本文主要介紹Python的高級特性：列表推導式、迭代器和生成器，是面試中經常會被問到的特性。

因為生成器實現了迭代器協議，可由列表推導式來生成，所有，這三個概念作為一章來介紹，是最便于大家理解的，現在看不懂沒關系，下面我不僅是會讓大家知其然，重要的更是要知其所以然。

列表推導式

前幾天有個HR讓我談談列表推導式，我說這我經常用，就是用舊的列表生成一個新的列表的公式，他直接就把我拒了，讓我回去復習一下，挺受打擊的，所以決定也幫助大家回顧一下。

內容：

列表推導式：舊的列表->新的列表

了解：字典推導式 集合推導式

1、列表推導式

格式 [表達式 for 變量 in 舊列表]

或 [表達式 for 變量 in 舊列表 if 條件]

例1：生成名字長度大于3且首字母大寫的新列表。

names_old = ['tom', 'amy', 'daming', 'lingling']

names_new = [name.capitalize() for name in names_old if len(name) > 3]

print(names_new)

輸出：

['Daming', 'Lingling']

例2：(大廠初級筆試題目)生成一個元組列表，要求每個元素為(0-5偶數，0-10奇數)形式。輸出結果為：

[(0, 1), (0, 3), (0, 5), (0, 7), (0, 9), (2, 1), (2, 3), (2, 5), (2, 7), (2, 9), (4, 1), (4, 3), (4, 5), (4, 7), (4, 9)]

for循環實現代碼：

new_list = list()

for i in range(5): # 偶數

if i % 2 == 0:

for j in range(10): # 奇數

if j % 2 != 0:

new_list.append((i, j))

列表推導式代碼：

new_list = [(i, j) for i in range(5) for j in range(10) if i % 2 == 0 and j % 2 != 0]

例3：(大廠初級筆試題目)給出一個員工列表：

employees_old = [{'name': "tmo", "salary": 4800},

{'name': "amy", "salary": 3800},

{'name': "daming", "salary": 7000},

{'name': "lingling", "salary": 5600}]

如果員工薪資大于5000則加200，否則加500，輸出新的員工列表。

列表推導式：

employees_new = [employee['salary'] + 200 if employee['salary'] > 5000 else employee['salary'] + 500 for employee in employees_old]

print(employees_new)

輸出：

[5300, 4300, 7200, 5800]

發現結果是員工薪資列表，回過頭看一下代碼，確實是把得到的數字給了列表，那要返回員工列表要怎么實現呢？

讓我們用普通for循環的方式來進行一下對比：

for employee in employees_old:

if employee['salary'] > 5000:

employee['salary'] += 200

else:

employee['salary'] += 500

?

print(employees_old)

輸出：

[{'name': 'tmo', 'salary': 5300}, {'name': 'amy', 'salary': 4300}, {'name': 'daming', 'salary': 7200}, {'name': 'lingling', 'salary': 5800}]

沒錯，我們注意到兩者的差別了，列表推導式我們少了一步賦值(在字典元素上進行賦值)，不能直接返回一個薪資數值而是一個員工字典給列表。

正確的列表推導式如下：

employees_new = [

{'name': employee['name'], 'salary': employee['salary'] + 200} if employee['salary'] > 5000 else

{'name': employee['name'], 'salary': employee['salary'] + 500} for employee in employees_old]

?

print(employees_new)

2、字典推導式：

例1：

dict_old = {'a': 'A', 'b': 'B', 'c': 'C', 'd': 'C'}

dict_new = {value: key for key, value in dict_old.items()}

print(dict_new)

輸出：

{'A': 'a', 'B': 'b', 'C': 'd'}

3、集合推導式：

類似列表推導式 典型用法：去重

例1：

list_old = [1, 2, 3, 5, 2, 3]

set_new = {x for x in list_old}

print(set_new)

輸出：

{1, 2 ,3, 5}

小結：到目前為止，列表推導式不就是一個用來創建列表的式子么？除了可以簡化代碼，裝裝X？

其實，列表推導式還有另一個優點是相比于for循環更高效，因為列表推導式在執行時調用的是Python的底層C代碼，而for循環則是用Python代碼來執行。嗷~面試官最想聽到的，是第二點。

迭代器

由于迭代器協議對很多人來說，是一個較為抽象的概念，而且生成器自動實現了迭代器協議，所以我們需要先講解一下迭代器協議的概念，也是為了更好的理解接下來的生成器。

可以被next()函數調用并不斷返回下一個值的對象稱為迭代器：Iterator。

迭代是訪問集合元素的一種方式，迭代器是一個可以記住遍歷位置的對象。迭代器對象從集合的第一個元素開始訪問，直到所有元素被訪問完結束。

迭代器只能往前不能后退。

迭代器協議：是指對象需要提供next()方法，它要么返回迭代中的下一項，要么就引起一個StopIteration異常，以終止迭代。

可迭代對象：就是實現了迭代器協議的對象。

舉個例子，對Python稍微熟悉一點的朋友應該知道，Python的for循環不但可以用來遍歷list，還可以用來遍歷文件對象，如下所示：

with open('F:/test/test.txt') as f:

for line in f:

print(line)

為什么在Python中，文件還可以使用for循環進行遍歷呢？這是因為，在Python中，文件對象實現了迭代器協議，for循環并不知道它遍歷的是一個文件對象，它只管使用迭代器協議訪問對象即可。

正是由于Python的文件對象實現了迭代器協議，我們才得以使用如此方便的方式訪問文件，如下所示：

with open('F:/test/test.txt') as f:

print(dir(f))

輸出：

['__class__', '__del__', '__dict__', '__dir__', '__init__', '__iter__', '__next__', 'closed', 'line_buffering', 'newlines', 'read', 'readline'......]

可迭代的是不是肯定就是迭代器？

生成器是可迭代的，也是迭代器。

list是可迭代的，但不是迭代器。list可以借助iter()函數將可迭代的變成迭代器list->iter(list)->迭代器next()：

舉個栗子：

list1 = iter([x for x in range(10)])

print(next(list1))

print(next(list1))

可迭代對象：

生成器

元組 列表 集合 字典 字符串

如何判斷一個對象是否是可迭代？

借助isinstance()函數：

from collections import Iterable

?

print(isinstance([x for x in range(10)], Iterable)) # 列表

print(isinstance('hello world', Iterable)) # 字符串

print(isinstance(100, Iterable)) # 數字

print(isinstance((x for x in range(10)), Iterable)) # 迭代器

輸出：

True

True

False

True

生成器

生成器是Python最有用的特性之一，也是使用的最不廣泛的Python特性之一。究其原因，主要是因為，在其他主流語言里面沒有生成器的概念。

正是由于生成器是一個“新”的東西，所以，它一方面沒有引起廣大工程師的重視，另一方面，也增加了工程師的學習成本，最終導致大家錯過了Python中如此有用的一個特性。

我們已經知道，通過列表推導式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，不僅占用很大的存儲空間，如果我們僅僅需要訪問前面那幾個元素，那后面絕大多數元素占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在循環的過程中不斷推算出后續的元素，這樣既不必創建完整的list，從而還可以節省大量的空間。

在Python中，這種一邊循環一邊計算的機制，稱為生成器:generator。

Python使用生成器對延遲操作提供了支持。所謂延遲操作，是指在需要的時候才產生結果，而不是立即產生結果。這也是生成器的主要好處。

定義生成器

Python有兩種不同的方式提供生成器：

方法一：借助列表推導式

生成器表達式：類似于列表推導(這也就是為什么第一節我要先介紹列表推導式)，但是，生成器返回按需產生結果的一個對象，而不是一次構建一個結果列表。

例1：

my_generator = (x for x in range(5)) # 注意是()不是[]

print(my_generator) # 發現不能打印出元素

print(type(my_generator))

print(my_generator.__next__()) # 三種得到元素的方法，注意看輸出結果

print(next(my_generator))

for i in my_generator:

print(i)

?

# 注意會拋出StopIteration異常

# print(next(my_generator))

print(next(my_generator)) # generator只能遍歷一次

輸出：

Traceback (most recent call last):

File "E:/pycharm/Leetcode/RL_Learning/printdata.py", line 11, in

print(next(my_generator))

StopIteration

at 0x0000000000513660>

0

1

2

3

4

方法二：借助函數

生成器函數：使用yield語句而不是return語句返回函數結果。yield語句一次返回一個結果，在每個結果中間，掛起函數的狀態，起到暫停的作用，以便下次從它離開的地方繼續執行。

步驟：

定義函數，函數返回使用yield關鍵字；

調用函數，接收函數返回值；

得到的返回結果就是生成器；

借助next()或nest()得到想要的元素。

例2：你的函數里面只要出現了yield關鍵字，你的函數就不再是函數了，就變成生成器了：

# 斐波那契數列：

def fib(length): # 1. 定義函數

a, b = 0, 1

n = 0

while n < length:

n += 1

yield b # return b + 暫停

a, b = b, a + b

?

?

g = fib(5) # 2. 調用函數

print(g) # 3. 返回的就是生成器

print(next(g)) # 4. 借助`next()`或`__nest__()`得到想要的元素

print(next(g)) # 每調用一次產生一個值

print(next(g))

print(g.__next__())

print(g.__next__())

輸出：

1

1

2

3

5

注意：生成器只能遍歷一次。

當調用函數的時候，并沒有進函數進行執行，而是直接生成一個生成器，當調用next的時候，才進入函數真正開始執行，除了第一次調用next()方法是從函數頭開始執行，其余每次都是接著從上次執行到yield的地方接著執行的。

小結

使用生成器以后，代碼行數更少。大家要記住，如果想把代碼寫的Pythonic，在保證代碼可讀性的前提下，代碼行數越少越好。

合理使用生成器，能夠有效提高代碼可讀性。只要大家完全接受了生成器的概念，理解了yield語句和return語句一樣，也是返回一個值。那么，就能夠理解為什么使用生成器比不使用生成器要好，能夠理解使用生成器真的可以讓代碼變得清晰易懂。

在實際工作中，充分利用Python生成器，不但能夠減少內存使用，還能夠提高代碼可讀性。掌握生成器也是Python高手的標配。

文源網絡，僅供學習之用，如有侵權，聯系刪除。

我將優質的技術文章和經驗總結都匯集在了我的公眾號【Python圈子】里。

在學習Python的道路上肯定會遇見困難，別慌，我這里有一套學習資料，包含40+本電子書，600+個教學視頻，涉及Python基礎、爬蟲、框架、數據分析、機器學習等，不怕你學不會！還有學習交流群，一起學習進步~

總結

以上是生活随笔為你收集整理的python里面返回上一步_Python中的这3个骚操作你会吗？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。