Python 简明教程 --- 14,Python 数据结构进阶

微信公众号:码农充电站pro
个人主页:https://codeshellme.github.io

如果你发现特殊情况太多,那很可能是用错算法了。
—— Carig Zerouni

目录

在这里插入图片描述

前几节我们介绍了Python 中四种数据结构的特性和基本用法,本节介绍与数据结构相关的高级特性。

  • 序列
  • 迭代器
  • 列表生成式
  • 生成器
  • 强制类型转换

1,序列

Python 序列是指,其中存放的元素是有序排列的,可用下标访问,字符串列表元组都是序列。

字典集合中的元素是无序排列的,因此一般不归在序列中。

Python 序列有如下特点:

  • 序列中的元素是不可变类型
  • 序列中的元素可用下标访问,下标可正可负
  • 可通过切片访问部分连续元素
  • 可进行相加相乘in 运算
  • 可通过for 循环遍历所有元素

可以使用collections 模块中的Sequence 类来查看一个对象是否是一个序列:

>>> isinstance('', collections.Sequence) # 字符串是序列
True
>>> isinstance([], collections.Sequence) # 列表是序列
True
>>> isinstance((), collections.Sequence) # 元组是序列
True
>>> isinstance({}, collections.Sequence) # 字典不是序列
False
>>> isinstance(set(), collections.Sequence) # 集合不是序列
False

提示:

1,isinstance 函数用于查看一个对象属于某个类

2,在使用模块时,要先import 该模块

2,迭代器

可迭代类型

我们知道strlisttupledictset 都可用for 循环来遍历,这个遍历的过程就是一个迭代过程,这些类型都是可迭代类型。

可迭代的类型,都实现了__iter__ 方法,我们通过dir(可迭代对象),可以看到,可迭代对象的魔法方法中都有一个__iter__ 方法。

我们也可以通过collections 模块中的Iterable 类型来查看一个对象是不是可迭代对象:

>>> isinstance('', collections.Iterable)
True
>>> isinstance([], collections.Iterable)
True
>>> isinstance((), collections.Iterable)
True
>>> isinstance({}, collections.Iterable)
True
>>> isinstance(set(), collections.Iterable)
True

迭代器

迭代器是一种可迭代的对象。

迭代器一定是可迭代的,可迭代的对象不一定是迭代器。

迭代器要实现两个魔法方法:__iter____next__

通过collections 模块中的Iterator 类型来查看这两个方法:

>>> dir(collections.Iterator)

判断一个对象是不是迭代器:

>>> isinstance('', collections.Iterator) # 字符串不是迭代器
False
>>> isinstance([], collections.Iterator) # 列表不是迭代器
False
>>> isinstance((), collections.Iterator) # 元组不是迭代器
False
>>> isinstance({}, collections.Iterator) # 字典不是迭代器
False
>>> isinstance(set(), collections.Iterator) # 集合不是迭代器
False

迭代器通用函数

迭代器有一些通用函数,下面我们介绍一些常用的。

1.enumerate 函数

在Python3 中,enumerate 实际上是一个,可通过help(enumerate) 查看,也可以把它当做函数来使用。

其经常被用在for 循环中,即可遍历下标,又能遍历数据。

作用: 用于给一个可迭代的对象,添加下标
原型: enumerate(iterable[, start]) -> iterator
参数 iterable: 一个可迭代的对象
参数 start: 下标起始位置
返回值: 一个enumerate 对象,同时也是一个迭代器

示例:

>>> l = enumerate(['a', 'c', 'b']) # 参数是一个列表
>>> type(l)
<class 'enumerate'>
>>> isinstance(l, collections.Iterator) # 是一个迭代器
True
>>> for index, item in l:           # for 循环遍历,能遍历出下标
...     print(index, item)
... 
0 a
1 c
2 b

2.iter 函数

作用:将一个可迭代的序列iterable 转换成迭代器
原型:iter(iterable) -> iterator
参数:iterable 是一个可迭代的序列
返回值:一个迭代器

示例:

>>> iter('123')            # 参数是字符串
<str_iterator object at 0x7fcb7dd320b8>     # str 迭代器
>>> iter([1, 2, 3])        # 参数是列表
<list_iterator object at 0x7fcb7dd4a0b8>    # list 迭代器
>>> iter((1, 2, 3))        # 参数是元组
<tuple_iterator object at 0x7fcb7dd4a0b8>   # tuple 迭代器
>>> iter(set([1, 2, 3]))   # 参数是集合
<set_iterator object at 0x7fcb7d2c5e10>     # set 迭代器
>>> iter({'a':1, 'b':2})   # 参数是字典
<dict_keyiterator object at 0x7fcb7f467098> # dict 迭代器

3.next 函数

作用:返回迭代器的下一个元素
原型:next(iterator[, default]) -> item
参数 iterator:是一个迭代器类型
参数 default:任意类型数据,可省
返回值

迭代器中有元素时:返回迭代器中的下一个元素
迭代器中没有元素没有default 参数时:抛出StopIteration 异常
迭代器中没有元素有default 参数时:返回default

示例:

>>> i = iter([1, 3, 5])  # i 是一个迭代器
>>> next(i)              # 返回 1
1
>>> next(i)              # 返回 3
3
>>> next(i)              # 返回 5
5
>>> next(i)              # i 中没有元素,抛出异常
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration
>>> 
>>> next(i, 7)           # i 中没有元素,返回第二个参数 7
7

4.len 函数

作用:用于计算一个对象obj中的元素的个数
原型:len(obj, /)
参数:一般obj 是一个可迭代类型对象,实际上,只要实现了__len__ 方法的对象,都可以使用该函数
返回值:一个整数

示例:

>>> len('abc')
3
>>> len([1, 2, 3])
3

5.max 函数

作用:返回可迭代对象iterable 中的最大元素
原型:max(iterable)
参数iterable 是一个可迭代的对象,并且iterable 中的元素可比较
返回值:最大值

示例:

>>> max([1, 2])
2
>>> max([1, 2, 3])
3
>>> max('b', 'a')
'b'
>>> max('abc')
'c'
>>> max(1, 'a')     # 整数与字符串不是同类型,不可比较
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: '>' not supported between instances of 'str' and 'int'

6.min 函数

作用:返回可迭代对象iterable 中的最小元素
原型:min(iterable)
参数iterable 是一个可迭代的对象,并且iterable 中的元素可比较
返回值:最小值

示例:

>>> min([1, 2])
1
>>> min([2, 3])
2
>>> min('abc')
'a'
>>> min('b', 'c')
'b'
>>> min('b', 2)  # 整数与字符串不是同类型,不可比较
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: '<' not supported between instances of 'int' and 'str'

7.sum 函数

作用:计算可迭代对象iterable 中的数据之和,最后在加上 start
原型:sum(iterable, start=0, /)
参数iterable 是一个可迭代对象,其中的元素是数字类型
返回值:所有元素之和

示例:

>>> sum([1, 2, 3])     # 计算 1,2,3 之和
6
>>> sum([1, 2, 3], 5)  # 计算 1,2,3 之和,再加上 5
11

8.reversed 函数

reversed 实际上是一个类,可用help(reversed) 查看。

作用:将一个序列sequence 反转
原型:reversed(sequence)
参数sequence 是一个序列类型
返回值:一个reversed 对象,该对象也是一个迭代器,可被迭代

示例:

>>> r = reversed('abcde')
>>> r                                    # 一个 reversed 对象
<reversed object at 0x7fcb79970518>
>>> isinstance(r, collections.Iterator)  # 也是一个迭代器
True
>>> [i for i in r]                  # 转换成列表,查看其中的元素
['e', 'd', 'c', 'b', 'a']
>>>
>>> r = reversed([1, 3, 5, 7])
>>> [i for i in r]
[7, 5, 3, 1]

3,列表生成式

列表生成式,又叫列表推导式,用于从一个可迭代对象生成一个列表,它是一种代码简写形式,其优点是代码简洁优雅。

比如,我们有一个列表 [1, 3, 5],想求其中每个元素的平方,再将结果放入列表中,最终的结果是[1, 9, 25]

如果是一般的方式,我们写出来的代码是这样的:

l = [1, 3, 5]

l2 = []
for i in l:
    item = i * i 
    l2.append(item)

print(l2)   

如果用列表生成式的方式,代码是这样的:

l = [1, 3, 5]

l2 = [i * i for i in l]

print(l2)

可以看到列表生成式比普通的形式要简洁许多。

列表生成式语法

最简单的列表生成式的语法,就像上面的代码一样:

在这里插入图片描述

列表生成式由三部分组成:

  • 列表符号:中括号[]
  • 表达式:用于生成新列表中的每个元素,一般与item 有关,也可无关
  • for 循环:用于迭代原始可迭代对象

列表生成式中的if 判断

列表生成式中也可以有if 判断,当判断条件成立时,才会执行表达式,并将该表达式的结果append 到新的列表中。

这里的if 判断没有else 部分,判断条件一般与item 有关。

如下:

在这里插入图片描述

示例:

l = [1, 3, 5]

# 只有当 l 中的元素大于 1 时,才算平方
l2 = [i * i for i in l if i > 1]

print(l2)

range 函数

Python2.x 中range 是一个函数

Python3.x 中,range 是一个,可用help(range) 查看其手册。

>>> range
<class 'range'>

下面介绍Python3.xrange 的用法,有两种参数形式:

作用:生成一个从startstop 的,步长为step 的,可迭代的整数序列,该序列包含start,不包含stop,即遵循左开右闭原则
原型

range(stop) -> range object
range(start, stop[, step]) -> range object

参数

当只有stop 参数时,该序列从0 开始到stop,步长为1
当有startstop 参数时,该序列从start 开始到stop,步长为1
当有step 参数时,步长为step

返回值:一个range 对象

示例:

>>> range(5)
range(0, 5)
>>> range(1, 5)
range(1, 5)
>>> range(1, 5, 2)
range(1, 5, 2)

range 对象是一个序列,而不是一个迭代器:

>>> isinstance(range(5), collections.Sequence)
True
>>> isinstance(range(5), collections.Iterator)
False

可以使用列表生成式来查看range 中的内容:

>>> [i for i in range(5)]       # 从 0 到 5
[0, 1, 2, 3, 4]
>>> [i for i in range(1, 5)]    # 从 1 到 5
[1, 2, 3, 4]
>>> [i for i in range(1, 5, 2)] # 步长为 2
[1, 3]

4,生成器

生成器也是一个迭代器。生成器跟列表有点像,但优点是比列表节省内存

对于列表,Python 会为列表中的每个元素都分配实实在在的内存空间,如果列表中的元素很多,那么列表将消耗大量内存。

而对于生成器,Python 并不会为其中的每个元素都分配内存。

生成器记录的是一种算法,是如何生成数据的算法,在每次用到数据时,才会去生成数据,而不会一开始就将所有的数据准备好。

因此,对于相同的功能,生成器列表都能完成,而生成器可以节省大量的内存。

创建生成器有两种方式:

  • 列表生成式中的中括号[]改为小括号()
  • 在函数中使用yield 关键字

使用列表生成式

如下代码可以生成一个列表:

>>> [i for i in range(5)]
[0, 1, 2, 3, 4]

将中括号[] 改为小括号(),就是一个生成器:

>>> l = (i for i in range(5))
>>> l
<generator object <genexpr> at 0x7f3433d2d9e8>
>>> type(l)
<class 'generator'>
>>> isinstance(l, collections.Iterator) # 生成器也是一个迭代器
True

其中的generator 就是生成器的意思,它也是一个

使用yield 关键字

比如,我们想计算列表[1, 3, 5] 中每个元素的平方,使用yield 关键字,代码如下:

#! /usr/bin/env python3

def test():
    print('test...')
    l = [1, 3, 5]

    for i in l:
        tmp = i * i 
        print('yield tmp:%s' % tmp)
        yield tmp 

t = test()
print(t)       # <generator object test at 0x7fde1cdaa3b8> 
print(type(t)) # <class'generator'>

注意,我们定义了一个函数,这里我们只是为了演示如何使用yield 来创建生成器,而不用过多关注如何定义函数。

函数的概念我们会在后续章节详细介绍。

执行以上代码,输出如下:

<generator object test at 0x7fde1cdaa3b8> 
<class'generator'>

你会发现,字符串test...并没有被打印出来。

你可能会有疑问,既然代码t = test() 已经执行了,那整个test() 函数中的代码都应该执行完了才对,那字符串test... 怎么会没有打印呢?

那是因为,生成器中代码的执行是惰性的。当执行t = test() 这行代码时,test() 函数并没有被执行。

前边我们说过,生成器记录的是一个算法,而不是真正的数据,数据只有当使用到的时候,才会去生成。

所以,变量 t 中只是一个算法,而没有数据。

因为,生成器也是一个迭代器,所以生成器可以使用next() 函数来访问其中的数据:

i = next(t)
print('i value is', i) 

执行上面这行代码后,程序会输出:

test...
yield tmp:1
i value is 1

字符串test... 被打印,说明test() 执行了。

当代码执行到yield 时,变量i 会接收到yield 返回的数据,此时,代码会从yield 处跳出test() 函数。

如果接下来,不再遍历变量t 中的数据,那么整个代码就执行结束了。

如果我们再次执行代码:

j = next(t)
print('j value is', j) 

程序会输出:

yield tmp:9
j value is 9

可见代码会在上次yield 的地方,再次向下执行。

我们再次执行代码:

k = next(t)
print('k value is', k) 

程序会输出:

yield tmp:25
k value is 25

t 中的元素被遍历完后,如果再次执行next(t),则会抛出StopIteration 异常。

使用next() 函数来遍历生成器中的所有元素是很麻烦的,我们可以像遍历列表一样,用for 循环来遍历生成器中的元素:

for i in t:
    print(i) 

输出如下:

test...
yield tmp:1
1
yield tmp:9
9
yield tmp:25
25

整个遍历过程中,字符串test... 只被输出了一次,并没有被输出三次。

说明当代码执行到yield 时,并没有从函数test() 中返回,代码只是暂停在了yield 处,等下次需要数据时,会接着从上次的yield 处接着执行。

生成器比列表节省内存

如果我们想生成一个从09999 的数字序列,用列表的话,是这样的:

>>> l = [i for i in range(10000)]
>>> sys.getsizeof(l)  # 内存占用 87624 字节
87624

sys 模块的getsizeof 方法可以查看一个对象的大小,单位是字节

用生成器来实现的话,是这样的:

>>> l = (i for i in range(10000))
>>> sys.getsizeof(l)  # 内存占用 88 字节
88

可以看到09999 这样的整数序列,使用列表的话,占用 87624 字节;使用生成器的话,只占用 88 字节

5,强制类型转换

我们已经知道了,Python3 中的strlisttupledictset 都是一个类:

>>> type('')
<class 'str'>
>>> type([])
<class 'list'>
>>> type(())
<class 'tuple'>
>>> type({})
<class 'dict'>
>>> type(set())
<class 'set'>

每个类都有构造方法,这些构造方法可以将其它类型的数据,转换成该类型数据,我们也可以将这种转换称为强制类型转换

提示:

构造方法是一个的初始化方法,就是用什么样的数据去构造一个特定类的对象。

当介绍到类与对象时,我们会详细介绍。

str强制转换

作用: 将其它类型数据转换成字符串
原型: str(object='') -> str
参数: 任意类型数据
返回值: 字符串

示例:

>>> str(1)        # 将数字转换成字符串
'1'
>>> str([1, 2])   # 将列表转换成字符串
'[1, 2]'
>>> str((1, 2))   # 将元组转换成字符串
'(1, 2)'

list强制转换

作用: 将一个可迭代类型转成列表
原型: list(iterable) -> list
参数: 任意可迭代类型数据
返回值: 列表

示例:

>>> list((1, 2))   # 将一个元组转成列表
[1, 2]
>>> list(range(3)) # 将一个 range 对象转成列表
[0, 1, 2]

tuple强制转换

作用: 将一个可迭代类型转成元组
原型: tuple(iterable) -> tuple
参数: 任意可迭代类型数据
返回值: 元组

示例:

>>> tuple([1, 2])    # 将一个列表转成元组
(1, 2)
>>> tuple(range(3))  # 将一个 range 对象转成元组
(0, 1, 2)

dict强制转换

作用: 将一个可迭代类型数据转成字典
原型: dict(iterable) -> dict
参数: iterable 是一个可迭代对象,并且该对象中的元素是元组
返回值: 字典

示例:

>>> t = ((1, 2), (2, 3))  # t 是一个元组,其中的元素也是元组
>>> dict(t)
{1: 2, 2: 3}
>>> 
>>> l = [(1, 2), (2, 3)] # l 是一个列表,其中的元素是元组
>>> dict(l)
{1: 2, 2: 3}

set强制转换

作用: 将一个可迭代类型数据转成集合
原型: set(iterable) -> set
参数: 一个可迭代对象
返回值: 集合

其实,我们在介绍集合时,都是用的这种方式来声明的集合,示例:

>>> set('abc')      # 将一个字符串转成集合
{'b', 'c', 'a'}
>>> set([0, 1])     # 将一个列表转成集合
{0, 1}
>>> set((0, 1))     # 将一个元组转成集合
{0, 1}

(完。)


推荐阅读:

Python 简明教程 --- 9,Python 编码

Python 简明教程 --- 10,Python 列表

Python 简明教程 --- 11,Python 元组

Python 简明教程 --- 12,Python 字典

Python 简明教程 --- 13,Python 集合


欢迎关注作者公众号,获取更多技术干货。

码农充电站pro

posted @ 2020-06-03 22:19  码农充电站  阅读(233)  评论(0编辑  收藏  举报