📚引言

🙋‍♂️作者简介：生鱼同学，大数据科学与技术专业硕士在读👨‍🎓，曾获得华为杯数学建模国家二等奖🏆，MathorCup 数学建模竞赛国家二等奖🏅，亚太数学建模国家二等奖🏅。

✍️研究方向：复杂网络科学

🏆兴趣方向：利用python进行数据分析与机器学习，数学建模竞赛经验交流，网络爬虫等。

在python学习的过程中，我们最先接触到的就是python的数组，元组，字典等基础类型，但很少有人深入讨论python的内置序列类型以及它们的高级使用姿势。

深度学习python的内置序列，不仅能让我们编写的API更加的易用简介，也能够更好的理解python中各种序列的特性。

在本文中，我们就来一起解锁python内置序列的高级用法，玩转pyhon序列。

📖内置序列类型

python中有很多的序列类型，主要可以分为以下两类：

• 容器序列：能存放不同数据类型的数据的序列。（list, tuple, collections.deque）
• 扁平序列：只能容纳一种类型的序列。（str, bytes, bytearray, memoryview, array.array）

说明：扁平序列储存的是一段连续的内存空间，而容器序列存放的是它们包含的任意类型对象的引用。

另外，序列类型还可以从可修改与不可修改的角度进行分类，主要能被分成以下两类：

• 可变序列：list, bytearray, array.array, collections.deque, memoryview
• 不可变序列：str, tuple, bytes

为了深入的讨论可变序列与不可变序列的差异，我们看下面这个UML图：

在上图中，继承从子类指向超类，可以看到可变序列（MutableSequence）继承了不可变序列（Sequence）的很多方法。与此同时，通过UML图我们也可以更直观的发现其不同的地方，这有助于我们了解后续的内置序列类型的差异。

📖列表推导与生成器表达式

📑列表推导

相信大家已经对基础的序列类型list有了初步的了解与认识，但当我们想要创建一个新的数组时，往往会想到使用for循环遍历生成。

其实在python中还存在一种构建列表的方法叫做列表推导(list comprehension)，它是构建列表的快捷方式，同时也能够使你的代码更加易读与简洁。假设我们需要创建从0到10的一个列表，我们来看下面的两段代码：

# 不使用列表推导
example_list_01 = []
for i in range(10):
   example_list_01.append(i)
print(example_list_01)

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

# 列表推导
example_list_01 = [i for i in range(10)]
print(example_list_01)

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

相信大部分人第一时间都会考虑使用第一种方法进行列表的创建，但明显使用了列表推导（生成器表达式推导列表）的例子看起来更加简便且易读。我们再来看一个更复杂的例子，假设我们想要寻找10以内的偶数，我们看下面两段代码：

# 不使用列表推导
example_list_02 = []
for i in range(10):
    if i % 2 == 0:
       example_list_02.append(i)
print(example_list_02)

# 列表推导
example_list_02 = [i for i in range(10) if i % 2 == 0]
print(example_list_02)

显然，下面的代码可读性更强且更为简单。另外，使用filter也能够完成上述的功能，但是可读性并不强。我们使用filter完成上述功能的代码如下：

example_list_03 = list(filter(lambda i: i % 2 == 0, range(10)))
print(example_list_03)

显然，这样的可读性并不强。

在列表推导中，我们还可以将自己的函数或者python内置函数直接对生成的数组进行处理，请看下面这个例子：

def deal(num):
    return '处理过的' + str(num)

deal_list = [deal(i) for i in range(10)]
print(deal_list )

>>> ['处理过的0',
 '处理过的1',
 '处理过的2',
 '处理过的3',
 '处理过的4',
 '处理过的5',
 '处理过的6',
 '处理过的7',
 '处理过的8',
 '处理过的9']

最后，我们再用列表推导表达式尝试计算笛卡尔积并与for循环完成的相同的功能做对比，请看下面的代码：

colors = ['红色','蓝色','绿色']
clothes = ['上衣','裤子','运动鞋']

clothes_list_01 = []
for color in colors:
    for clothe in clothes:
        clothes_list_01.append((color,clothe))
print('未使用列表推导：',clothes_list_01)

clothes_list_02 = [(color,clothe) for color in colors for clothe in clothes]
print('使用列表推导：',clothes_list_01)

结果如下：

未使用列表推导： [('红色', '上衣'), ('红色', '裤子'), ('红色', '运动鞋'), 
('蓝色', '上衣'), ('蓝色', '裤子'), ('蓝色', '运动鞋'), ('绿色', '上衣'), ('绿色', '裤子'), ('绿色', '运动鞋')]
使用列表推导： [('红色', '上衣'), ('红色', '裤子'), ('红色', '运动鞋'), 
('蓝色', '上衣'), ('蓝色', '裤子'), ('蓝色', '运动鞋'), ('绿色', '上衣'), ('绿色', '裤子'), ('绿色', '运动鞋')]

可以看到输出的结果是完全相同的，但是利用列表推导的代码更为简洁。

📑生成器表达式

虽然使用上述的列表推导语法也可以生成元组等其他类型的序列，但是使用生成器表达式会更好。生成器并不是先建立一个完整的列表再将其传递到某个构造函数内，而是逐个产出元素，这会更加的节省内存。

我们看下面几个例子，用来了解生成器表达式是如何生成字典与元组的。

# 使用生成器表达式构建字典
dict_transform_list = [('APPLE', '苹果'), ('BNANA', '香蕉'), ('PEAR', '梨子')]
dict_01 = {key: value for key,value in dict_transform_list}

>>>{'APPLE': '苹果', 'BNANA': '香蕉', 'PEAR': '梨子'}

# 使用生成器表达式构建元组
tuple_01 = tuple(i for i in range(10))

>>>(0, 1, 2, 3, 4, 5, 6, 7, 8, 9)

📍总结

在本文中，介绍了生成器与表达式的用法，帮助我们快速创建数组以及其他序列，解锁了python序列的新姿势。

在后续的更新中，我将继续对元组的高级姿势和玩法进行介绍。

如果你觉得本文对你有帮助的话，希望你点个收藏或帮我点个赞，如果有其他问题也可以私信我与我交流或在评论区与我讨论，我们下次再见。