[python] 關於 python 的一些高級特性

前言

用 python 差很少半年多了，從去年暑假開始接觸，從開始的懵逼，到寫了一些小爬蟲總算入門以後，許多做業也是能用 python 就用 python，基本拋棄了 C++。可是仍是有些過於急躁了，可以寫一些簡短的代碼，可是對於 python 的不少特性都不知道或者忘記了，這裏回去廖大教程複習一下，順便記錄下我以爲比較重要的地方。

開始

本文主要記錄廖大教程中高級特性這一節的內容，並寫下個人一些理解。在我看來，這些特性是很 pythonic 的，用在代碼中頗有 bigger 啊~

列表生成式(List Comprehensions)

切片和迭代就不說了，這裏直接先看一下列表生成式吧，從名字就能大概猜出這是生成列表的一些方法，好比：如何生成[1*1, 2*2, ... ,10*10]？能夠用循環不斷向列表尾部添加元素，若是使用 pythonic 的方法，也就是列表生成式，則是：

>>> [x * x for x in range(1, 11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

後面還能跟上 if 判斷，例如：

>>> [x * x for x in range(1, 11) if x%2==0]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

這樣，原本須要使用循環寫4，5行的代碼，使用一行就解決了，直觀明瞭。

還能使用兩個 for 循環生成全排列：

>>> [m + n for m in 'ABC' for n in 'XYZ']
['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']

這樣如何添加 if 判斷呢？能夠在每一個 for 語句後添加，或者在最後添加：

>>> [m + n for m in 'ABC' if m < 'C' for n in 'XYZ' if n < 'Z']
['AX', 'AY', 'BX', 'BY']
>>> [m + n for m in 'ABC' for n in 'XYZ' if n < 'Z' and m < 'C']
['AX', 'AY', 'BX', 'BY']

也能夠同時在一個 for 語句中迭代多個變量，好比dict的items()能夠同時迭代key和value：

>>> d = {'x': 'A', 'y': 'B', 'z': 'C' }
>>> [k + '=' + v for k, v in d.items()]
['y=B', 'x=A', 'z=C']

差很少就是這樣了~

可是之前老是寫 C++ ，這種思惟模式很難改過來，只能慢慢在使用中熟悉這種語法，習慣了就可以在下意識中寫出來了。

生成器(Generator)

爲何要使用生成器？廖大的教程中說得很詳細，這裏再簡述一下：

1. 由於列表的內容放在內存中，而受到內存限制，列表的容量有限。

2. 若是咱們只訪問極少的元素，那麼存在極大的空間浪費。

3. 而生成器能夠一邊迭代一邊計算下一個值，理論上，該過程能夠無限進行下去，而且不會佔用大量內存。

這裏只是簡單介紹一下，更詳細的請 Google 哈~

如何建立生成器？第一種方法相似於前面講到的列表生成式，只須要將[]改成()便可：

>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x1022ef630>

能夠看到，方法上大體相同，[]獲得的是一個已經獲得全部值的列表，()獲得的是一個生成器，它們都能使用 for 循環來迭代，可是生成器不能使用下標訪問，而且只能被迭代一次，再次迭代則會有 StopIteration 的異常：

>>> for i in g:
...     print(i)
...
0
1
4
9
16
25
36
49
64
81
>>> for i in g:
...     print(i)
...
>>> next(g)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

不過當咱們建立了一個generator後，基本上永遠不會調用next()，而是經過for循環來迭代它，而且不須要關心StopIteration的錯誤。

若是推算的算法比較複雜，用相似列表生成式的for循環沒法實現的時候，還能夠用函數來實現，好比，著名的斐波那契數列：

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
    return 'done'

關於 yield 這個關鍵字，我在剛學 python 的時候也糾結了好久，直到看到生成器的時候才大體明白，你們搜索一下就能大體明白了，我以爲這東西提及來麻煩，只說一兩句又怕說錯。廖大的教程中是這樣說的：

函數是順序執行，遇到return語句或者最後一行函數語句就返回。而變成generator的函數，在每次調用next()的時候執行，遇到yield語句返回，再次執行時從上次返回的yield語句處繼續執行。

可能有點難理解，不過明白了就很好說了。

固然，函數中還能夠添加 return，在一個 generator function 中，若是沒有 return，則默認執行至函數完畢，若是在執行過程當中 return，則直接拋出 StopIteration 終止迭代。

例如上面的例子，咱們在迭代時發現並無出現 'done' 這串字符，是由於 return 的值被看成 Exception Value 了，若是要顯示出來，則能夠這樣：

>>> g = fib(6)
>>> while True:
...     try:
...         x = next(g)
...         print('g:', x)
...     except StopIteration as e:
...         print('Generator return value:', e.value)
...         break
...
g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
Generator return value: done

迭代器(Iterator)

可直接做用於 for 循環的對象被稱爲可迭代對象，能夠用 isinstance() 函數判斷是否爲可迭代對象：

>>> from collections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance('abc', Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100, Iterable)
False

而能夠被next()函數調用並不斷返回下一個值的對象稱爲迭代器：Iterator。固然，仍然可使用isinstance()判斷一個對象是不是Iterator對象：

>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False

經過上面兩個例子，能夠這樣理解：生成器和 list，tuple，str 等都是 Iterable 對象，生成器同時仍是 Iterator 對象，而 list 等不是。那麼可否直接將 Iterable 對象轉換成 Iterator 對象呢？

可使用iter()函數：

>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True

其實，Iterator 對象表示的是一個數據流，咱們能夠把這個數據流看作是一個有序序列，但卻不能提早知道序列的長度，只能不斷經過next()函數實現按需計算下一個數據，因此 Iterator 的計算是惰性的，只有在須要返回下一個數據時它纔會計算。Iterator甚至能夠表示一個無限大的數據流，但 list，tuple 什麼的是不可能這樣的。

總結

過了個寒假沒碰代碼，至關於複習了一遍啊，其實這裏說到的特性是很淺顯的，理解起來不難，等所有差很少複習完還得再深刻一點，理解更多才行。

以上~