【Python指南 | 第七篇】推导式、迭代器、生成器,这一篇就够了

简介: 【Python指南 | 第七篇】推导式、迭代器、生成器,这一篇就够了



推导式

推导式是一种独特的数据处理方式,可以从一个数据序列构建另一个新的数据序列的结构体。

Python 支持各种数据结构的推导式:

  • 列表(list)推导式
  • 字典(dict)推导式
  • 集合(set)推导式
  • 元组(tuple)推导式

列表推导式

语法格式:

[表达式 for 变量 in 列表] 
[out_exp_res for out_exp in input_list]
或者 
[表达式 for 变量 in 列表 if 条件]
[out_exp_res for out_exp in input_list if condition]
  • out_exp_res:列表生成元素表达式,可以是有返回值的函数。
  • for out_exp in input_list:迭代 input_list 将 out_exp 传入到 out_exp_res 表达式中。
  • if condition:条件语句,可以过滤列表中不符合条件的值。

实例如下,过滤掉长度小于或等于3的字符串列表,并将剩下的转换成大写字母:

字典推导式

语法格式:

{ key_expr: value_expr for value in collection }
{ key_expr: value_expr for value in collection if condition }

实例如下,使用字符串及其长度创建字典:

集合推导式

语法格式:

{ expression for item in Sequence }
{ expression for item in Sequence if conditional }

实例如下,计算数字 1,2,3 的平方数:

元组推导式(生成器表达式)

元组推导式可以利用 range 区间、元组、列表、字典和集合等数据类型,快速生成一个满足指定需求的元组。

语法格式:

(expression for item in Sequence )
(expression for item in Sequence if conditional )

实例如下,生成一个包含数字 1~9 的元组:

迭代器

迭代器是一个可以记住遍历的位置的对象。迭代器对象从集合的第一个元素开始访问,直到所有的元素被访问完结束。迭代器只能往前不会后退。

迭代器有两个基本的方法:iter()next()

  • for语句创建迭代器
list=[1,2,3,4]
it = iter(list)    # 创建迭代器对象
for x in it:
    print (x, end=" ")

  • next()函数创建迭代器
import sys
list = [1, 2, 3, 4]
it = iter(list)  # 创建迭代器对象
while True:
    try:
        print(next(it))
    except StopIteration:
        sys.exit()

把一个类作为一个迭代器使用需要在类中实现两个方法 __iter__()__next__() ,本文不再详述。

生成器

在 Python 中,使用了 yield 的函数被称为生成器(generator)。

  • yield 是一个关键字,用于定义生成器函数,生成器函数是一种特殊的函数,可以在迭代过程中逐步产生值,而不是一次性返回所有结果。
  • 当在生成器函数中使用 yield 语句时,函数的执行将会暂停,并将 yield 后面的表达式作为当前迭代的值返回。

举个例子:

据此,我们可以使用生成器构建一个斐波那契数列:

try...except 是 Python 中的异常处理机制。当迭代器已经到达最后一个元素时,调用 next 函数会抛出 StopIteration 异常。为了终止程序的运行,我们需要使用 sys.exit() 来退出程序。

否则会产生如下回显,这是我们不期望看到的:


本文内容到此结束,在下一篇文章中将介绍自定义函数、输入与输出等知识点。

目录
相关文章
|
5天前
|
存储 安全 数据库
Python中的可迭代性与迭代器
在Python中,可迭代性和迭代器是非常重要的概念,它们为我们提供了一种优雅且高效的方式来处理序列和集合数据。本文将深入探讨这些概念,包括可迭代协议以及与异步编程相关的可迭代性和迭代器。
|
4天前
|
存储 安全 数据库
Python中的可迭代性与迭代器
在Python中,可迭代性和迭代器是非常重要的概念,它们为我们提供了一种优雅且高效的方式来处理序列和集合数据。本文将深入探讨这些概念,包括可迭代协议以及与异步编程相关的可迭代性和迭代器。
|
16天前
|
程序员 开发者 Python
探索Python中的推导式-推导式的使用
【8月更文挑战第3天】
30 13
|
19天前
|
Python
探索Python中的列表推导式:从基础到高级应用
【7月更文挑战第31天】在Python编程的多彩世界中,列表推导式以其简洁和高效著称。本文将带领读者从零开始,深入理解列表推导式的工作原理,并通过实际代码示例展示如何利用它解决日常编程问题。我们还将探讨一些高级用法,比如嵌套推导式和生成器表达式,以及它们如何优化性能和简化代码。最后,文章将以思考题结束,鼓励读者将所学应用于更广泛的场景中。
16 5
|
18天前
|
测试技术 数据处理 开发者
探索Python中的列表推导式:简洁与效率的融合
【8月更文挑战第2天】在Python编程世界中,列表推导式以其简明扼要的语法和高效的性能而备受青睐。本文将通过实际代码示例深入探讨列表推导式的使用场景、优势及其背后的工作原理。我们将一起见证如何通过几行简单的代码,完成复杂的数据处理任务,并评估其在不同情况下的性能表现。
|
28天前
|
存储 Python
Python代码优化使用生成器(Generators)
【7月更文挑战第22天】
35 5
|
28天前
|
Python
|
7天前
|
大数据 Python
Python理解与实现生成器 (Generators)
Python理解与实现生成器 (Generators)
7 0
|
1月前
|
数据采集 存储 大数据
Python中关于迭代器的使用
总之,迭代器是Python编程的基石,它们在处理数据、优化性能和构建复杂系统方面都有着不可替代的地位。随着技术的不断进步,迭代器将继续在各种编程场景中发挥重要作用。
|
1月前
|
存储 大数据 数据处理
优化Python中的数据处理效率:使用生成器提升性能
在Python编程中,有效的数据处理是提升性能和效率的关键。本文将探讨如何利用生成器(generator)优化数据处理过程,通过实例展示生成器如何在内存效率和执行速度上带来显著提升。