Python：数据操作

切片

切片就是用于截取集合，字符串的工具。下面是如何使用：

Ls = list(range(100))

# 取前面2个元素，如果是0 可以省略不写
print(Ls[:2])
# 取倒数第一个到倒数第三个元素
print(Ls[-3:])
# 前10个数，每两个取一个
print(Ls[:10:2])
# 所有数，每5个取一个
print(Ls[::5])
# 只写[:]就可以原样复制一个list
print(Ls[:])

Tp = (0, 1, 2, 3, 4, 5, 6, 7)

# 使用切片后获取的还是一个tuple
tp_ = Tp[:3]
print(tp_)

str = "ABCDEFG"

# 切片也可以截取字符串,截取之后仍然是字符串
print(str[:3])

迭代

我们都知道，可以使用 for in这个循环来遍历集合，字典，字符串等等，这种遍历就叫做迭代，那么如何判断一个对象是否可以被迭代？可以写如下代码，使用Iterable来判断：

from collections import Iterable

s = "123456"

if isinstance(s,Iterable):
    for ch in s:
        print(ch)

那么如果要对list实现类似Java那样的下标循环怎么办？Python内置的enumerate函数可以把一个list变成索引-元素对，这样就可以在for循环中同时迭代索引和元素本身：

l = list(range(20))

for i,value in enumerate(l):
    print(i,", ",value)

那么问问，以下程序执行结果是什么？

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

for x, y, z in [(3, 1, 3), (2, 4, 3), (3, 9, 3)]:
    print(x, y, z)

#  比如dict的items()可以同时迭代key和value
for k, v in d.items():
        print(k, '=', v)

for循环其实可以同时使用两个甚至多个变量

列表生成式

列表生成式就是简化生成指定格式列表的一种表达式，举个例子，我们要生成1到n之间数的nn的列表，这个时候，通常需要定义一个1到n的集合，然后在循环这个集合，计算nn的再装入一个集合。这样比较麻烦，而列表生成式把要生成的元素x * x放到前面，后面跟for循环，就可以把list创建出来：

# 计算1-10之间元素的平方
print([a * a for a in list(range(1, 10))])
# 加入if判断，筛选出偶数的平方
print([a * a for a in list(range(1, 10)) if a % 2 == 0])
# 使用两层循环，可以生成全排列,当然 也可以两层以上的循环
print([m + n for m in 'ABC' for n in 'XYZ'])
# 也可以使用两个变量来生成list：
d = {'x': 'A', 'y': 'B', 'z': 'C' }
print([k + '=' + v for k, v in d.items()])

生成器

上面的列表生成式我们是生成了10的集合列表，加入我们需要生成一个1000万的集合？但是一般我们只需要访问其中前面几个元素，后面的只是在特殊情况下面才用到，这个时候就有两个问题了，第一：需要大量的内存，第二：浪费大量内存。我们希望生成的这个集合只是在需要的时候产出元素，所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素，这样就不会出现上面两个问题了。那么在Python中，这种一边循环一边计算的机制，称为生成器：generator。

• 第一种创建generator的方式：只要把一个列表生成式的[]改成()，就创建了一个generator

# 创建一个generator
l = (x * x for x in list(range(10)))
print(l)
# 通过next()函数获得generator的下一个返回值,generator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。
# 这里，generator也是可迭代对象，我们创建了一个generator后，基本上永远不会调用next()，而是通过for
# 循环来迭代它，并且不需要关心StopIteration的错误
for n in l:
    print(n)

• 第二种创建generator方式：如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator

# 实现一个斐波拉契数列，fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，
# 推算出后续任意的元素，这种逻辑其实非常类似generator
def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        # 加上下面代码，这个就不是函数而是一个generator,在执行过程中，遇到yield就中断，下次又继续执行。
        yield b
        # t = (b, a + b) # t是一个tuple
        # a = t[0]
        # b = t[1]
        a, b = b, a + b
        n = n + 1
    return 0

# 直接获取数列，为了不报StopIteration错误，一般都用for来遍历，不会用next函数
for x in fib(6):
    print(x)

# 如果需要拿到fib生成的return值，可以这么写：
f = fib(6)
while True:
    try:
        print(next(f))
    except StopIteration as e: # 捕捉这个异常就可以获取了
        print(e.value)
        break

Iterable与Iterator区别

• Iterable：凡是可作用于for循环的对象都是Iterable类型，如list、tuple、dict、set、str等，可以使用isinstance()判断一个对象是否是Iterable对象

• Iterator： 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，生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以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。Iterator甚至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。

把list、dict、str等Iterable变成Iterator可以使用iter()函数：

print( isinstance(iter('abc'), Iterator))