Python6.1

列表生成式

列表生成式即List Comprehensions，是Python內置的非常簡單卻強大的可以用來創建list的生成式。
要生成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]

如果要生成[1x1, 2x2, 3x3, …, 10x10]，根據學過的，可以用循環：

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

但是循環太繁瑣，而列表生成式則可以用一行語句代替循環生成上面的list：

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

把要生成的元素x * x放到前面，後面跟for循環，就可以把list創建出來。for循環後面還可以加上if判斷，這樣我們就可以篩選出僅偶數的平方。

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

還可以使用兩層循環，可以生成全排列，三層和三層以上的循環很少用。

>>> [m+n for m in 'abc' for n in '123']
['a1', 'a2', 'a3', 'b1', 'b2', 'b3', 'c1', 'c2', 'c3']

運用列表生成式，可以寫出非常簡潔的代碼。例如，列出當前目錄下的所有文件和目錄名，可以通過一行代碼實現。

>>> import os
>>> [d for d in os.listdir('.')]
['$RECYCLE.BIN', '826資料', 'hello.py', 'hqh', 'learning.py', 'pagefile.sys', 'postgraduate', 'research', 'System Volume Information', 'university', '__pycache__']

for循環可以同時使用兩個甚至多個變量，比如dict的items()可以同時迭代key和value：

>>> d={'a':'A','b':'B','c':'C'}
>>> for k,v in d.items():
...     print(k,'=',v)
...
a = A
b = B
c = C

所以，列表生成式也可以使用兩個變量來生成list：

>>> d={'a':'A','b':'B','c':'C'}
>>> [k+'='+v for k,v in d.items()]
['a=A', 'b=B', 'c=C']

把一個list中所有的字符串變成小寫用s.lower()函數：

>>> L=['HELLO','Hi']
>>> [s.lower() for s in L]
['hello', 'hi']

練習

如果list中既包含字符串，又包含整數，由於非字符串類型沒有lower()方法，所以列表生成式會報錯：

>>> L = ['Hello', 'World', 18, 'Apple', None]
>>> [s.lower() for s in L]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "<stdin>", line 1, in <listcomp>
AttributeError: 'int' object has no attribute 'lower'

使用內建的isinstance函數可以判斷一個變量是不是字符串：

>>> x = 'abc'
>>> y = 123
>>> isinstance(x, str)
True
>>> isinstance(y, str)
False

請修改列表生成式，通過添加if語句保證列表生成式能正確地執行：

>>> L1 = ['Hello', 'World', 18, 'Apple', None]
>>> [s.lower() for s in L1 if isinstance(s, str)]
['hello', 'world', 'apple']

生成器

通過列表生成式，我們可以直接創建一個列表。但是，受到內存限制，列表容量肯定是有限的。而且，創建一個包含100萬個元素的列表，不僅佔用很大的存儲空間，如果我們僅僅需要訪問前面幾個元素，那後面絕大多數元素佔用的空間都白白浪費了。
所以，如果列表元素可以按照某種算法推算出來，那我們是否可以在循環的過程中不斷推算出後續的元素呢？這樣就不必創建完整的list，從而節省大量的空間。

在Python中，這種一邊循環一邊計算的機制，稱爲生成器：generator。
要創建一個generator，有很多種方法。第一種方法很簡單，只要把一個列表生成式的[]改成()，就創建了一個generator：

>>> g=(x*x for x in range(1,11))
>>> g
<generator object <genexpr> at 0x0000025B6C840C78>

創建L和g的區別僅在於最外層的[]和()，L是一個list，而g是一個generator。
我們可以直接打印出list的每一個元素，通過next()函數獲得generator的下一個返回值：

>>> next(g)
1
>>> next(g)
4
>>> next(g)
9
>>> next(g)
16
>>> next(g)
25
>>> next(g)
36
>>> next(g)
49
>>> next(g)
64
>>> next(g)
81
>>> next(g)
100
>>> next(g)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

generator保存的是算法，每次調用next(g)，就計算出g的下一個元素的值，直到計算到最後一個元素，沒有更多的元素時，拋出StopIteration的錯誤。

上面這種不斷調用next(g)實在是太變態了，正確的方法是使用for循環，因爲generator也是可迭代對象：

>>> g=(x*x for x in range(1,11))
>>> for n in g:
...     print(n)
...
1
4
9
16
25
36
49
64
81
100

所以，我們創建了一個generator後，基本上永遠不會調用next()，而是通過for循環來迭代它，並且不需要關心StopIteration的錯誤。
generator非常強大。如果推算的算法比較複雜，用類似列表生成式的for循環無法實現的時候，還可以用函數來實現。
比如，著名的斐波拉契數列（Fibonacci），除第一個和第二個數外，任意一個數都可由前兩個數相加得到：
1, 1, 2, 3, 5, 8, 13, 21, 34, …
斐波拉契數列用列表生成式寫不出來，但是，可以用函數把它打印出來：

>>> def fib(max):
...     n,a,b=0,0,1
...     while n<max:
...         print(b)
...         a,b=b,a+b     #由（a,b）到(b,a+b)
...         n=n+1
...     return 'done'
...
>>> fib(5)
1
1
2
3
5
'done'

賦值語句a, b = b, a + b相當於：
t = (b, a + b) ，t是一個tuple，其中a = t[0]，b = t[1]
但不必顯式寫出臨時變量t就可以賦值。
仔細觀察，fib函數實際上是定義了斐波拉契數列的推算規則，可以從第一個元素開始，推算出後續任意的元素，這種邏輯其實非常類似generator。也就是說，上面的函數和generator僅一步之遙。
要把fib函數變成generator，只需要把print(b)改爲yield b就可以了：

>>> def fib(max):
...     n,a,b=0,0,1
...     while n<max:
...         yield b
...         a,b=b,a+b
...         n=n+1
...     return 'done'
...
>>> fib(5)
<generator object fib at 0x0000025B6C840C78>

這就是定義generator的另一種方法。如果一個函數定義中包含yield關鍵字，那麼這個函數就不再是一個普通函數，而是一個generator。
generator和函數的執行流程不一樣。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。
舉個簡單的例子，定義一個generator，依次返回數字1，3，5，調用該generator時，首先要生成一個generator對象，然後用next()函數不斷獲得下一個返回值。

>>> def odd():
...     print('step 1')
...     yield 1
...     print('step 2')
...     yield 3
...     print('step 3')
...     yield 5
...
>>> o=odd()
>>> next(o)
step 1
1
>>> next(o)
step 2
3
>>> next(o)
step 3
5
>>> next(o)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

可以看到，odd不是普通函數，而是generator，在執行過程中，遇到yield就中斷，下次又繼續執行。執行3次yield後，已經沒有yield可以執行了，所以，第4次調用next(o)就報錯。

回到fib的例子，我們在循環過程中不斷調用yield，就會不斷中斷。當然要給循環設置一個條件來退出循環，不然就會產生一個無限數列出來。把函數改成generator後，我們使用for循環來迭代：

>>> for n in fib(5):
...     print(n)
...
1
1
2
3
5

在這裏，發現拿不到generator的return語句的返回值。如果想要拿到返回值，必須捕獲StopIteration錯誤，返回值包含在StopIteration的value中：

>>> g=fib(5)
>>> 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
Generator return value: done

關於如何捕獲錯誤，後面的錯誤處理會詳細講解。

練習

楊輝三角定義如下：
1
/ \
1 1
/ \ / \
1 2 1
/ \ / \ / \
1 3 3 1
/ \ / \ / \ / \
1 4 6 4 1
/ \ / \ / \ / \ / \
1 5 10 10 5 1
把每一行看做一個list，試寫一個generator，不斷輸出下一行的list：

>>> def triangles(n):
...     L=[1]
...     for i in range(1,n+1):
...         yield L
...         L=[1]+[L[i-1]+L[i] for i in range(1,i)]+[1]
...
>>> n=triangles(5)
>>> next(n)
[1]
>>> next(n)
[1, 1]
>>> next(n)
[1, 2, 1]
>>> next(n)
[1, 3, 3, 1]
>>> next(n)
[1, 4, 6, 4, 1]
>>> next(n)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration
>>>

小結

在Python中，可以簡單地把列表生成式改成generator，也可以通過函數實現複雜邏輯的generator。
要理解generator的工作原理，它是在for循環的過程中不斷計算出下一個元素，並在適當的條件結束for循環。對於函數改成的generator來說，遇到return語句或者執行到函數體最後一行語句，就是結束generator的指令，for循環隨之結束。
請注意區分普通函數和generator函數，普通函數調用直接返回結果：

>>> r = abs(6)
>>> r
6

generator函數的“調用”實際返回一個generator對象：

>>> g = fib(6)
>>> g
<generator object fib at 0x1022ef948>

迭代器

我們已經知道，可以直接作用於for循環的數據類型有以下幾種：
一類是集合數據類型，如list、tuple、dict、set、str等；
一類是generator，包括生成器和帶yield的generator function。
這些可以直接作用於for循環的對象統稱爲可迭代對象：Iterable。

可以使用isinstance()判斷一個對象是否是Iterable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

生成器不但可以作用於for循環，還可以被next()函數不斷調用並返回下一個值，直到最後拋出StopIteration錯誤表示無法繼續返回下一個值了。
可以被next()函數調用並不斷返回下一個值的對象稱爲迭代器：Iterator。
可以使用isinstance()判斷一個對象是否是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

生成器都是Iterator對象，但list、dict、str雖然是Iterable，卻不是Iterator。
把list、dict、str等Iterable變成Iterator可以使用iter()函數：

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

那麼爲什麼list、dict、str等數據類型不是Iterator？
因爲Python的Iterator對象表示的是一個數據流，Iterator對象可以被next()函數調用並不斷返回下一個數據，直到沒有數據時拋出StopIteration錯誤。可以把這個數據流看做是一個有序序列，但我們卻不能提前知道序列的長度，只能不斷通過next()函數實現按需計算下一個數據，所以Iterator的計算是惰性的，只有在需要返回下一個數據時它纔會計算。

Iterator甚至可以表示一個無限大的數據流，例如全體自然數。而使用list是永遠不可能存儲全體自然數的。
小結
凡是可作用於for循環的對象都是Iterable類型；
凡是可作用於next()函數的對象都是Iterator類型，它們表示一個惰性計算的序列；
集合數據類型如list、dict、str等是Iterable但不是Iterator，不過可以通過iter()函數獲得一個Iterator對象。
Python的for循環本質上就是通過不斷調用next()函數實現的，例如：

for x in [1, 2, 3, 4, 5]:
    pass

實際上完全等價於：

# 首先獲得Iterator對象:
it = iter([1, 2, 3, 4, 5])
# 循環:
while True:
    try:
        # 獲得下一個值:
        x = next(it)
    except StopIteration:
        # 遇到StopIteration就退出循環
        break