目录

内置序列类型列表推导与生成器表达式列表推导生成器表达式总结

在python学习的过程中，我们最先接触到的就是python的数组，元组，字典等基础类型，但很少有人深入讨论python的内置序列类型以及它们的高级使用姿势。

深度学习python的内置序列，不仅能让我们编写的API更加的易用简介，也能够更好的理解python中各种序列的特性。

(相关资料图)

在本文中，我们就来一起解锁python内置序列的高级用法，玩转pyhon序列。

内置序列类型

python中有很多的序列类型，主要可以分为以下两类：

容器序列：能存放不同数据类型的数据的序列。（list, tuple, collections.deque）扁平序列：只能容纳一种类型的序列。（str, bytes, bytearray, memoryview, array.array）

说明：扁平序列储存的是一段连续的内存空间，而容器序列存放的是它们包含的任意类型对象的引用。

另外，序列类型还可以从可修改与不可修改的角度进行分类，主要能被分成以下两类：

可变序列：list, bytearray, array.array, collections.deque, memoryview不可变序列：str, tuple, bytes

为了深入的讨论可变序列与不可变序列的差异，我们看下面这个UML图：

在上图中，继承从子类指向超类，可以看到可变序列（MutableSequence）继承了不可变序列（Sequence）的很多方法。与此同时，通过UML图我们也可以更直观的发现其不同的地方，这有助于我们了解后续的内置序列类型的差异。

列表推导与生成器表达式

列表推导

相信大家已经对基础的序列类型list有了初步的了解与认识，但当我们想要创建一个新的数组时，往往会想到使用for循环遍历生成。

其实在python中还存在一种构建列表的方法叫做列表推导(list comprehension)，它是构建列表的快捷方式，同时也能够使你的代码更加易读与简洁。假设我们需要创建从0到10的一个列表，我们来看下面的两段代码：

# 不使用列表推导
example_list_01 = []
for i in range(10):
   example_list_01.append(i)
print(example_list_01)

>>> [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

# 列表推导
example_list_01 = [i for i in range(10)]
print(example_list_01)

>>> [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

相信大部分人第一时间都会考虑使用第一种方法进行列表的创建，但明显使用了列表推导（生成器表达式推导列表）的例子看起来更加简便且易读。我们再来看一个更复杂的例子，假设我们想要寻找10以内的偶数，我们看下面两段代码：

# 不使用列表推导
example_list_02 = []
for i in range(10):
    if i % 2 == 0:
       example_list_02.append(i)
print(example_list_02)

# 列表推导
example_list_02 = [i for i in range(10) if i % 2 == 0]
print(example_list_02)

显然，下面的代码可读性更强且更为简单。另外，使用filter也能够完成上述的功能，但是可读性并不强。我们使用filter完成上述功能的代码如下：

example_list_03 = list(filter(lambda i: i % 2 == 0, range(10)))
print(example_list_03)

显然，这样的可读性并不强。

在列表推导中，我们还可以将自己的函数或者python内置函数直接对生成的数组进行处理，请看下面这个例子：

def deal(num):
    return "处理过的" + str(num)

deal_list = [deal(i) for i in range(10)]
print(deal_list )

>>> ["处理过的0",
 "处理过的1",
 "处理过的2",
 "处理过的3",
 "处理过的4",
 "处理过的5",
 "处理过的6",
 "处理过的7",
 "处理过的8",
 "处理过的9"]

最后，我们再用列表推导表达式尝试计算笛卡尔积并与for循环完成的相同的功能做对比，请看下面的代码：

colors = ["红色","蓝色","绿色"]
clothes = ["上衣","裤子","运动鞋"]

clothes_list_01 = []
for color in colors:
    for clothe in clothes:
        clothes_list_01.append((color,clothe))
print("未使用列表推导：",clothes_list_01)

clothes_list_02 = [(color,clothe) for color in colors for clothe in clothes]
print("使用列表推导：",clothes_list_01)

结果如下：

未使用列表推导： [("红色", "上衣"), ("红色", "裤子"), ("红色", "运动鞋"),
("蓝色", "上衣"), ("蓝色", "裤子"), ("蓝色", "运动鞋"), ("绿色", "上衣"), ("绿色", "裤子"), ("绿色", "运动鞋")]
使用列表推导： [("红色", "上衣"), ("红色", "裤子"), ("红色", "运动鞋"),
("蓝色", "上衣"), ("蓝色", "裤子"), ("蓝色", "运动鞋"), ("绿色", "上衣"), ("绿色", "裤子"), ("绿色", "运动鞋")]

可以看到输出的结果是完全相同的，但是利用列表推导的代码更为简洁。

生成器表达式

虽然使用上述的列表推导语法也可以生成元组等其他类型的序列，但是使用生成器表达式会更好。生成器并不是先建立一个完整的列表再将其传递到某个构造函数内，而是逐个产出元素，这会更加的节省内存。

我们看下面几个例子，用来了解生成器表达式是如何生成字典与元组的。

# 使用生成器表达式构建字典
dict_transform_list = [("APPLE", "苹果"), ("BNANA", "香蕉"), ("PEAR", "梨子")]
dict_01 = {key: value for key,value in dict_transform_list}

>>>{"APPLE": "苹果", "BNANA": "香蕉", "PEAR": "梨子"}

# 使用生成器表达式构建元组
tuple_01 = tuple(i for i in range(10))

>>>(0, 1, 2, 3, 4, 5, 6, 7, 8, 9)

总结

在本文中，介绍了生成器与表达式的用法，帮助我们快速创建数组以及其他序列，解锁了python序列的新姿势。

到此这篇关于Python进阶之列表推导与生成器表达式详解的文章就介绍到这了,更多相关Python列表推导 生成器表达式内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！