Python切片中的误区与高级用法

简介: 众所周知,我们可以通过索引值(或称下标)来查找序列类型(如字符串、列表、元组...)中的单个元素,那么,如果要获取一个索引区间的元素该怎么办呢?切片(slice)就是一种截取索引片段的技术,借助切片技术,我们可以十分灵活地处理序列类型的对象。

众所周知,我们可以通过索引值(或称下标)来查找序列类型(如字符串、列表、元组...)中的单个元素,那么,如果要获取一个索引区间的元素该怎么办呢?

切片(slice)就是一种截取索引片段的技术,借助切片技术,我们可以十分灵活地处理序列类型的对象。通常来说,切片的作用就是截取序列对象,然而,它还有一些使用误区与高级用法,都值得我们注意。所以,本文将主要跟大家一起来探讨这些内容,希望你能学有所获。

事先声明,切片并非列表的专属操作,但因为列表最具有代表性,所以,本文仅以列表为例作探讨。

1、切片的基础用法

列表是 Python 中极为基础且重要的一种数据结构,我曾写过一篇汇总文章(链接见文末)较全面地学习过它。文中详细地总结了切片的基础用法,现在回顾一下:

切片的书写形式:[i : i+n : m] ;其中,i 是切片的起始索引值,为列表首位时可省略;i+n 是切片的结束位置,为列表末位时可省略;m 可以不提供,默认值是1,不允许为0 ,当m为负数时,列表翻转。注意:这些值都可以大于列表长度,不会报越界。

切片的基本含义是:从序列的第i位索引起,向右取到后n位元素为止,按m间隔过滤 。

  li = [1, 4, 5, 6, 7, 9, 11, 14, 16]
  ​
  # 以下写法都可以表示整个列表,其中 X >= len(li)
  li[0:X] == li[0:] == li[:X] == li[:] == li[::] == li[-X:X] == li[-X:]
  ​
  li[1:5] == [4,5,6,7] # 从1起,取5-1位元素
  li[1:5:2] == [4,6] # 从1起,取5-1位元素,按2间隔过滤
  li[-1:] == [16] # 取倒数第一个元素
  li[-4:-2] == [9, 11] # 从倒数第四起,取-2-(-4)=2位元素
  li[:-2] == li[-len(li):-2] == [1,4,5,6,7,9,11] # 从头开始,取-2-(-len(li))=7位元素
  ​# Python学习交流QQ群:857662006
  # 步长为负数时,列表先翻转,再截取
  li[::-1] == [16,14,11,9,7,6,5,4,1] # 翻转整个列表
  li[::-2] == [16,11,7,5,1] # 翻转整个列表,再按2间隔过滤
  li[:-5:-1] == [16,14,11,9] # 翻转整个列表,取-5-(-len(li))=4位元素
  li[:-5:-3] == [16,9] # 翻转整个列表,取-5-(-len(li))=4位元素,再按3间隔过滤
  ​
  # 切片的步长不可以为0
  li[::0]  # 报错(ValueError: slice step cannot be zero)

上述的某些例子对于初学者(甚至很多老手)来说,可能还不好理解。我个人总结出两条经验:(1)牢牢记住公式[i : i+n : m] ,当出现缺省值时,通过想象把公式补全;(2)索引为负且步长为正时,按倒数计算索引位置;索引为负且步长为负时,先翻转列表,再按倒数计算索引位置。

2、切片是伪独立对象

切片操作的返回结果是一个新的独立的序列。以列表为例,列表切片后得到的还是一个列表,占用新的内存地址。

当取出切片的结果时,它是一个独立对象,因此,可以将其用于赋值操作,也可以用于其它传递值的场景。但是,切片只是浅拷贝,它拷贝的是原列表中元素的引用,所以,当存在变长对象的元素时,新列表将受制于原列表。

  li = [1, 2, 3, 4]
  ls = li[::]
  ​
  li == ls # True
  id(li) == id(ls) # False
  li.append(li[2:4]) # [1, 2, 3, 4, [3, 4]]
  ls.extend(ls[2:4]) # [1, 2, 3, 4, 3, 4]
  # Python学习交流QQ群:857662006 
  # 下例等价于判断li长度是否大于8
  if(li[8:]):
      print("not empty")
  else:
      print("empty")
  ​
  # 切片列表受制于原列表
  lo = [1,[1,1],2,3]
  lp = lo[:2] # [1, [1, 1]]
  lo[1].append(1) # [1, [1, 1, 1], 2, 3]
  lp # [1, [1, 1, 1]]

由于可见,将切片结果取出,它可以作为独立对象使用,但是也要注意,是否取出了变长对象的元素。

3、切片可作为占位符

切片既可以作为独立对象被“取出”原序列,也可以留在原序列,作为一种占位符使用。

对于列表来说,使用切片作为占位符,同样能够实现拼接列表的效果。特别需要注意的是,给切片赋值的必须是可迭代对象。

  li = [1, 2, 3, 4]
  ​
  # 在头部拼接
  li[:0] = [0] # [0, 1, 2, 3, 4]
  # 在末尾拼接
  li[len(li):] = [5,7] # [0, 1, 2, 3, 4, 5, 7]
  # 在中部拼接
  li[6:6] = [6] # [0, 1, 2, 3, 4, 5, 6, 7]
  ​# Python学习交流QQ群:857662006
  # 给切片赋值的必须是可迭代对象
  li[-1:-1] = 6 # (报错,TypeError: can only assign an iterable)
  li[:0] = (9,) #  [9, 0, 1, 2, 3, 4, 5, 6, 7]
  li[:0] = range(3) #  [0, 1, 2, 9, 0, 1, 2, 3, 4, 5, 6, 7]

上述例子中,若将切片作为独立对象取出,那你会发现它们都是空列表,即 li[:0]== li[len(li):] == li [6 : 6]==[] ,我将这种占位符称为“纯占位符”,对纯占位符赋值,并不会破坏原有的元素,只会在特定的索引位置中拼接进新的元素。删除纯占位符时,也不会影响列表中的元素。

与“纯占位符”相对应,“非纯占位符”的切片是非空列表,对它进行操作(赋值与删除),将会影响原始列表。如果说纯占位符可以实现列表的拼接,那么,非纯占位符可以实现列表的替换。

'''
遇到问题没人解答?小编创建了一个Python学习交流QQ群:857662006 
寻找有志同道合的小伙伴,互帮互助,群里还有不错的视频学习教程和PDF电子书!
'''  
  li = [1, 2, 3, 4]
  ​
  # 不同位置的替换
  li[:3] = [7,8,9] # [7, 8, 9, 4]
  li[3:] = [5,6,7] # [7, 8, 9, 5, 6, 7]
  li[2:4] = ['a','b'] # [7, 8, 'a', 'b', 6, 7]
  ​# Python学习交流QQ群:857662006
  # 非等长替换
  li[2:4] = [1,2,3,4] # [7, 8, 1, 2, 3, 4, 6, 7]
  li[2:6] = ['a']  # [7, 8, 'a', 6, 7]
  ​
  # 删除元素
  del li[2:3] # [7, 8, 6, 7]

切片占位符可以带步长,从而实现连续跨越性的替换或删除效果。需要注意的是,这种用法只支持等长替换。

  li = [1, 2, 3, 4, 5, 6]
  ​
  li[::2] = ['a','b','c'] # ['a', 2, 'b', 4, 'c', 6]
  li[::2] = [0]*3 # [0, 2, 0, 4, 0, 6]
  li[::2] = ['w'] # 报错,attempt to assign sequence of size 1 to extended slice of size 3
  ​
  del li[::2] # [2, 4, 6]

4、更多思考

其它编程语言是否有类似于 Python 的切片操作呢?有什么差异?

相关文章
|
1月前
|
Python
Python三引号用法与变量详解
本文详细介绍了Python中三引号(`"""` 或 `'''`)的用法,包括其基本功能、如何在多行字符串中使用变量(如f-string、str.format()和%操作符),以及实际应用示例,帮助读者更好地理解和运用这一强大工具。
53 2
|
2月前
|
缓存 测试技术 开发者
深入理解Python装饰器:用法与实现
【10月更文挑战第7天】深入理解Python装饰器:用法与实现
22 1
|
2月前
|
传感器 大数据 数据处理
深入理解Python中的生成器:用法及应用场景
【10月更文挑战第7天】深入理解Python中的生成器:用法及应用场景
88 1
|
2月前
|
存储 大数据 Python
案例学Python:filter()函数的用法,高级!
`filter()`函数是Python中处理序列数据的强大工具,它允许我们高效地根据条件过滤元素。通过结合匿名函数、常规函数或直接利用Python的内置逻辑,`filter()`提供了灵活且高效的过滤机制,尤其在大数据处理和内存敏感的应用中展现出其价值。掌握 `filter()`的使用,不仅能提升代码的可读性和效率,还能更好地适应Python的函数式编程风格。
45 2
|
2月前
|
Python
深入了解Python中星号变量的特殊用法
深入了解Python中星号变量的特殊用法
30 0
|
2月前
|
PyTorch 测试技术 算法框架/工具
Python中Thop库的常见用法和代码示例
肆十二在B站分享了关于THOP(Torch-OpCounter)的实战教学视频。THOP是一个用于计算PyTorch模型操作数和计算量的工具,帮助开发者评估模型复杂度和性能。本文介绍了THOP的安装、使用方法及基本用例,包括如何计算模型的FLOPs和参数量。
153 0
|
2月前
|
SQL 关系型数据库 MySQL
Python中Pymysql库的常见用法和代码示例
`pymysql` 是一个用于连接 MySQL 数据库的 Python 库,支持 SQL 查询的执行和结果处理。通过 `pip install pymysql` 安装后,可使用 `connect()` 方法建立连接,`cursor()` 创建游标执行查询,包括数据的增删改查,并通过 `commit()` 和 `rollback()` 管理事务,最后需关闭游标和连接以释放资源。
132 0
|
2月前
|
计算机视觉 Python
Python中Pillow库的常见用法和代码示例
Pillow是Python中广泛使用的图像处理库,支持丰富的图像操作功能,包括但不限于打开、保存、缩放、裁剪、旋转、调色等。本文通过一系列示例介绍Pillow的基本用法,涵盖图像的加载与显示、尺寸调整、裁剪与旋转、亮度调整、格式转换、滤镜应用、图像合成及像素级操作等。首先需通过`pip install pillow`安装库,随后可通过导入`PIL.Image`等模块开始图像处理任务。无论是初学者还是进阶用户,都能从Pillow提供的强大功能中获益。
85 0
|
2月前
|
Python
Python pip 操作的几种用法
Python pip 操作的几种用法
56 0
|
2月前
|
JSON API 开发者
深入解析Python网络编程与Web开发:urllib、requests和http模块的功能、用法及在构建现代网络应用中的关键作用
深入解析Python网络编程与Web开发:urllib、requests和http模块的功能、用法及在构建现代网络应用中的关键作用
23 0