首页 > > 网络编程 > 其它 >

python高级（二）—— python内置序列类型

2018-06-18 01:23:05来源：未知阅读 ()

本文主要内容

　　序列类型分类：

　　　　（1）容器序列、扁平序列

　　　　（2）可变序列、不可变序列

　　列表推导式

　　生成器表达式

　　元组拆包

　　切片

　　排序（list.sort方法和sorted函数）

　　bisect

python高级——目录

　　文中代码均放在github上：https://github.com/ampeeg/cnblogs/tree/master/python高级

序列类型分类

　　所谓序列，即元素有序排列，python标准库用C实现了丰富的序列类型，按照序列中是否可存放不同类型的数据分为"容器序列"和"扁平序列"。

　　容器序列可以存放统统类型的数据，而扁平序列只能存放一种类型

　　　　容器序列：list、tuple、collections.deque   
　　　　扁平序列：str、bytes、bytearray、memoryview、array.array
　　
　　按照是否能修改的标准序列又可分为"可变序列"和"不可变序列"：      
　　　　可变序列：list、bytearrary、array.arrary、collections.deque和memoryview   
　　　　不可变序列：tuple、str和bytes
 
　　由于可变序列继承自不可变序列，所以可变序列继承的方法也较多，下面看看它们包含的方法：

方法名	不可变序列	可变序列
__contains__	有	有
__iter__	有	有
__len__	有	有
__getitem__	有	有
__reversed__	有	有
index	有	有
count	有	有
__setitem__		有
__delitem__		有
insert		有
append		有
reverse		有
extend		有
pop		有
remove		有
__iadd__		有

　　我们以tuple和list类型为例，对比源代码中的方法，可以明显发现list的方法多于tuple：

列表推导式

# 列表推导式生成的是列表，会占用系统内存
# 基本语法

list_1 = [x for x in range(1, 20)]
list_2 = [x ** 2 for x in range(1, 20)]


print(list_1)  # [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
print(list_2)  # [1, 4, 9, 16, 25, 36, 49, 64, 81, 100, 121, 144, 169, 196, 225, 256, 289, 324, 361]

# 笛卡尔积型的列表推导式
list_3 = [(x, y) for x in range(1, 3)        # 1，2
                 for y in range(7, 10)]      # 7、8、9

                                             # 该表达式会先将1分别和7、8、9组合，然后再拿2和7、8、9组合，共6对
print(list_3)  # [(1, 7), (1, 8), (1, 9), (2, 7), (2, 8), (2, 9)]


list_4 = [x+y for x in range(1, 3)
                 for y in range(7, 10)]

print(list_4)   # [8, 9, 10, 9, 10, 11]

# 还可以添加if语句
l = [1, 3, 4, 33, 45, 36, 422, 34, 67, 23, -4, -7, -345, 46, -6, -45, 32, -8, -4, 67, -4]

list_5 = [x for x in l if x > 0]   # 只取出大于0的生成列表
print(list_5)                      # [1, 3, 4, 33, 45, 36, 422, 34, 67, 23, 46, 32, 67]

生成器表达式

# 虽然列表推导式可以用来初始化元组、数组或其他序列类型，但是列表推导式会直接生成列表，占用内存
# 而生成器遵守了迭代器协议，可以逐个产出元素，而不是先建立一个完整的列表


# 生成器表达式直接将推导式的方括号换成圆括号即可

g = (x for x in range(1, 10000))

print(g)    # <generator object <genexpr> at 0x105c0efc0> ：生成器对象


from collections import Iterable, Iterator

if isinstance(g, Iterable):
    print("iterable")          # 输出iterable: 说明生成器g是可迭代的

if isinstance(g, Iterator):
    print("iterator")          # 输出iterator：说明生成器g是迭代器

　　下面我们来对比一下列表推导式和生成器的效率

# 比较列表推导式和生成器
import time

start_time = time.time()
l = [x for x in range(1000000)]
print(time.time() - start_time)     # 0.1361069679260254

start_time = time.time()
g = (x for x in range(1000000))
print(time.time() - start_time)     # 1.1205673217773438e-05

# 可见，生成器远快于推导式

元组拆包

# 我们经常这样给两个变量同时赋值
a, b = 1, 2
print(a, b)     # 1 2

# 还可以这样
a, b = [1, 2]
print(a, b)     # 1 2

# 也可以这样
a, b = (1, 2)
print(a, b)     # 1 2

# 甚至可以这样
a, b = "ab"
print(a, b)     # a b

'''
    像以上这样连续的赋值方式，右边可以使用逗号隔开；也可以是序列。
    
    当拆包赋值的是序列时，python解释器会先找该序列中的__iter__方法，如果该方法不存在，则寻找__getitem__方法。
       
    接下来说其他用法
'''

# 赋值后优雅地交换两个变量
a, b = (1, 2)
a, b = b, a
print(a, b)        # 2 1

# 使用*号来处理多余的数据
a, b, *s = [1, 2, 3, 4, 5, 6, 7, 8, 9]
print(a, b, s)        # 1 2 [3, 4, 5, 6, 7, 8, 9]
                      # 这样从第三个元素开始的所有值都赋给了s

a, b, *s = (1, 2, 3, 4, 5, 6, 7, 8, 9)
print(a, b, s)        # 1 2 [3, 4, 5, 6, 7, 8, 9]
                      # 注意，本来是元组，赋之后的s变成了列表. 如果s为空的话也会返回空列表

*s, a, b = (1, 2, 3, 4, 5, 6, 7, 8, 9)
print(s, a, b)        # [1, 2, 3, 4, 5, 6, 7] 8 9
                      # *s也可以放在前面

a, *s, b = (1, 2, 3, 4, 5, 6, 7, 8, 9)
print(a, s, b)        # 1 [2, 3, 4, 5, 6, 7, 8] 9
                      # *s也可以放在中间

# 嵌套元组拆包
a, b, (c, d) = (1, 2, (3, 4))
print(a, b, c, d)     # 1 2 3 4
                      # 只要按照右边的形式就可赋值

a, b, *c = (1, 2, (3, 4))
print(a, b, c)     # 1 2 [(3, 4)]

 1 ################################
 2 #
 3 # 以下的例子用以说明拆包赋值时，解释器会按照__iter__、__getitem__的顺序调用类中的方法
 4 #
 5 ################################
 6 class Foo:
 7     def __init__(self, s):
 8         self.s = s
 9 
10     def __iter__(self):
11         print("iter")
12         return iter(self.s)
13 
14     def __getitem__(self, item):
15         return self.s[item]
16 
17 if __name__ == "__main__":
18     foo = Foo("sdfafasfasf")
19     a, b, *s = foo
20     print(a, b)

拆包赋值的内部实现

　　之前我们通过源码已经对比过list和tuple类中的方法和属性，下面列出《流畅的python》整理的列表和元组的方法及属性：

表列表或元组的方法和属性

	列表	元组	说明
s.__add__(s2)	·	·	s1 + s2 , 拼接
s.__iadd__(s2)	·		s1 += s2，就地拼接
s.append(e)	·		在尾部添加一个新元素
s.clear()	·		删除所有元素
s.__contains__(e)	·	·	s是否包含e
s.copy()	·		列表的浅复制
s.count(e)	·	·	e在s中出现的次数
s.__delitem__(p)	·		把位于p的元素删除
s.extend(it)	·		把可迭代对象it追加给s
s.__getitem__(p)	·	·	s[p],获取位置p的元素
s.__getnewargs__()		·	在pickle中支持更加优化的序列化
s.index(e)	·	·	在s中找到元素e第一次出现的位置
x.insert(p,e)	·		在位置p之前拆入e
s.__iter__()	·	·	获取s的迭代器
s.__len__()	·	·	len(s)，长度
s.__mul__(n)	·	·	s * n，n个s的重复拼接
s.__imul__(n)	·		s *= n，就地城府拼接
s.__rmul__(n)	·	·	n * s,反向拼接*
s.pop([p])	·		删除最后或者是位于p的元素，并返回它的值
s.remove(e)	·		删除s中第一次出现的e
s.reverse()	·		就地把s的元素倒序排列
s.__reversed__()	·		返回s的倒序迭代器
s.__setitem__(p,e)	·		s[p]=e，把元素e放在位置p，替代已经在那个位置的元素
s.sort([key], [reverse])	·		就地对s中的元素进行排序，可选的参数有key和是否倒序reverse

　　说明：以上元组中不加黑点的不代表一定不能这样使用，只是其作用和列表不同（说明里面有解释）。例如两个元组a和b进行增量赋值a+=b也是可以的，只是这个操作不是就地拼接，而是生成了新的元组。

切片

'''
    在python中，内置的序列类型都支持切片操作，切片操作的用法十分简单：
    list[start: stop: step]    , 其中不包括区间范围内最后一个（事实上这是python的风格，一般不包含区间最后一个）
    python里面能使用切片操作是因为实现了__getitem__方法，切片时会给该方法传递slice(start: stop: step) 参数
'''

if __name__ == "__main__":
    # 基本操作
    l = [1, 2, 3, 4, 5, 6, 7, 8, 9]
    print(l[2:])     # 第3个元素到最后   ：[3, 4, 5, 6, 7, 8, 9]
    print(l[:3])     # 第一个元素到最后   ：[1, 2, 3]

    s = "abcdefghijklmn"
    print(s[2::2])   # 从第三个字母开始，隔一个字母取一个 : cegikm
    print(s[::-1])   # 倒序排列 ： nmlkjihgfedcba
    print(s[::-2])   # 倒序隔一个取一个 nljhfdb
    print(s[-2::-2]) # 倒序第二隔开始，隔一个取一个

    # 利用切片赋值
    l[2:5] = [20, 30]
    print(l)         # [1, 2, 20, 30, 6, 7, 8, 9]
    try:
        l[2:5] = 40      # 报错：TypeError: can only assign an iterable
                         # 利用切片赋值时传入的必须是可迭代对象
    except Exception as e:
        print(e)         # can only assign an iterable
    l[2:5] = (40,)
    print(l)             # [1, 2, 40, 7, 8, 9]
    l[2:3] = "sajfljls"  # 字符串属于序列，也可以迭代
    print(l)             # [1, 2, 's', 'a', 'j', 'f', 'l', 'j', 'l', 's', 7, 8, 9]

排序（list.sort方法和sorted函数）

'''
    list.sort方法和sorted内置函数都有排序的功能，区别如下
        list.sort是就地排序列表，不会把原列表复制一份。该方法返回None，以提醒不会新建一个列表。
        sorted函数会新建一个列表作为返回值，这个函数可以接受任何可迭代对象，甚至包括不可变序列或生成器，最后返回的总是列表。

    list.sort和sorted都有两个参数：
        reverse：默认为False，设定为True以降序排列
        key：一个只有一个参数的函数，这个函数会作用于序列的每一个元素上，然后以该函数的结果作为关键字排序

'''

if __name__ == "__main__":
    # 1、list.sort就地排序，而sorted返回列表
    l = [x for x in range(10, 0, -1)]      # 初始化一个列表：[10, 9, 8, 7, 6, 5, 4, 3, 2, 1]
    print(id(l), l)    # l最初的地址：4536449800 [10, 9, 8, 7, 6, 5, 4, 3, 2, 1]
    l.sort()
    print(id(l), l)    # 排序后的地址：4536449800 [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
                       # l前后的的地址没变，说明是就地排序


    l = [x for x in range(10, 0, -1)]  # 初始化一个列表：[10, 9, 8, 7, 6, 5, 4, 3, 2, 1]
    print(id(l), l)  # l最初的地址：4415318984 [10, 9, 8, 7, 6, 5, 4, 3, 2, 1]
    l = sorted(l)
    print(id(l), l)  # 排序后的地址：4415318792 [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

    # 2、sorted可以接受任何可迭代对象
    l = (x for x in range(10, 0, -1))
    print(type(l))        # 迭代器 <class 'generator'>
    print(sorted(l))      # [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

    s = "qwertyuiopasdfghjklzxcvbnm"   # 字符串序列
    print(sorted(s))      # ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l', 'm', 'n', 'o', 'p', 'q', 'r', 's', 't', 'u', 'v', 'w', 'x', 'y', 'z']

    s = (1, 3, 2, 456, 345, 12, 2, 5, 78, 34)   # 不可变元组
    print(sorted(s))      # [1, 2, 2, 3, 5, 12, 34, 78, 345, 456]

    # 3、reverse参数
    s = "qwertyuiopasdfghjklzxcvbnm"
    print(sorted(s, reverse=True))   # ['z', 'y', 'x', 'w', 'v', 'u', 't', 's', 'r', 'q', 'p', 'o', 'n', 'm', 'l', 'k', 'j', 'i', 'h', 'g', 'f', 'e', 'd', 'c', 'b', 'a']


    # 4、key参数
    s = "QwERTYuioPaSdfGHjKLzXcvbnm"
    print(sorted(s))    # ['E', 'G', 'H', 'K', 'L', 'P', 'Q', 'R', 'S', 'T', 'X', 'Y', 'a', 'b', 'c', 'd', 'f', 'i', 'j', 'm', 'n', 'o', 'u', 'v', 'w', 'z']
    print(sorted(s, key=str.lower))   # 忽略大小写 ['a', 'b', 'c', 'd', 'E', 'f', 'G', 'H', 'i', 'j', 'K', 'L', 'm', 'n', 'o', 'P', 'Q', 'R', 'S', 'T', 'u', 'v', 'w', 'X', 'Y', 'z']
    print(sorted(s, key=str.upper))   # 也是忽略大小写

##########################
#
#  以下自定义一个类也可使用sorted函数
#
##########################

class Obj:
    def __init__(self):
        self.s = [x for x in range(10, 0, -1)]

    def __getitem__(self, item):
        print("getitem")
        return self.s[item]

    def __repr__(self):
        return str(self.s)

    def __iter__(self):
        return iter(self.s)

obj = Obj()
print(obj)           # [10, 9, 8, 7, 6, 5, 4, 3, 2, 1]

# 添加getitem后可以使用sorted函数  （实验时请注视掉getitem方法）
print(sorted(obj))   #  打印10次getitem   ， [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

# 添加iter方法
print(sorted(obj))   # 此时解释器会先调用iter方法，不会再使用getitem方法
                     # [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

使自定义类也可使用sorted函数调用

bisect

'''
    bisect模块主要用来管理有顺序的序列
    bisect模块包含的主要函数是bisect和insort，两个函数都使用二叉树方法搜索
    1、bisect(haystack, needle)
        haystack必须是一个有序的序列，该函数搜索needle在haystack中的位置，该位置使得将needle插入后haystack仍然升序
        查找到位置后可用haystack.insert（）插入

    2、insort(seq, item)
        把item插入到seq中，并能保持seq的升序

'''

#  本人认为《流畅的python》中的对该模块介绍的例子比较经典，故引用之

# 1、关于bisect.bisect的示例
import bisect
import sys

HAYSTACK = [1, 4, 5, 6, 8, 12, 15, 20, 21, 23, 23, 26, 29, 30]
NEEDLES = [0, 1, 2, 5, 8, 10, 22, 23, 29, 30, 31]

ROW_FMT = '{0:2d} @ {1:2d}    {2}{0:<2d}'

def demo(bisect_fn):
    for needle in reversed(NEEDLES):
        position = bisect_fn(HAYSTACK, needle)
        offset = position * '  |'
        print(ROW_FMT.format(needle, position, offset))


if __name__ == '__main__':

    if sys.argv[-1] == 'left':
        bisect_fn = bisect.bisect_left
    else:
        bisect_fn = bisect.bisect

    print('DEMO:', bisect_fn.__name__)
    print('haystack ->', ' '.join('%2d' % n for n in HAYSTACK))
    demo(bisect_fn)


    '''   输出如下
    DEMO: bisect
    haystack ->  1  4  5  6  8 12 15 20 21 23 23 26 29 30
    31 @ 14      |  |  |  |  |  |  |  |  |  |  |  |  |  |31
    30 @ 14      |  |  |  |  |  |  |  |  |  |  |  |  |  |30
    29 @ 13      |  |  |  |  |  |  |  |  |  |  |  |  |29
    23 @ 11      |  |  |  |  |  |  |  |  |  |  |23
    22 @  9      |  |  |  |  |  |  |  |  |22
    10 @  5      |  |  |  |  |10
     8 @  5      |  |  |  |  |8 
     5 @  3      |  |  |5 
     2 @  1      |2 
     1 @  1      |1 
     0 @  0    0 
    '''
# 另，bisect.bisect函数有两个可选参数——lo和hi来缩小搜索范围，lo的默认值是0，hi的默认值是序列的长度
# 再另，bisect.bisect函数其实是bisect_right函数的别名，还有一个bisect_left，插入位置如果有相等的元素时，插入元素会放在它相等的
#      元素后面，后者会放在前面


# 根据分数，查到等级

def grade(score, breakpoints=[60, 70, 80, 90], grades = 'FDCBA'):
    i = bisect.bisect(breakpoints, score)     # 这里的bisect.bisect实际上使用的是bisect_right
    return grades[i]

print([grade(score) for score in [33, 55, 90, 87, 65, 78, 34, 60, 100]])

# 2、关于bisect.insort函数

import bisect
import random

SIZE = 7

random.seed(1729)

my_list = []
for i in range(SIZE):
    new_item = random.randrange(SIZE*2)
    bisect.insort(my_list, new_item)
    print('%2d ->' % new_item, my_list)
    
    '''输出：
    10 -> [10]
     0 -> [0, 10]
     6 -> [0, 6, 10]
     8 -> [0, 6, 8, 10]
     7 -> [0, 6, 7, 8, 10]
     2 -> [0, 2, 6, 7, 8, 10]
    10 -> [0, 2, 6, 7, 8, 10, 10]
    '''
    
# 另，insort函数也有insort_left，背后使用的是bisect_left