，任意一個數都可由前兩個數相加得到：

1, 1, 2, 3, 5, 8, 13, 21, 34, ...

斐波拉契數列用列表生成式寫不出來，但是，用函數把它列印出來卻很容易：

def fib(max): n, a, b = 0, 0, 1 while n < max: print(b) a, b = b, a + b n = n + 1 return done

注意，賦值語句：

a, b = b, a + b

相當於：

t = (b, a + b) # t是一個tuplea = t[0]b = t[1]

但不必顯式寫出臨時變數t就可以賦值。

上面的函數可以輸出斐波那契數列的前N個數：

>>> fib(6)112358done

仔細觀察，可以看出，fib函數實際上是定義了斐波拉契數列的推算規則，可以從第一個元素開始，推算出後續任意的元素，這種邏輯其實非常類似generator。

也就是說，上面的函數和generator僅一步之遙。要把fib函數變成generator，只需要把print(b)改為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

這就是定義generator的另一種方法。如果一個函數定義中包含yield關鍵字，那麼這個函數就不再是一個普通函數，而是一個generator：

>>> f = fib(6)>>> f<generator object fib at 0x104feaaa0>

這裡，最難理解的就是generator和函數的執行流程不一樣。函數是順序執行，遇到return語句或者最後一行函數語句就返回。而變成generator的函數，在每次調用next()的時候執行，遇到yield語句返回，再次執行時從上次返回的yield語句處繼續執行。

舉個簡單的例子，定義一個generator，依次返回數字1，3，5：

def odd(): print(step 1) yield 1 print(step 2) yield(3) print(step 3) yield(5)

調用該generator時，首先要生成一個generator對象，然後用next()函數不斷獲得下一個返回值：

>>> o = odd()>>> next(o)step 11>>> next(o)step 23>>> next(o)step 35>>> next(o)Traceback (most recent call last): File "<stdin>", line 1, in <module>StopIteration

可以看到，odd不是普通函數，而是generator，在執行過程中，遇到yield就中斷，下次又繼續執行。執行3次yield後，已經沒有yield可以執行了，所以，第4次調用next(o)就報錯。

回到fib的例子，我們在循環過程中不斷調用yield，就會不斷中斷。當然要給循環設置一個條件來退出循環，不然就會產生一個無限數列出來。

同樣的，把函數改成generator後，我們基本上從來不會用next()來獲取下一個返回值，而是直接使用for循環來迭代：

>>> for n in fib(6):... print(n)...112358

但是用for循環調用generator時，發現拿不到generator的return語句的返回值。如果想要拿到返回值，必須捕獲StopIteration錯誤，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: 1g: 1g: 2g: 3g: 5g: 8Generator return value: done

關於如何捕獲錯誤，後面的錯誤處理還會詳細講解。

練習

楊輝三角定義如下：

1 / 1 1 / / 1 2 1 / / / 1 3 3 1 / / / / 1 4 6 4 1 / / / / / 1 5 10 10 5 1

把每一行看做一個list，試寫一個generator，不斷輸出下一行的list：

# -*- coding: utf-8 -*-def triangles():# 期待輸出:# [1]# [1, 1]# [1, 2, 1]# [1, 3, 3, 1]# [1, 4, 6, 4, 1]# [1, 5, 10, 10, 5, 1]# [1, 6, 15, 20, 15, 6, 1]# [1, 7, 21, 35, 35, 21, 7, 1]# [1, 8, 28, 56, 70, 56, 28, 8, 1]# [1, 9, 36, 84, 126, 126, 84, 36, 9, 1]n = 0results = []for t in triangles(): print(t) results.append(t) n = n + 1 if n == 10: breakif results == [ [1], [1, 1], [1, 2, 1], [1, 3, 3, 1], [1, 4, 6, 4, 1], [1, 5, 10, 10, 5, 1], [1, 6, 15, 20, 15, 6, 1], [1, 7, 21, 35, 35, 21, 7, 1], [1, 8, 28, 56, 70, 56, 28, 8, 1], [1, 9, 36, 84, 126, 126, 84, 36, 9, 1]]: print(測試通過!)else: print(測試失敗!)

小結

generator是非常強大的工具，在Python中，可以簡單地把列表生成式改成generator，也可以通過函數實現複雜邏輯的generator。

要理解generator的工作原理，它是在for循環的過程中不斷計算出下一個元素，並在適當的條件結束for循環。對於函數改成的generator來說，遇到return語句或者執行到函數體最後一行語句，就是結束generator的指令，for循環隨之結束。

請注意區分普通函數和generator函數，普通函數調用直接返回結果：

>>> r = abs(6)>>> r6

generator函數的「調用」實際返回一個generator對象：

>>> g = fib(6)>>> g<generator object fib at 0x1022ef948>

5、迭代器

我們已經知道，可以直接作用於for循環的數據類型有以下幾種：

一類是集合數據類型，如list、tuple、dict、set、str等；

一類是generator，包括生成器和帶yield的generator function。

這些可以直接作用於for循環的對象統稱為可迭代對象：Iterable。

可以使用isinstance()判斷一個對象是否是Iterable對象：

>>> 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於for循環，還可以被next()函數不斷調用並返回下一個值，直到最後拋出StopIteration錯誤表示無法繼續返回下一個值了。

可以被next()函數調用並不斷返回下一個值的對象稱為迭代器：Iterator。

可以使用isinstance()判斷一個對象是否是Iterator對象：

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

生成器都是Iterator對象，但list、dict、str雖然是Iterable，卻不是Iterator。

把list、dict、str等Iterable變成Iterator可以使用iter()函數：

>>> isinstance(iter([]), Iterator)True>>> isinstance(iter(abc), Iterator)True

你可能會問，為什麼list、dict、str等數據類型不是Iterator？

這是因為Python的Iterator對象表示的是一個數據流，Iterator對象可以被next()函數調用並不斷返回下一個數據，直到沒有數據時拋出StopIteration錯誤。可以把這個數據流看做是一個有序序列，但我們卻不能提前知道序列的長度，只能不斷通過next()函數實現按需計算下一個數據，所以Iterator的計算是惰性的，只有在需要返回下一個數據時它才會計算。

Iterator甚至可以表示一個無限大的數據流，例如全體自然數。而使用list是永遠不可能存儲全體自然數的。

小結

凡是可作用於for循環的對象都是Iterable類型；

凡是可作用於next()函數的對象都是Iterator類型，它們表示一個惰性計算的序列；

集合數據類型如list、dict、str等是Iterable但不是Iterator，不過可以通過iter()函數獲得一個Iterator對象。

Python的for循環本質上就是通過不斷調用next()函數實現的，例如：

for x in [1, 2, 3, 4, 5]: pass

實際上完全等價於：

# 首先獲得Iterator對象:it = iter([1, 2, 3, 4, 5])# 循環:while True: try: # 獲得下一個值: x = next(it) except StopIteration: # 遇到StopIteration就退出循環 break

推薦閱讀：