特性

切片

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

 L[:3]=[0,1,2]

 L[-2:]=[9,10]

 L[1:3]=[1,2]

 L[::3]=[0,3,6,9]

 L[:5:2]=[0,2,4]

 >>> alist = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

 >>> alist[-1: -5: -1]

 [9, 8, 7, 6]

 >>> alist[9: 5: -1]

 [9, 8, 7, 6]

 >>> alist[-1::-1]

 [9, 8, 7, 6, 5, 4, 3, 2,1,0]

 >>> alist[6:-8:-1]

 [6, 5, 4, 3]

列表生成式

例如：生成一个1，2，3 …… 的平方的List，用列表生成式就很方便

[x*x for x in range(1:n)]

还可以添加条件筛选

[x*x for x in range(1:n) if x%2 ==]

可以生成全队列

[x+y for x in ‘AB’ for y in ‘CD’]

[‘AC’,’AD’,’BC’,’BD’]

dict用于行列生成式

>>> d = {'x': 'A', 'y': 'B', 'z': 'C' }

>>> [k + '=' + v for k, v in d.items()]

['y=B', 'x=A', 'z=C']

列表生成器

由于当列表生成式生成大量数据时会占用大量的内存，所以如果列表的元素可以通过一边循环一边计算出来，可以节省大量的空间，这种一边循环一边计算的方式成为生成器：generator

g = (x*x for x in [1,2,3,4,5,6,7,8,9]) #定义一个生成器

next(g) 1

next(g) 4

…..

因为生成器也是可迭代对象，所以可以用for n in g print(n)读取生成器数据

例子：斐波拉契数列，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…

def fei(n)

    a,b = 0,1

    while n:

        yield b

        a,b = b,a+b

        n = n-1

    return ‘done’

其中yield是关键字，可以把定义的函数变成一个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。

f = fei(6)

next (f) 1

next(f) 1

或者for x in fib(6)

print(x)

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：

>>> g = fib(6)

>>> while True:

...     try:

...         x = next(g)

...         print('g:', x)

...     except StopIteration as e:

...         print('Generator return value:', e.value)

...         break

...

g: 1

g: 2

g: 3

g: 5

g: 8

Generator return value: done

例子

def yang ()

    L = [1]

    while True

        yield  L

        L = [1] + [L[i]+L[i+1]  for i in range(len(L)-1)] + [1]

巴特西

Python基础——3特性

特性

切片

列表生成式

列表生成器

最新文章

热门文章