Python 序列操作进阶

Python 的序列（sequence）通常指一个可迭代的容器，容器中可以存放任意类型的元素。其中列表（list）是使用的最多的容器。本文讲解了列表推导式、切片命名、列表元素排序、列表元素分组的使用方法。学习了 Python 基本的列表操作后，学习这些进阶的操作，让我们写出的代码更加优雅简洁和 pythonic 。

列表推导式

当我们想要根据某些规则来构造一个列表时，首先想到的应该是列表推导式。列表推导式简化了循环操作，例如我们想要从一个原始文件名列表中获取全部 .py 文件，在没有列表推导式的情况下，我们通常会这样做：

file_list = ['foo.py', 'bar.txt', 'spam.py', 'animal.png', 'test.py']
py_list = []

for file in file_list:
    if file.endswith('.py'):
        py_list.append(file)
        
print(py_list)
# output
['foo.py', 'spam.py', 'test.py']

而如果使用列表推导式则可简化为：

py_list = [f for f in file_list if f.endswith('.py')]
print(py_list)

# output
['foo.py', 'spam.py', 'test.py']

列表推导式的介绍网上资源很多，不再赘述。这里只强调，当你需要根据某个规则来构造一个列表时，首先应该想一想，能否使用简洁的列表推导式来实现该需求，否则再回到常规的方式。

为切片命名

Python 的列表切片使用起来非常方便，但有时也会影响代码可读性。例如有一个字符串：

record = '..........19.6..........100..........'

19.6 为产品价格，100 为产品数量，那么计算总价格为:

total_price = float(record[10:14])*int(record[24:27])

但是如果这样写，可能过一段时间我们再来读代码时已经忘记了 record[10:14] 、record[24:27] 切出来的究竟是什么？为了解决上述问题，可以给切片命个名来增强可读性。

record = '..........19.6..........100..........'
price = slice(10, 14)
count = slice(24, 27)
total_price = float(record[price])*int(record[count])

slice 接收的参数格式为 slice(stop)、slice(start, stop[, step])。如果只接收了一个参数，则等价于切片语法 [:stop] ，如果接收两个参数，则等价于切片语法 [start:stop] ，如果接收三个参数，则等价于切片语法 [start:stop:step] 。

排序

排序相关的任务通常由内置函数 sorted 完成。需要排序的元素一般存放在一个列表容器中，列表可以存放任意类型的元素，而 sorted 函数的 key 关键字使得我们能够轻松地指定元素排序的关键字，让排序变得异常简单。下面将给出几个常见的排序例子以说明 key 关键字的使用方法。注意 Python3 和 Python2 的排序方法不能通用，下面的例子只适用于 Python3 ，Python2 的排序方法未包含在本文中。

情况一

列表中的元素已经是可比较元素，直接将列表传入 sorted 函数即可返回一个已排序列表。默认为升序排列，降序排列可以指定 reverse 参数，例如：

>>> l = [3,5,4,1,8]
>>> sorted(l)
[1, 3, 4, 5, 8]

>>> sorted(l, reverse=True)
[8, 5, 4, 3, 1]
>>> 

情况二

需要排序的元素是一个元组或者字典，希望根据我指定的关键字来排序，例如有如下两个列表：

l_v1 = [('b',2),('a',1),('c',3),('d',4)]
l_v2 = [
    {'fname': 'Brian', 'lname': 'Jones', 'uid': 1003},
    {'fname': 'David', 'lname': 'Beazley', 'uid': 1002},
    {'fname': 'John', 'lname': 'Cleese', 'uid': 1001},
    {'fname': 'Big', 'lname': 'Jones', 'uid': 1004}
]

l_v1 是一个元组列表， l_v2 是一个字典列表。对 l_v1 我们希望根据元组中第二个元素来排序，对 l_v2 我们希望根据字典的关键字 uid 进行排序。

sorted 函数接收一个关键字参数 key ，该参数指定一个可调用函数，函数返回一个值（只要是可比较的），那么 sorted 函数将根据返回的关键字对列表中的元素进行排序。例如对上面的例子：

>>> l_v1 = [('b',2),('a',1),('c',3),('d',4)]
>>> sorted(l_v1, key=lambda x: x[1])
[('a', 1), ('b', 2), ('c', 3), ('d', 4)]

>>> l_v2 = [
    {'fname': 'Brian', 'lname': 'Jones', 'uid': 1003},
    {'fname': 'David', 'lname': 'Beazley', 'uid': 1002},
    {'fname': 'John', 'lname': 'Cleese', 'uid': 1001},
    {'fname': 'Big', 'lname': 'Jones', 'uid': 1004}
]
>>> sorted(l_v2, key=lambda x: x['uid'])
[{'lname': 'Cleese', 'uid': 1001, 'fname': 'John'}, {'lname': 'Beazley', 'uid': 1002, 'fname': 'David'}, {'lname': 'Jones', 'uid': 1003, 'fname': 'Brian'}, {'lname': 'Jones', 'uid': 1004, 'fname': 'Big'}]

这里 lambda 函数是一个常用的技巧。lambda 关键字后边的 x 是该函数接收的参数，冒号后边的表达式是该函数的返回值。对 l_v1 来说，传递给参数 x 的就是每一个元组，其返回元组的第二个元素用于排序；对 l_v2 来说，传递给参数 x 的就是列表中的每一个字典元素，其返回字典中 uid 对应的值用于排序。

除了使用匿名函数 lambda 这种通用的方法外，Python 标准库 operator 为我们提供了一个 itemgetter 函数替代我们写的 lambda 函数，且其性能会比使用 lambda 函数略有提升。

>>> from operator import itemgetter
>>> l_v1 = [('b',2),('a',1),('c',3),('d',4)]
>>> sorted(l_v1, key=itemgetter(1))
[('a', 1), ('b', 2), ('c', 3), ('d', 4)]

>>> l_v2 = [
    {'fname': 'Brian', 'lname': 'Jones', 'uid': 1003},
    {'fname': 'David', 'lname': 'Beazley', 'uid': 1002},
    {'fname': 'John', 'lname': 'Cleese', 'uid': 1001},
    {'fname': 'Big', 'lname': 'Jones', 'uid': 1004}
]
>>> sorted(l_v2, key=itemgetter('uid'))
[
    {'lname': 'Cleese', 'uid': 1001, 'fname': 'John'}, 
    {'lname': 'Beazley', 'uid': 1002, 'fname': 'David'}, 
    {'lname': 'Jones', 'uid': 1003, 'fname': 'Brian'}, 
    {'lname': 'Jones', 'uid': 1004, 'fname': 'Big'}
]

以上例子均是返回一个单一的值用于排序关键字，前面说过，关键字 key 接收的函数可以返回任意的可比较对象。例如在 python 中，元组是可以比较的。对元组的比较规则为首先比较元组中第一个位置上的元素，如果相等，在比较第二个位置上的元素，依次类推。回到 l_v2 的例子，假设现在需求变了，我们首先对 lname 对应的值排序，如果 lname 对应的值相等，那么再根据 fname 确定其顺序。

>>> l_v2 = [
    {'fname': 'Brian', 'lname': 'Jones', 'uid': 1003},
    {'fname': 'David', 'lname': 'Beazley', 'uid': 1002},
    {'fname': 'John', 'lname': 'Cleese', 'uid': 1001},
    {'fname': 'Big', 'lname': 'Jones', 'uid': 1004}
]
>>> sorted(l_v2, key=lambda x: (x['lname'], x['fname']))
[
    {'lname': 'Beazley', 'uid': 1002, 'fname': 'David'}, 
    {'lname': 'Cleese', 'uid': 1001, 'fname': 'John'}, 
    {'lname': 'Jones', 'uid': 1004, 'fname': 'Big'}, 
    {'lname': 'Jones', 'uid': 1003, 'fname': 'Brian'}
]

这个例子中，lambda 函数返回的不再是一个标量值，而是一个元组 (x['lname'], x['fname']) ，根据元组的比较规则，首先根据元组的第一个位置上的元素 x['lname'] 的大小排序，由于列表中有两个字典其 lname 对应的值都为 Jones，因此再根据元组第二个位置的元素 x['fname'] 的值排序，由于 Big 比 Brian 要小（按字母顺序依次比较），所以 Big 排在了前面。

同样使用 itemgetter 函数也是可以的，且性能会略有提升。此外我觉得 itemgetter 比 lambda 更加简洁和可读一点。

>>> l_v2 = [
    {'fname': 'Brian', 'lname': 'Jones', 'uid': 1003},
    {'fname': 'David', 'lname': 'Beazley', 'uid': 1002},
    {'fname': 'John', 'lname': 'Cleese', 'uid': 1001},
    {'fname': 'Big', 'lname': 'Jones', 'uid': 1004}
]
>>> sorted(l_v2, key=itemgetter('lname', 'fname'))
[
    {'lname': 'Beazley', 'uid': 1002, 'fname': 'David'}, 
    {'lname': 'Cleese', 'uid': 1001, 'fname': 'John'}, 
    {'lname': 'Jones', 'uid': 1004, 'fname': 'Big'}, 
    {'lname': 'Jones', 'uid': 1003, 'fname': 'Brian'}
]

情况三

需要排序的元素是一个 Python 对象，我们希望根据其某个属性值来排序。例如一个存放 User 对象的列表如下，根据其 name 属性排序：

class User:
    def __init__(self, name):
        self.name = name
        
    def __str__(self):
        return 'User: %s' % self.name
    
    __repr__ = __str__ # 为了能够让 User 在解释器中显示为 'User: name' 的格式
    
user_list = [User('John'), User('David'), User('Big'), User('Alen')]

方法与前面的一样，定义一个函数返回 User 的 name 属性的值，把该函数传给 sorted 的 key 参数。

>>> user_list = [User('John'), User('David'), User('Big'), User('Alen')]
>>> sorted(user_list, key=lambda x: x.name)
>>> sorted(user_list, key=lambda x: x.name)
[User: Alen, User: Big, User: David, User: John]

但是，itemgetter 方法不再起作用，取而代之的是 attrgetter 方法。

>>> sorted(user_list, key=attrgetter('name'))
[User: Alen, User: Big, User: David, User: John]

attrgetter 与 itemgetter 用法完全一致，只是 itemgetter 用于获取某个位置索引或者字典关键字的取值，而 attrgetter 用于获取对象的属性值。

PS：sorted 返回的是原始列表的一个已排序的副本，而原始列表的顺序并没有任何变化。如果你只想就地排序（即排序原始列表本身），则直接调用 list 的 sort 方法即可：list.sort()。其用法与 sorted 函数一样，只是该函数没有返回值，调用后原始列表已变为一个已排序列表。

对序列中的元素进行分组

和排序类似，现想根据列表中元素的某个关键字分组，使关键字相同的元素分到同一组，并可以对分好的组进行进一步处理。例如有如下的一个列表：

rows = [
    {'address': '5412 N CLARK', 'date': '07/01/2012'},
    {'address': '5148 N CLARK', 'date': '07/04/2012'},
    {'address': '5800 E 58TH', 'date': '07/02/2012'},
    {'address': '2122 N CLARK', 'date': '07/03/2012'},
    {'address': '5645 N RAVENSWOOD', 'date': '07/02/2012'},
    {'address': '1060 W ADDISON', 'date': '07/02/2012'},
    {'address': '4801 N BROADWAY', 'date': '07/01/2012'},
    {'address': '1039 W GRANVILLE', 'date': '07/04/2012'},
]

列表的元素为字典，现想根据字典的 date 分组，使日期（ date ）相同的元素分到一个组。Python 的 itertools 模块中的 groupby 函数可以很好地解决该问题。为了使用 groupby 函数，首先需要对列表排序：

>>> from operator import itemgetter
>>> sorted_rows = sorted(rows, key=itemgetter('date'))

groupby 也和 sorted 一样有一个 key 关键字参数，其接收一个可调用函数，该函数返回的值被用做分组的关键字，其用法和 sorted 的 key 关键字参数一样 。

>>> for date, items in groupby(sorted_rows, key=itemgetter('date')):
    print(date)
    for i in items:
        print(' ', i)
    
07/01/2012
  {'address': '5412 N CLARK', 'date': '07/01/2012'}
  {'address': '4801 N BROADWAY', 'date': '07/01/2012'}
07/02/2012
  {'address': '5800 E 58TH', 'date': '07/02/2012'}
  {'address': '5645 N RAVENSWOOD', 'date': '07/02/2012'}
  {'address': '1060 W ADDISON', 'date': '07/02/2012'}
07/03/2012
  {'address': '2122 N CLARK', 'date': '07/03/2012'}
07/04/2012
  {'address': '5148 N CLARK', 'date': '07/04/2012'}
  {'address': '1039 W GRANVILLE', 'date': '07/04/2012'}

可以看到 groupby 返回的值分别是用于分组的关键字对应的值和该组的全部成员。groupby 实际返回一个生成器，通过迭代即可分别对各组进行处理。值得注意的一点是，分组前对列表排序这一步必不可少，否则对于非紧邻的元素即使其值相同也会被分在不同组。