Python 教程之控制流(10)在Python中有效地使用迭代

简介: Python 教程之控制流(10)在Python中有效地使用迭代

下面是使用迭代器的不同方法。C风格的方法:这种方法需要事先知道迭代的总次数。

# 访问列表元素的 C 风格方式
cars = ["Aston", "Audi", "McLaren"]
i = 0
while (i < len(cars)):
  print cars[i]
  i += 1

输出

Aston
Audi
McLaren

重点:

  • Python 程序很少使用这种循环方式。
  • 这种4步方法不会产生单视图循环构造的紧凑性。
  • 这在大型程序或设计中也容易出错。
  • Python中没有C风格的for循环,即类似于for(int I=0;I

使用for-in或for each样式: 他的风格用于Python中,包含列表、字典、n维数组等的迭代器。迭代器在循环时获取每个组件并打印数据。迭代器在此构造中自动递增/递减。

# 使用 for-in 循环访问项
cars = ["Aston", "Audi", "McLaren"]
for x in cars:
  print x

输出:

Aston
Audi 
McLaren

使用range函数索引:我们还可以在Python中使用range()索引。

# 使用索引和 for-in 访问项
cars = ["Aston", "Audi", "McLaren"]
for i in range(len(cars)):
  print cars[i]

输出:

Aston
Audi 
McLaren

enumerate:enumerate是一个内置的Python函数,它将输入作为迭代器、列表等,并返回一个包含索引的元组和迭代器序列中该索引处的数据。例如,enumerate(cars)返回一个迭代器,该迭代器将返回(0,cars[0])、(1,cars[1])、(2,cars[2])等等。

# 使用 enumerate() 访问项目
cars = ["Aston", "Audi", "McLaren "]
for i, x in enumerate(cars):
  print(x)

输出

Aston
Audi
McLaren

下面的解决方案也起作用。

# 访问项和索引 enumerate()
cars = ["Aston" , "Audi", "McLaren "]
for x in enumerate(cars):
  print (x[0], x[1])

输出 :

(0, 'Aston')
(1, 'Audi')
(2, 'McLaren ')

我们还可以直接打印 enumerate() 的返回值,以查看它返回的内容。

# 正在打印 enumerate() 的返回值
cars = ["Aston" , "Audi", "McLaren "]
print (enumerate(cars))

输出 :

<enumerate object at 0x7fe4f914d3c0>

Enumerate采用参数Start,该参数默认设置为零。我们可以将此参数更改为我们喜欢的任何值。在下面的代码中,我们使用了start as 1。

# 演示如何在枚举中使用start
cars = ["Aston" , "Audi", "McLaren "]
for x in enumerate(cars, start=1):
  print (x[0], x[1])

输出

(1, 'Aston')
(2, 'Audi')
(3, 'McLaren ')

enumerate() 帮助嵌入解决方案,以访问迭代器中的每个数据项并获取每个数据项的索引。

循环扩展名:

i) 两个迭代器用于单个循环构造:在这种情况下,列表和字典将用于使用枚举函数的单个循环块中的每个迭代。让我们看一个例子。

# 两个单独的列表
cars = ["Aston", "Audi", "McLaren"]
accessories = ["GPS kit", "Car repair-tool kit"]
# 单一词典持有汽车及其配件的价格。前三项商店汽车价格,后两项商店配件价格。
prices = {1: "570000$", 2: "68000$", 3: "450000$",
    4: "8900$", 5: "4500$"}
# 输出汽车价格
for index, c in enumerate(cars, start=1):
  print "Car: %s Price: %s" % (c, prices[index])
# 输出附件价格
for index, a in enumerate(accessories, start=1):
  print("Accessory: %s Price: %s"
    % (a, prices[index+len(cars)]))

输出

Car: Aston Price: 570000$
Car: Audi Price: 68000$
Car: McLaren Price: 450000$
Accessory: GPS kit Price: 8900$
Accessory: Car repair-tool kit Price: 4500$

ii) ZIP函数(两个迭代器都用于单个循环构造):此函数有助于在第I个位置组合相似类型的迭代器(列表-列表或命令-命令等)数据项。它使用这些输入迭代器中最短的长度。其他具有较大长度迭代器的项将被跳过。如果迭代器为空,则不返回任何输出。

例如,对两个列表(迭代器)使用ZIP有助于组合单个汽车及其所需的附件。

# Python程序来演示zip的工作原理
# 两个单独的清单
cars = ["Aston", "Audi", "McLaren"]
accessories = ["GPS", "Car Repair Kit",
      "Dolby sound kit"]
# 合并列表和打印
for c, a in zip(cars, accessories):
  print "Car: %s, Accessory required: %s"\
    % (c, a)

输出

yaml

Car: Aston, Accessory required: GPS
Car: Audi, Accessory required: Car Repair Kit
Car: McLaren, Accessory required: Dolby sound kit

ZIP函数中的这些迭代器的反向操作称为使用“*”运算符进行解压缩。枚举函数和zip函数的使用有助于实现Python中迭代逻辑的有效扩展,并解决大型任务或问题的更多子问题。

# 使用*和zip函数演示unzip(zip的反向)的Python程序
# 解压缩列表
l1,l2 = zip(*[('Aston', 'GPS'),
      ('Audi', 'Car Repair'),
      ('McLaren', 'Dolby sound kit')
    ])
# 输出 unzipped 列表  
print(l1)
print(l2)

输出:

('Aston', 'Audi', 'McLaren')
('GPS', 'Car Repair', 'Dolby sound kit')



目录
相关文章
|
13天前
|
机器学习/深度学习 算法 搜索推荐
从理论到实践,Python算法复杂度分析一站式教程,助你轻松驾驭大数据挑战!
【10月更文挑战第4天】在大数据时代,算法效率至关重要。本文从理论入手,介绍时间复杂度和空间复杂度两个核心概念,并通过冒泡排序和快速排序的Python实现详细分析其复杂度。冒泡排序的时间复杂度为O(n^2),空间复杂度为O(1);快速排序平均时间复杂度为O(n log n),空间复杂度为O(log n)。文章还介绍了算法选择、分而治之及空间换时间等优化策略,帮助你在大数据挑战中游刃有余。
41 4
|
10天前
|
数据采集 Web App开发 数据可视化
Python爬虫教程:Selenium可视化爬虫的快速入门
Python爬虫教程:Selenium可视化爬虫的快速入门
|
19天前
|
监控 数据可视化 搜索推荐
【Python篇】matplotlib超详细教程-由入门到精通(下篇)2
【Python篇】matplotlib超详细教程-由入门到精通(下篇)
29 8
|
16天前
|
缓存 测试技术 Apache
告别卡顿!Python性能测试实战教程,JMeter&Locust带你秒懂性能优化💡
【10月更文挑战第1天】告别卡顿!Python性能测试实战教程,JMeter&Locust带你秒懂性能优化💡
45 4
|
19天前
|
编解码 数据可视化 IDE
【Python篇】matplotlib超详细教程-由入门到精通(下篇)1
【Python篇】matplotlib超详细教程-由入门到精通(下篇)
26 3
|
9天前
|
存储 大数据 数据处理
理解Python中的生成器:高效迭代的秘密
【10月更文挑战第8天】理解Python中的生成器:高效迭代的秘密
23 0
|
19天前
|
数据可视化 IDE 开发工具
【Python篇】PyQt5 超详细教程——由入门到精通(中篇二)
【Python篇】PyQt5 超详细教程——由入门到精通(中篇二)
174 13
|
19天前
|
数据可视化 API 数据处理
【Python篇】matplotlib超详细教程-由入门到精通(上篇)
【Python篇】matplotlib超详细教程-由入门到精通(上篇)
59 5
|
19天前
|
数据可视化 IDE 开发者
【Python篇】PyQt5 超详细教程——由入门到精通(终篇)
【Python篇】PyQt5 超详细教程——由入门到精通(终篇)
23 1
|
19天前
|
数据可视化 数据处理 数据库
【Python篇】PyQt5 超详细教程——由入门到精通(中篇一)
【Python篇】PyQt5 超详细教程——由入门到精通(中篇一)
24 1