Python中關於循環技術的總結

Python中關於循環技術的短文

Python中有很多數據結構可用來存儲數據集合,而當我們想讀取調用這些存儲在數據結構中的數據時,常常使用一些循環遍歷技術。根據我們對調用數據方式的要求以及不同數據結構的特點,我們有許多不同的循環技術,本文將對這些技術進行總結。

基礎

-對於基本的數據結構,像列表、元組,如果我們只是想按順序調用讀取存儲在其中的數據,我們只需用簡單的for循環就可以了。

例子

列表:

代碼:

List = [1,2,3,4]

for i in List:
    print(i)

輸出結果:

1
2
3
4

元組:

代碼:

Tuple = ("a","b","c","d")

for i in Tuple:
    print(i)

輸出結果:

a
b
c
d

特殊數據結構

-對於集合和字典這兩種數據結構,有特殊的循環技術。

集合

	-集合中數據是無序的,如果直接用for循環技術遍歷輸出,則不會按輸入的順序輸出。

例子:

代碼:

Set = {"a","b","f","s"}

for i in Set:
    print(i)

輸出:

b
a
s
f

字典

	-字典中數據以鍵值對形式存儲,想要循環遍歷輸出key和對應的value值可以使用item()函數。

例子:

代碼:

Dict = {1:"a",2:"b",3:"c"}

for i,j in Dict.items():
    print(i,"--",j)

輸出:

1 -- a
2 -- b
3 -- c

特殊遍歷要求

-在實際情況中,我們有時候需要按順序遍歷之外的循環技術。

列表下標和值共同輸出

	-當我們在遍歷列表時,如果想要將下標和值一起輸出,可以使用enumerate()函數。

例子:

代碼:

List = [1,2,3,4]

for i,j in enumerate(List):
    print(i,"--",j)

輸出:

0 -- 1
1 -- 2
2 -- 3
3 -- 4

同樣適用於元組,集合。

例子:

代碼(元組):

Tuple = ("a","b","c","d")

for i,j in enumerate(Tuple):
    print(i,"--",j)

輸出:

0 -- a
1 -- b
2 -- c
3 -- d

代碼(集合):

Set = {"a","b","f","s"}

for i,j in enumerate(Set):
    print(i,"--",j)

輸出:

0 -- b
1 -- a
2 -- s
3 -- f
-集合輸出依舊是無序的。

多個列表同時遍歷

-當我們想同時遍歷兩個或以上的列表時,我們可以使用zip()函數。下面僅以兩個列表爲例。

例子:

代碼:

List1 = ["a","b","c","d"]
List2 = ["e","f","g","h"]

for i,j in zip(List1,List2):
    print(i,"--",j)

輸出:

a -- e
b -- f
c -- g
d -- h

同樣適用於元組,集合。

例子:

代碼(元組):

Tuple1 = ("a","b","c","d")
Tuple2 = ("e","f","g","h")

for i,j in zip(Tuple1,Tuple2):
    print(i,"--",j)

輸出:

a -- e
b -- f
c -- g
d -- h

代碼(集合):

Set1 = {"a","b","f","s"}
Set2 = {1,2,3,4}

for i,j in zip(Set1,Set2):
    print(i,"--",j)
b -- 1
a -- 2
s -- 3
f -- 4
-集合輸出依舊是無序的。

逆序遍歷

-當我們想倒着輸出一個列表時,我們可以使用reversed()函數。

例子:

代碼

List = [1,2,3,4]

for i in reversed(List):
    print(i)

輸出:

4
3
2
1

排序後輸出

-當我們循環遍歷一個列表時,想對其中排序後再輸出可以使用sorted()函數

例子:

代碼

List = [4,2,5,1,3]

for i in sorted(List):
    print(i)

輸出

1
2
3
4
5

循環技巧

-有時候我們想循環遍歷對一個列表進行操作,我們可以直接新定義一個列表

例子:

代碼

import math
raw_data = [56.2, float('NaN'), 51.7, 55.3, 52.5, float('NaN'), 47.8]
filtered_data = []
for value in raw_data:
    if not math.isnan(value):
        filtered_data.append(value)
print(filtered_data)

輸出

[56.2, 51.7, 55.3, 52.5, 47.8]

關於python生成器技術的補充

本文簡單對python中生成器的一些應用做出介紹

-可以通過yield實現在單線程的情況下實現併發運算的效果

例子

代碼

import time
def consumer(name):
    print("%s 準備學習啦!" %name)
    while True:
       lesson = yield
 
       print("開始[%s]了,[%s]老師來講課了!" %(lesson,name))
 
 
def producer(name):
    c = consumer('A')
    c2 = consumer('B')
    c.__next__()
    c2.__next__()
    print("同學們開始上課 了!")
    for i in range(10):
        time.sleep(1)
        print("到了兩個同學!")
        c.send(i)
        c2.send(i)

輸出結果

A 準備學習啦!
B 準備學習啦!
同學們開始上課 了!
到了兩個同學!
開始[0]了,[A]老師來講課了!
開始[0]了,[B]老師來講課了!
到了兩個同學!
開始[1]了,[A]老師來講課了!
開始[1]了,[B]老師來講課了!
到了兩個同學!
開始[2]了,[A]老師來講課了!
開始[2]了,[B]老師來講課了!
到了兩個同學!
開始[3]了,[A]老師來講課了!
開始[3]了,[B]老師來講課了!
到了兩個同學!
開始[4]了,[A]老師來講課了!
開始[4]了,[B]老師來講課了!
到了兩個同學!
開始[5]了,[A]老師來講課了!
開始[5]了,[B]老師來講課了!
到了兩個同學!
開始[6]了,[A]老師來講課了!
開始[6]了,[B]老師來講課了!
到了兩個同學!

解析

-由上面的例子我麼可以發現,python提供了兩種基本的方式
-生成器函數:也是用def定義的,利用關鍵字yield一次性返回一個結果,阻塞,重新開始
-生成器表達式:返回一個對象,這個對象只有在需要的時候才產生結果

-用定義函數來使用生成器

例子:

定義一個可生成斐波那契數列的函數,生成的值存儲到生成器中

代碼

def fib(max):
    n,a,b =0,0,1
    while n < max:
        yield b
        a,b =b,a+b
        n = n+1
    return 'done'
g = fib(6)
while True:
    try:
        x = next(g)
        print('generator: ',x)
    except StopIteration as e:
        print("生成器返回值:",e.value)
        break

輸出結果

generator:  1
generator:  1
generator:  2
generator:  3
generator:  5
generator:  8
生成器返回值: done

解析:

-這段代碼中利用了yield將生成結果存儲到生成器中。然後用next()函數不斷獲取生成器的值,直到全部獲取完。
-在用異常處理捕獲StopIteration異常,獲取函數返回值。

-生成器表達式
-生成器表達式來源於迭代和列表解析的組合,生成器和列表解析類似,但是它使用尖括號而不是方括號

例子

代碼

>>> # 列表解析生成列表
>>> [ x ** 3 for x in range(5)]
[0, 1, 8, 27, 64]
>>>
>>> # 生成器表達式
>>> (x ** 3 for x in range(5))
<generator object <genexpr> at 0x000000000315F678>
>>> # 兩者之間轉換
>>> list(x ** 3 for x in range(5))
[0, 1, 8, 27, 64]
-一個迭代既可以被寫成生成器函數,也可以被協程生成器表達式,均支持自動和手動迭代。而且這些生成器只支持一個active迭代,也就是說生成器的迭代器就是生成器本身。

對yield的幾點總結

(1)通常的for…in…循環中,in後面是一個數組,這個數組就是一個可迭代對象,類似的還有鏈表,字符串,文件。他可以是a = [1,2,3],也可以是a = [x*x for x in range(3)]。

它的缺點也很明顯,就是所有數據都在內存裏面,如果有海量的數據,將會非常耗內存。

(2)生成器是可以迭代的,但是只可以讀取它一次。因爲用的時候才生成,比如a = (x*x for x in range(3))。!!!注意這裏是小括號而不是方括號。

(3)生成器(generator)能夠迭代的關鍵是他有next()方法,工作原理就是通過重複調用next()方法,直到捕獲一個異常。

(4)帶有yield的函數不再是一個普通的函數,而是一個生成器generator,可用於迭代

(5)yield是一個類似return 的關鍵字,迭代一次遇到yield的時候就返回yield後面或者右面的值。而且下一次迭代的時候,從上一次迭代遇到的yield後面的代碼開始執行

(6)yield就是return返回的一個值,並且記住這個返回的位置。下一次迭代就從這個位置開始。

(7)帶有yield的函數不僅僅是隻用於for循環,而且可用於某個函數的參數,只要這個函數的參數也允許迭代參數。

(8)send()和next()的區別就在於send可傳遞參數給yield表達式,這時候傳遞的參數就會作爲yield表達式的值,而yield的參數是返回給調用者的值,也就是說send可以強行修改上一個yield表達式值。

(9)send()和next()都有返回值,他們的返回值是當前迭代遇到的yield的時候,yield後面表達式的值,其實就是當前迭代yield後面的參數。

(10)第一次調用時候必須先next()或send(),否則會報錯,send後之所以爲None是因爲這時候沒有上一個yield,所以也可以認爲next()等同於send(None)

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章