高级特性

hacklinshell · hacklinshell · commit bc3f4ca268a8 · 2019-02-14T18:02:23.000+08:00
diff --git a/高级特性/generator.py b/高级特性/generator.py
@@ -0,0 +1,93 @@
+#生成器 generator
+
+#通过列表生成式，我们可以直接创建一个列表，列表容量肯定是有限的，占用很大的存储空间 。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：
+
+#把一个列表生成式的[]改成()，就创建了一个generator：
+
+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 0x035A9E70>
+#通过next()函数获得generator的下一个返回值
+
+for n in g:
+    print(n)
+
+
+#著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：
+def fib(max):
+    n, a, b = 0, 0, 1
+    while n < max:
+        print(b)
+        a, b = b, a + b
+        n = n + 1
+    return 'done'
+
+
+#从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。    要把fib函数变成generator，只需要把print(b)改为yield b就可以了：
+def fib1(max):
+    n, a, b = 0, 0, 1
+    while n < max:
+        yield b
+        a, b = b, a + b
+        n = n + 1
+    return 'done'
+
+
+#如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator：
+# generator的函数，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。
+
+
+#定义一个generator，依次返回数字1，3，5：
+def odd():
+    print('step 1')
+    yield 1
+    print('step 2')
+    yield (3)
+    print('step 3')
+    yield (5)
+
+
+o = odd()
+next(o)
+next(o)
+next(o)
+
+"""
+>>> next(o)
+step 1
+1
+>>> next(o)
+step 2
+3
+>>> next(o)
+step 3
+5
+"""
+
+for n in fib1(6):
+    print(n)
+
+
+# call generator manually: 拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中：
+g = fib1(5)
+while 1:
+    try:
+        x = next(g)
+        print('g:', x)
+    except StopIteration as e:
+        print('Generator return value:', e.value)
+        break    
+
+#杨辉三角
+def triangles(n):
+    L , index = [1], 0
+    while index < n:
+        yield L
+        L = [1] + [L[i - 1] + L[i] for i in range(1, len(L))] + [1]  
+        index += 1      
+    
+for x in triangles(5):
+    print(x)
+
diff --git a/高级特性/iter.py b/高级特性/iter.py
@@ -0,0 +1,35 @@
+#直接作用于for循环的数据类型有以下几种：
+
+#一类是集合数据类型，如list、tuple、dict、set、str等；
+#一类是generator，包括生成器和带yield的generator function。
+#这些可以直接作用于for循环的对象统称为  可迭代对象：              Iterable。
+#可以使用isinstance()判断一个对象是否是Iterable对象：
+
+from collections.abc import Iterable
+isinstance([], Iterable)    #True
+isinstance({}, Iterable)    #True
+isinstance('abc', Iterable) #True
+isinstance((x for x in range(10)), Iterable) #True
+
+
+#生成器 可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。
+#可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。
+
+from collections.abc import Iterator
+isinstance((x for x in range(10)), Iterator) #True
+isinstance([], Iterator) #False
+isinstance({}, Iterator) #False
+isinstance('abc', Iterator)#False
+
+
+#  生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。
+
+#把list、dict、str等Iterable变成Iterator可以使用iter()函数：
+isinstance(iter([]), Iterator) #True
+isinstance(iter('abc'), Iterator) #True
+
+#为什么list、dict、str等数据类型不是Iterator？
+
+#这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。
+
+#Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。
diff --git a/高级特性/iteration.py b/高级特性/iteration.py
@@ -0,0 +1,44 @@
+#给定一个list或tuple，我们可以通过for循环来遍历这个list或tuple，这种遍历我们称为迭代（Iteration
+
+#dict迭代：  dict迭代的是key
+d = {'a': 1, 'b': 2, 'c': 3}
+
+for k in d:
+    print(k)
+
+#迭代value
+for value in d.values():
+    print(value)
+
+#同时迭代key和value
+for k, v in d.items():
+    print('%s == %d' % (k, v))
+#   a == 1
+#   b == 2
+#   c == 3
+
+#使用for循环时，只要作用于一个可迭代对象，for循环就可以正常运行
+#判断一个对象是可迭代对象
+
+#from collections import Iterable  错误  版本问题
+
+from collections.abc import Iterable
+
+isinstance('abc', Iterable)  # str是否可迭代  #True
+isinstance([1, 2, 3], Iterable)  # list是否可迭代
+isinstance(123, Iterable)  # 整数是否可迭代
+
+#下标循环       enumerate函数可以把一个list变成索引-元素对
+
+for i, value in enumerate(['A', 'B', 'C']):
+    print(i, value)
+
+#   0 A
+#   1 B
+#   2 C    
+
+for x, y in [(1, 1), (2, 4), (3, 9)]:
+    print(x,y)
+#   1 1
+#   2 4
+#   3 9
diff --git a/高级特性/list_compre.py b/高级特性/list_compre.py
@@ -0,0 +1,27 @@
+#列表生成式即List Comprehensions，是Python内置的非常简单却强大的可以用来创建list的生成式
+
+#生成list [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]可以用list(range(1, 11))：
+
+list(range(1, 11))  #[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
+
+#生成[1x1, 2x2, 3x3, ..., 10x10]  #把要生成的元素x * x放到前面，后面跟for循环，就可以把list创建出来
+[x * x for x in range(1, 11)]  #[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
+
+#for循环后面还可以加上if判断，
+[x * x for x in range(1, 11) if x % 2 == 0]  #[4, 16, 36, 64, 100]
+
+#两层循环，可以生成全排列
+[m + n for m in 'ABC'
+ for n in 'XYZ']  #['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']
+
+#for循环其实可以同时使用两个甚至多个变量，
+d = {'x': 'A', 'y': 'B', 'z': 'C'}
+for k, v in d.items():
+    print(k, '=', v)
+#   x = A
+#   y = B
+#   z = C
+
+#把一个list中所有的字符串变成小写：
+L = ['Hello', 'World', 'IBM', 'Apple']
+[s.lower() for s in L]  #['hello', 'world', 'ibm', 'apple']
diff --git a/高级特性/slice.py b/高级特性/slice.py
@@ -0,0 +1,17 @@
+
+
+L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']
+
+# 取前3个元素       从0开始直到索引3， 0 ，1，2
+L[0:3] #['Michael', 'Sarah', 'Tracy']
+L[1:3] #['Sarah', 'Tracy']      从1开始直到索引3
+L[-2:]  #['Bob', 'Jack']            
+L[-2:-1]    # ['Bob']           倒数第一个元素的索引是-1
+
+R = list(range(100))
+print('R[:10] =', R[:10])           #R[:10] = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
+print('R[-10:] =', R[-10:])         #R[-10:] = [90, 91, 92, 93, 94, 95, 96, 97, 98, 99]
+print('R[10:20] =', R[10:20])       #R[10:20] = [10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
+print('R[:10:2] =', R[:10:2])       #前10个数，每两个取一个：   R[:10:2] = [0, 2, 4, 6, 8]
+print('R[::5] =', R[::5])           #所有数，每5个取一个：      R[::5] = [0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]
+
