Python--列表生成式（List Comprehensions）del语句和生成器（generator）

Posted 2020-09-09

1.运用列表生成式，可以写出非常简洁的代码

例如：

squares = []
for x in range(10):
    squares.append(x**2)
print squares
# [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

 可以写成如下形式：

squares = [x**2 for x in range(10)]

 for循环后面还可以加上if语句来作为判断条件,如可以得到偶数

[x**2 for x in range(10) if x % 2 == 0]
# [0, 4, 16, 36, 64]

 还可以利用双重for循环，生成全排列

[m + n for m in ‘ABC‘ for n in ‘xyz‘]
# [‘Ax‘, ‘Ay‘, ‘Az‘, ‘Bx‘, ‘By‘, ‘Bz‘, ‘Cx‘, ‘Cy‘, ‘Cz‘]

 列表表达式可以包含复杂的表达式和函数嵌套

from math import pi
[str(round(pi,i)) for i in range(1, 6)]
# [‘3.1‘, ‘3.14‘, ‘3.142‘, ‘3.1416‘, ‘3.14159‘]

 嵌套的列表表达式

[[row[i] for row in matrix] for i in range(4)]
# [[1, 5, 9], [2, 6, 10], [3, 7, 11], [4, 8, 12]]

上面的表达式还可以写成下面的形式：

transposed = []
for i in range(4):
    transposed.append([row[i] for row in matrix])
print transposed
# [[1, 5, 9], [2, 6, 10], [3, 7, 11], [4, 8, 12]]

 这个反过来写也是一样，如下：

transposed = []
for i in range(4):
    transposed_row = []
    for row in matrix:
        transposed_row.append(row[i])
    transposed.append(transposed_row)
print transposed
# [[1, 5, 9], [2, 6, 10], [3, 7, 11], [4, 8, 12]]

 还有一个Python内置函数zip(),也可以实现如上功能

zip(*matrix)
# [(1, 5, 9), (2, 6, 10), (3, 7, 11), (4, 8, 12)]

 

2.del语句（The del statement） 

>>> a = [-1, 1, 66.25, 333, 333, 1234.5]
>>> del a[0]
>>> a
[1, 66.25, 333, 333, 1234.5]
>>> del a[2:4]
>>> a
[1, 66.25, 1234.5]
>>> del a[:]
>>> a
[]

 清空整个list也可以用下面语句

del a

 3.生成器（generator）

通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。

所以，如果列表元素可以按照某种算法推算出来，那我们是否可以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：generator。

要创建一个generator，有很多种方法。第一种方法很简单，只要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)]
print L
# [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

g = (x * x for x in range(10))
print g
# <generator object <genexpr> at 0x10f9ba190>

 可以通过next（）获取generator的下一个返回值

print next(g)
print next(g)
print next(g)
-------------
0
1
4

 generator保存的是算法，每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。当然，上面这种不断调用next(g)实在是太变态了，正确的方法是使用for循环：

g = (x * x for x in range(10))
for n in g:
    print n
-----------------------------
0
1
4
9
16
25
36
49
64
81

 

所以，我们创建了一个generator后，基本上永远不会调用next()，而是通过for循环来迭代它，并且不需要关心StopIteration的错误。

generator非常强大。如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。

比如，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：

1, 1, 2, 3, 5, 8, 13, 21, 34, ...

斐波拉契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易

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

print fib(12)
--------------------
1
1
2
3
5
8
13
21
34
55
89
144
done

 

可以看出，fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。也就是说，上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print(b)改为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

 这就是定义generator的另一种方法。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：

f = fib(12)
print f
----------------
<generator object fib at 0x107cdad20>

generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成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。