Python-序列的高级特性

简介:

一.切片

字符串、列表、元祖可以切片,字典和集合不能切片

wKioL1mnoz7j36guAAAeS1AT-SU692.png

wKiom1mnoyGygtTDAAAbK2MFhSY747.png

wKiom1mnoyKQ1rDDAAAhQ8ZtabE883.png

wKiom1mnowLgWZfaAABkW5QhaLI290.png

wKioL1mnouyBPTAgAABox7Six0I976.png



二. 迭代
1.任何可以迭代的对象都可以用for循环遍历;
2.字典的迭代:默认是通过key进行迭代的;

集合:

wKioL1mnmJzAGO4QAAAzzKhVTNU587.png

字典:

wKioL1mnmJ2iGEgTAABJkjr3WGY838.png


3.字典的枚举:枚举只能返回返回两个值,一个是索引下标,一个是迭代的元素;

wKiom1mnmLOSqK_jAABUKsF4J3c451.png


4.for 循环里,同时引用了两个变量,在 Python 里是很常见的;
   如果要显示[(1,2),(2,3),(3,4)]怎么实现迭代显示?

wKioL1mnm1fAXjM7AAAmXfAX8A0633.png


5.怎么去判断是否可迭代

isinstance("abc",Iterable)

wKiom1mnmnOQTKszAAChiaC4vS4933.png


三.列表生成式
列表生成式,其实就是生成列表的一种方式,是python内置的;


1.简单的列表生成式
[ i*i for i in range(10) ]        返回1-10平方的一个列表;
[ fun(i) for i in l]                  对列表的每个元素执行某个函数操作;


对1-10的数做2n+1的变化

wKioL1mnm8XR8D_wAABbc1vvTNw145.png


100以内偶数的平方

wKiom1mnm9qhG7b9AAA3TW5EPMA756.png



2.for...if的嵌套


[ i*i for i in range(1,10) if i%2==0]     返回1-10之间所有的偶数
[ i for i in range(1,10) if isprime(i)]      返回1-10之间所有的质数,判断质数的函数是自定义的;

wKioL1mnm8WDpGnZAABjb6hXj3Y467.png


3.for...for...的嵌套
[ i+j for i in "abc" for j in "123"]    # 返回"abc"和"123"的所有组合;、

wKiom1mnm9ug-ghbAAAid4LRiXI206.png


4.for...for...的嵌套

转化为大写字母

wKiom1mnphOR27fSAAAopjZeAsY724.png

判断是否字符串,如果是,执行转为大写

isinstance('a',str) 判断a是否字符串

wKioL1mnvfuRnPfWAAAZLaPA7f4029.png


wKioL1mnpf7BdJb5AAA1ppY7HSw370.png

wKioL1mnpf7BdJb5AAA1ppY7HSw370.png

四.生成器


1.生成器的定义
在循环的过程中不断推算出后续的元素呢?这样就不必创建完整的 list,从而节省大量的空间。在 Python 中,这种一边循环一边计算的机制,称为生成器(Generator)


-  列表生成式可以直接创建一个列表,但列表容量受内存的限制;
- 在Python中一边循环一边计算的机制,称为生成器(Generator);就是你需要多少,它就生成多少;

2.为什么需要生成器

通过列表生成式,我们可以直接创建一个列表,受到内存限制,列表容量肯定是有限的;
创建一个包含 100 万个元素的列表,占用很大的存储空间;


3.创建生成器的方法查看生成器元素的方式:


(1)将列表生成式的[]改为();

    使用生成器的next方法;(不常用)wKioL1mnrwbC4EH6AABsfJAlh2U957.png


(2)在定义的函数中加入yield关键字;

     生成器是可迭代的对象,直接通过for循环查看;

fib 函数定义了斐波拉契数列的推算规则,可以从第一个元素开始,推算出后续任意的元素,逻辑非常类似 generator。要把 fib 函数变成 generator,只需要把print b 改为 yield b 就可以.

     函数顺序执行,遇return语句或最后一行函数语句就返回。
     generator函数在每次调用next() 的时候执行,遇到 yield 语句返回,再次执行时从上次返回的yield 语句处继续执行。


wKiom1mnr_3wdN2zAACQcS1XGyM427.png


4.生成器应用:生产者消费者模型

例:

wKioL1mns-7SXzxsAAEPWRLcFkw514.png

wKiom1mntATxceENAADYk1htkUk659.png







      本文转自一百个小排 51CTO博客,原文链接:http://blog.51cto.com/anfishr/1961201,如需转载请自行联系原作者





相关文章
|
4月前
|
存储 算法 数据挖掘
【2023年中国高校大数据挑战赛 】赛题 B DNA 存储中的序列聚类与比对 Python实现
本文介绍了2023年中国高校大数据挑战赛赛题B的Python实现方法,该赛题涉及DNA存储技术中的序列聚类与比对问题,包括错误率分析、序列聚类、拷贝数分布图的绘制以及比对模型的开发。
84 1
【2023年中国高校大数据挑战赛 】赛题 B DNA 存储中的序列聚类与比对 Python实现
|
3月前
|
机器学习/深度学习 数据采集 算法
时间序列结构变化分析:Python实现时间序列变化点检测
在时间序列分析和预测中,准确检测结构变化至关重要。新出现的分布模式往往会导致历史数据失去代表性,进而影响基于这些数据训练的模型的有效性。
208 1
|
4月前
|
机器学习/深度学习 算法 数据挖掘
6种有效的时间序列数据特征工程技术(使用Python)
在本文中,我们将探讨使用日期时间列提取有用信息的各种特征工程技术。
143 0
|
3月前
|
机器学习/深度学习 索引 Python
python之序列
python之序列
144 59
|
2月前
|
存储 编译器 索引
Python 序列类型(2)
【10月更文挑战第8天】
Python 序列类型(2)
|
2月前
|
存储 C++ 索引
Python 序列类型(1)
【10月更文挑战第8天】
|
2月前
|
存储 大数据 数据处理
Python 中的列表推导式与生成器:特性、用途与区别
Python 中的列表推导式与生成器:特性、用途与区别
26 2
|
4月前
|
机器学习/深度学习 Python
时间序列特征提取:从理论到Python代码实践
时间序列是一种特殊的存在。这意味着你对表格数据或图像进行的许多转换/操作/处理技术对于时间序列来说可能根本不起作用。
63 1
时间序列特征提取:从理论到Python代码实践
|
3月前
|
机器学习/深度学习 人工智能 安全
python和Java的区别以及特性
Python:适合快速开发、易于维护、学习成本低、灵活高效。如果你需要快速上手,写脚本、数据处理、做点机器学习,Python就是你的首选。 Java:适合大型项目、企业级应用,性能要求较高的场景。它类型安全、跨平台能力强,而且有丰富的生态,适合更复杂和规模化的开发。
54 3
|
2月前
|
设计模式 监控 安全
Python多线程编程:特性、挑战与最佳实践
Python多线程编程:特性、挑战与最佳实践
39 0
下一篇
无影云桌面