Python高级编程(可迭代对象,推导式,生成器,迭代器,PEP8规范编写代码)

简介: Python高级编程(可迭代对象,推导式,生成器,迭代器,PEP8规范编写代码)

1. 可迭代对象

  • 我们已经知道可以对list,tuple,dict,set,str等类型数据使用for…in…的循环语法从其中依次拿到数据进行使用,我们把这样的过程称为遍历,也叫迭代
  • 把可以通过for…in…这类语句迭代读取一条数据供我们使用的对象称之为可迭代对象(iterable)

2. 推导式

  • 推导式也分为列表推导式字典推导式集合推导式等。我们平时用的最多的,一般也就是列表推导式。
  • 语法:
    [表达式 for 变量 in 旧列表]
    [表达式 for 变量 in 旧列表 if 条件]
  • 如 需求: 求1-100之间的偶数 则推导式如下:
lst2 = [i for i in range(1, 101) if i % 2 == 0]

3.生成器

3.1概述

通过列表推导式我们可以直接创建一个列表,但是受到内存的限制,我们不可能创建出一个无限大的列表。而且创建一个有200万元素的列表也就会占用很大的内存空间,而我们也许仅仅需要访问其中的几个元素,多余的元素会造成空间浪费。
使用生成器,就可以解决此问题。生成器,是Python中一种一边循环一遍计算的机制。

3.2创建生成器的方式:

3.2.1. 类似列表推导式的方法

lst = [i * 2 for i in range(1, 11)]
print(lst)  # 显然,这是由列表推导式得到的一个列表
# 将方括号换为圆括号,得到的gen就是一个生成器。
gen =(x * 3 for x in range(10))   
print(gen)

在这里插入图片描述

  • 查看对象类型,为generator类型
    在这里插入图片描述
  • 通过next() 函数获取生成器内的数据
    在这里插入图片描述
  • 如要获取其中前几个数据,使用一个while循环语句即可:
i = 0
while i < 8:
    print(next(gen))
    i += 1

3.2.2. 通过函数的方式创建生成器

  • 使用yield关键字,来创建生成器。
def fun():
    i = 0
    while True:
        i += 1
        yield i
# 只要在函数中出现yield关键字,它就是一个生成器函数。
r = fun()
print(r)
print(next(r))
print(next(r))
print(next(r))

4.迭代器

  • 迭代器是访问集合元素的一种方式,是一个可以记住遍历位置的对象。
  • 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结束。
  • 可以被next()函数调用并不断返回下一个值的对象成为迭代器Iterator。
  • 生成器是可迭代的,也是迭代器。
  • 列表是可迭代的,但不是迭代器。
  • 通过iter() 函数可以将可迭代对象变成一个迭代器。
list1=[1, 2, 3, 4, 5, 6]
ite = iter(list1)
print(ite)

在这里插入图片描述


5.PEP8规范编写代码

  • PEP8: Python代码风格指南
    PEP8 提供了 Python 代码的编写约定. 本节知识点旨在提高代码的可读性, 并使其在各种 Python 代码中编写风格保持一致.
  1. 缩进使用4个空格, 空格是首选的缩进方式. Python3 不允许混合使用制表符和空格来缩进。

  2. 每一行最大长度限制在79个字符以内。

  3. 顶层函数、类的定义, 前后使用两个空行隔开。

  4. import 导入
    导入建议在不同的行, 例如:

import os
import sys

不建议如下导包:

import os, sys

但是可以如下:

from subprocess import Popen, PIPE
  1. 导包位于文件顶部, 在模块注释、文档字符串之后, 全局变量、常量之前. 导入按照以下顺序分组:
    标准库导入
    相关第三方导入
    本地应用/库导入
    在每一组导入之间加入空行

  2. Python 中定义字符串使用双引号、单引号是相同的, 尽量保持使用同一方式定义字符串. 当一个字符串包含单引号或者双引号时, 在最外层使用不同的符号来避免使用反斜杠转义, 从而提高可读性。

  3. 表达式和语句中的空格:
    避免在小括号、方括号、花括号后跟空格。
    避免在逗号、分好、冒号之前添加空格。
    冒号在切片中就像二元运算符, 两边要有相同数量的空格. 如果某个切片参数省略, 空格也省略。
    避免为了和另外一个赋值语句对齐, 在赋值运算符附加多个空格。
    避免在表达式尾部添加空格, 因为尾部空格通常看不见, 会产生混乱。
    总是在二元运算符两边加一个空格, 赋值(=),增量赋值(+=,-=),比较(==, <, >, !=, <>, <=, >=, in, not, in, is, is not),布尔(and, or, not
    避免将小的代码块和 if/for/while 放在同一行, 要避免代码行太长。

if foo == 'blah': do_blah_thing()
for x in lst: total += x
while t < 10: t = delay()
  1. 永远不要使用字母 ‘l’(小写的L), ‘O’(大写的O), 或者 ‘I’(大写的I) 作为单字符变量名. 在有些字体里, 这些字符无法和数字0和1区分, 如果想用 ‘l’, 用 ‘L’ 代替。

  2. 类名一般使用首字母大写的约定.

  3. 函数名应该小写, 如果想提高可读性可以用下划线分隔.

  4. 如果函数的参数名和已有的关键词冲突, 在最后加单一下划线比缩写或随意拼写更好. 因此 class_ 比 clss 更好。(也许最好用同义词来避免这种冲突).

  5. 方法名和实例变量使用下划线分割的小写单词, 以提高可读性。

目录
相关文章
|
4月前
|
存储 JavaScript Java
(Python基础)新时代语言!一起学习Python吧!(四):dict字典和set类型;切片类型、列表生成式;map和reduce迭代器;filter过滤函数、sorted排序函数;lambda函数
dict字典 Python内置了字典:dict的支持,dict全称dictionary,在其他语言中也称为map,使用键-值(key-value)存储,具有极快的查找速度。 我们可以通过声明JS对象一样的方式声明dict
320 1
|
5月前
|
存储 大数据 Unix
Python生成器 vs 迭代器:从内存到代码的深度解析
在Python中,处理大数据或无限序列时,迭代器与生成器可避免内存溢出。迭代器通过`__iter__`和`__next__`手动实现,控制灵活;生成器用`yield`自动实现,代码简洁、内存高效。生成器适合大文件读取、惰性计算等场景,是性能优化的关键工具。
314 2
|
5月前
|
安全 大数据 程序员
Python operator模块的methodcaller:一行代码搞定对象方法调用的黑科技
`operator.methodcaller`是Python中处理对象方法调用的高效工具,替代冗长Lambda,提升代码可读性与性能。适用于数据过滤、排序、转换等场景,支持参数传递与链式调用,是函数式编程的隐藏利器。
190 4
|
6月前
|
传感器 数据采集 监控
Python生成器与迭代器:从内存优化到协程调度的深度实践
简介:本文深入解析Python迭代器与生成器的原理及应用,涵盖内存优化技巧、底层协议实现、生成器通信机制及异步编程场景。通过实例讲解如何高效处理大文件、构建数据流水线,并对比不同迭代方式的性能特点,助你编写低内存、高效率的Python代码。
275 0
|
5月前
|
大数据 数据处理 数据安全/隐私保护
Python3 迭代器与生成器详解:从入门到实践
简介:本文深入解析Python中处理数据序列的利器——迭代器与生成器。通过通俗语言与实战案例,讲解其核心原理、自定义实现及大数据处理中的高效应用。
268 0
|
算法 编译器 开发者
如何提高Python代码的性能:优化技巧与实践
本文探讨了如何提高Python代码的性能,重点介绍了一些优化技巧与实践方法。通过使用适当的数据结构、算法和编程范式,以及利用Python内置的性能优化工具,可以有效地提升Python程序的执行效率,从而提升整体应用性能。本文将针对不同场景和需求,分享一些实用的优化技巧,并通过示例代码和性能测试结果加以说明。
|
人工智能 数据挖掘 数据处理
揭秘Python编程之美:从基础到进阶的代码实践之旅
【9月更文挑战第14天】本文将带领读者深入探索Python编程语言的魅力所在。通过简明扼要的示例,我们将揭示Python如何简化复杂问题,提升编程效率。无论你是初学者还是有一定经验的开发者,这篇文章都将为你打开一扇通往高效编码世界的大门。让我们开始这段充满智慧和乐趣的Python编程之旅吧!
|
机器学习/深度学习 数据采集 人工智能
探索机器学习:从理论到Python代码实践
【10月更文挑战第36天】本文将深入浅出地介绍机器学习的基本概念、主要算法及其在Python中的实现。我们将通过实际案例,展示如何使用scikit-learn库进行数据预处理、模型选择和参数调优。无论你是初学者还是有一定基础的开发者,都能从中获得启发和实践指导。
220 2
|
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。
554 1
时间序列特征提取:从理论到Python代码实践
|
大数据 Python
Python 高级编程:深入探索高级代码实践
本文深入探讨了Python的四大高级特性:装饰器、生成器、上下文管理器及并发与并行编程。通过装饰器,我们能够在不改动原函数的基础上增添功能;生成器允许按需生成值,优化处理大数据;上下文管理器确保资源被妥善管理和释放;多线程等技术则助力高效完成并发任务。本文通过具体代码实例详细解析这些特性的应用方法,帮助读者提升Python编程水平。
636 5

推荐镜像

更多