【Python21天学习挑战赛】-迭代器 & f-格式化 & 模块

简介: 【Python21天学习挑战赛】-迭代器 & f-格式化 & 模块

活动地址:CSDN21天学习挑战赛

学习的最大理由是想摆脱平庸,早一天就多一份人生的精彩;迟一天就多一天平庸的困扰。

迭代器

1、功能:
  • 是访问集合元素的一种方式。
  • 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。

可迭代的对象:

list、dict、str、set、tuple
list.__iter__()
dict.__iter__()
str.__iter__()
set.__iter__()
tuple.__iter__()
print(dir(list))
['add', 'class', 'contains', 'delattr', 'delitem', 'dir', 'doc', 'eq', 'format', 'ge',
 'getattribute', 'getitem', 'gt', 'hash', 'iadd', 'imul', 'init', 'init_subclass','iter',
  'le', 'len', 'lt', 'mul', 'ne', 'new', 'reduce', 'reduce_ex', 'repr', 'reversed', 'rmul',
  'setattr', 'setitem', 'sizeof', 'str', 'subclasshook', 'append', 'clear', 'copy', 'count', 
  'extend', 'index', 'insert', 'pop', 'remove', 'reverse', 'sort']
2、可迭代对象的利弊
  • 优点:
  • 😀使用灵活
  • 😀直接查看值
  • 缺点:
  • ☹️消耗内存
3、创建一个迭代器

说明:官方声明只要具有 iter() 与 next() 方法就是迭代器

#将可迭代对象转换为迭代器
lst=[1,2,3,4,5,6]
new_lis=lst.__iter__()
new_lis.__iter__()
new_lis.__next__()
遍历迭代器
s="1234"
count=len(s)
new_s=s.__iter__()
while count:
    print(new_s.__next__())
    count-=1
# 输出:
#1
#2
#3
#4
StopIteration

说明:StopIteration 异常用于标识迭代的完成,防止出现无限循环的情况,在 next() 方法中我们可以设置在完成指定循环次数后触发 StopIteration 异常来结束迭代。

s=[1,2,3,4,5]
new_s=s.__iter__()
while True:
    try:
        print(new_s.__next__())
    except StopIteration:
        print("超出界限了")
        break
#    输出:
# 1
# 2
# 3
# 4
# 5
# 超出界限了

函数名的第一类对象

1、函数名可以当作值被赋值给变量
def func():
    print(1)
# print(func)
a=func
a()
2、函数名当作元素存放在容器中
def func():
    print(1)
lis=[func,func,func]
for i in lis:
    i()
3、函数名可以当作函数的参数
def fun(f):
    print(f)
def foo():
    print(123)
fun(foo)
#   <function foo at 0x01E3F070>
4、函数名可以当做函数的返回值
def func():
    def foo():
        print(1)
    return foo()
func()
  1

def f1():
    def f2():
        print(1)
        def f3():
            print(2)
        return f2   #返回f2的地址
    f2()       #定义了f2(),f3(),但是只调用f2,f3没有调用
    ret=f2()    #f2函数的内存地址
    return ret
print(f1())

f-格式化

说明:python3.6版本以上才能使用

1、填充字符串
s=f"你好,{'憨憨'}"  #填充字符串
s1=F"你好,{'憨憨2'}"
print(s)
print(s1)
# 你好,憨憨
# 你好,憨憨2
2、填充变量
s1=f"你还是挺好的。{s}"    #填充变量
print(s1)
3、填充计算公式
s1=f"我让你计算的结果是:{1+1}"
print(s1)
4、填充表达式
a=10
b=20
s1=f"{a if a>b else b}"
print(s1)

模块

from … import 语句

说明:模块中导入一个指定的部分到当前的命名空间中

语法:

from modname import name1[, name2[, ... nameN]]
from … import * 语句

说明:将一个模块的所有内容全部导入到当前命名空间

from modname import *
__name__属性

说明:一个模块被另一个程序第一次引入时,其主程序将运行。如果我们想在模块被引入时,模块中的某一程序块不执行,我们可以用__name__属性来使该程序块仅在该模块自身运行时执行。

if __name__ == '__main__':
   print('程序自身在运行')
else:
   print('我来自另一模块')


相关文章
|
16小时前
|
Python
【Python操作基础】——字典,迭代器和生成器
【Python操作基础】——字典,迭代器和生成器
|
2天前
|
Python Windows
python中的异常与模块
python中的异常与模块
9 1
|
3天前
|
小程序 程序员 开发者
Python学习心得——小白的成长之路
Python学习心得——小白的成长之路
11 0
|
3天前
|
存储 数据处理 Python
python 之map、zip和filter迭代器示例详解
python 之map、zip和filter迭代器示例详解
8 0
|
3天前
|
存储 程序员 Python
深入理解Python中的生成器和迭代器
本文将深入探讨Python中生成器和迭代器的概念、原理以及它们在编程中的应用。通过详细解析生成器和迭代器的工作机制,读者将能够更好地理解Python中的迭代器协议、生成器函数以及生成器表达式的使用方法。同时,本文还将介绍生成器和迭代器在Python中的一些常见应用场景,并提供一些实用的编程技巧和最佳实践。
|
4天前
|
网络安全 Python
网安之python基础学习练习(2-3)
本篇博文是关于网络安全课程中Python编程的学习实践总结。分享关于两个练习题目及其解决方案。第一个题目要求用户输入姓名并选择一项武技,使用for循环和if判断实现。第二个题目是删除列表中特定值(如&#39;cat&#39;)的所有元素,作者展示了两种方法,包括列表推导式和常规循环删除。接下来,文章还介绍了如何编写一个函数,随机生成一副扑克牌(除大小王),并返回一张随机抽取的牌。
|
4天前
|
存储 网络安全 索引
网安之python基础学习练习(1)
本篇博文是关于网络安全课程中Python编程学习的总结,主要内容包括:1) 常见数据类型的回顾和应用,如数字(整数、浮点数、复数)、字符串、列表、元组、集合、字典和布尔类型;2) 数据类型的实例操作,展示如何创建和使用这些类型;3) 数值类型之间的加、减、乘、除和模运算;4) 列表和元组的索引访问;5) 字典的修改,如查看键和值,以及更新值。文章强调了基础知识的重要性,并以“自满必定失败,骄傲必定后悔”作为每日一言。
|
5天前
|
机器学习/深度学习 数据挖掘 程序员
Python学习难度的具体标准
Python学习难度因个人编程背景、目标、资源和学习能力而异。对有编程经验者来说,Python的简单语法使其易上手;而对于新手,理解基础概念可能需更多时间。不同应用领域(如Web开发、数据分析)的学习曲线也不同。丰富的学习资源适应各种水平,但选择合适资源很重要。成功学习Python需要逻辑思维、问题解决能力及毅力。总的来说,Python学习难度因人而异,需结合自身条件评估。
19 0
|
5天前
|
存储 索引 Python
python数据结构知识学习
【5月更文挑战第6天】Python提供四种核心数据结构:列表(List)——可变有序集合,支持索引和切片;元组(Tuple)——不可变有序集合;字典(Dictionary)——键值对结构,通过键访问值;集合(Set)——无序不重复元素集合,支持数学运算。此外,Python允许自定义数据结构,如链表、树、图,以适应不同问题需求。
14 0
|
11天前
|
机器学习/深度学习 分布式计算 物联网
【Python机器学习专栏】联邦学习:保护隐私的机器学习新趋势
【4月更文挑战第30天】联邦学习是保障数据隐私的分布式机器学习方法,允许设备在本地训练数据并仅共享模型,保护用户隐私。其优势包括数据隐私、分布式计算和模型泛化。应用于医疗、金融和物联网等领域,未来将发展更高效的数据隐私保护、提升可解释性和可靠性的,并与其他技术融合,为机器学习带来新机遇。