Core Python Programming Reading Note 2

1. zip, enumerate
enumerate(list) 参数为可遍历的变量,为字符串或列表,返回(index,元素)的组合。
例1 找到某一个字符串中1出现的位置:

例2:

zip(seq1 [, seq2 [...]]) -> [(seq1[0], seq2[0] ...), (...)]将一组列表的列表水平分割
例如

2. stars in python
上面zip(*test)这里涉及到函数星号参数的用法。一个参数加上星号,就表明这一个列表参数,被拆分成len(l)个独立参数传递给函数;如果参数是个字典,就要用两个星号func(**dict),这时dict的每个键值对都是一个独立的参数,字典有多长,就有多少个独立参数。
也因此,上面的unzip代码相当于把一个zip过的列表每一个元素(这里是一个1×2的tuple)分别传递给zip函数,这样zip受到了zip(test[0],test[1],test[2])三个参数,每个参数都是一个tuple,zip后所有元素的第一个值组成了一个新的列表,第二个值组成了第二个列表b。
3. yield, generator
yield 简单说来就是一个生成器,生成器是这样一个函数,它记住上一次返回时在函数体中的位置。对生成器函数的第二次(或第 n 次)调用跳转至该函数中间,而上次调用的所有局部变量都保持不变。当一个函数中使用yield关键字时,它就是一个生成器函数了。
生成器 是 一个函数,函数的所有参数都会保留
第二次调用 此函数 时, 使用的参数是前一次保留下的.
生成器还“记住”了它在流控制构造,生成器不仅“记住”了它数据状态。 生成器还“记住”了它在流控制构造(在命令式编程中,这种构造不只是数据值)中的位置。由于连续性使您在执行框架间任意跳转,而不总是返回到直接调用者的上下文(如同生成器那样),因此它仍是比较一般的。
运行机制:当你问生成器要一个数时,生成器会执行,直至出现 yield 语句,生成器把 yield 的参数给你,之后生成器就不会往下继续运行。 当你问他要下一个数时,他会从上次的状态开始运行,直至出现yield语句,把参数给你,之后停下。如此反复直至退出函数。

—–透过next()语句看原理—–
现在,我们来揭晓yield的工作原理。我们知道,我们下面的h()被调用后并没有执行,因为它有yield表达式,
因此,我们通过next()语句让它执行。next()语句将恢复Generator执行,并直到下一个yield表达式处。比如:

当我们再次调用c.next()时,会继续执行,直到找到下一个yield表达式。由于后面没有Python yield了,因此会拋出异常。
—–send(msg) 与 next()——
next()和send()在一定意义上作用是相似的,区别是send()可以传递yield表达式的值进去,而next()不能传递特定的值,只能传递None进去。因此,我们可以看做c.next() 和 c.send(None) 作用是一样的。
需要提醒的是,第一次调用时,请使用next()语句或是send(None),不能使用send发送一个非None的值,否则会出错的,因为没有Python yield语句来接收这个值。
—–send(msg) 与 next()的返回值—–
send(msg) 和 next()是有返回值的,它们的返回值很特殊,返回的是下一个yield表达式的参数。比如yield 5,则返回 5 。到这里,是不是明白了一些什么东西?本文第一个例子中,通过for i in alist 遍历 Generator,其实是每次都调用了alist.Next(),而每次alist.Next()的返回值正是yield的参数,即我们开始认为被压进去的东东。我们再延续上面的例子:

generator对象可以列表化,结合之前的知识:

最后产生器对象产生出的值是一个列表。
—–throw() 与 close()中断 Generator—–
中断Generator是一个非常灵活的技巧,可以通过throw抛出一个GeneratorExit异常来终止Generator。
Close()方法作用是一样的,其实内部它是调用了throw(GeneratorExit)的。我们看:

因此,当我们调用了close()方法后,再调用next()或是send(msg)的话会抛出一个异常:

—–将非线性过程变成线性过程—–

—–构建自己的iterator—–
下面我再介绍一下如何构造自已的Iterator。很简单,创建一个类,定义__iter__方法,它返回一个Iterator对象,这个对象必须有next方法,因此我们可以总结出两种对象模式:

A,B分别为两种对象模式:
模式A表示,在A中定义了next方法,因此__iter__简单地返回自身即可。当不存在下一个值时,引发StopIteration异常。
模式B表示,它使用了其它的Iterator对象,因此只需要定义__iter__即可,next不需要定义,因为返回的Iterator对象已经含有next方法了。如果是自已实现next方法,那么在返回值之前需要记住当前的状态,以便下一次运行时,可以取下一个值。
第2个例子好象与这里讲的不一样啊。这就是前面讲的Generator,它的作用就是把一个函数转换成一个Iterator,它自动保存状态,中间数据,引发异常,全部是自动化了。而且它只可以遍历一次。如果想再次遍历,只有重新生成新的Iterator对象才可以。
下面我们总结一下:
Iterator对象:具有__iter__方法,和next方法。当没有新值时引发StopIteration异常。
Iterator的好处:在某些情况下可以使程序结构清晰,如将递归等非线性处理转为线性处理。可以减少内存的占用。
Generator:将一个函数转化成Iterator对象的方法。使用它只需要在函数中需要返回值的时候调用yield语句。它是生成Iterator对象的简单方法,只适用于函数。
4. 参数的传递
在python中,类型属于对象。所有的变量都可以理解是内存中一个对象的“引用”,或者,也可以看似c中void*的感觉。
所以,希望大家在看到一个python变量的时候,把变量和真正的内存对象分开。
类型是属于对象的,而不是变量。这样,很多问题就容易思考了。
例如:
nfoo = 1 #一个指向int数据类型的nfoo(再次提醒,nfoo没有类型)
lstFoo = [1] #一个指向list类型的lstFoo,这个list中包含一个整数1。
对应于上一个概念,就必须引出另了另一概念,这就是“可更改”(mutable)与“不可更改”(immutable)对象。
在python中,strings, tuples, 和numbers是不可更改的对象,而list,dict等则是可以修改的对象。
还是上面的例子:
nfoo = 2
这时,内存中原始的1对象因为不能改变,于是被“抛弃”,另nfoo指向一个新的int对象,其值为2
lstFoo[0] = 2
更改list中第一个元素的值,因为list是可改变的,所以,第一个元素变更为2,其实应该说有一个新int对象被指定给lstFoo 所指向的对象的第一个值,但是对于lstFoo 来说,所指向的对象,并没有变化,就是这个看似void*的变量所指向的对象仍旧是刚刚的那个有一个int对象的list。
接着说例子好了:

print nfoo #结果是2
这时发生了什么,有一个int对象2,和指向它的变量nfoo,当传递给ChangeInt的时候,按照传值的方式,复制了变量nfoo的值,这样,a就是nfoo指向同一个Int对象了,函数中a=10的时候,发生什么?
(还记得我上面讲到的那些概念么),int是不能更改的对象,于是,做了一个新的int对象,另a指向它(但是此时,被变量nfoo指向的对象,没有发生变化),于是在外面的感觉就是函数没有改变nfoo的值,看起来像C++中的传值方式。

print nfoo #结果是[10]
当传递给ChangeList的时候,变量仍旧按照“传值”的方式,复制了变量lstFoo 的值,于是a和lstFoo 指向同一个对象,但是,list是可以改变的对象,对a[0]的操作,就是对lstFoo指向的对象的内容的操作,于是,这时的a[0] = 10,就是更改了lstFoo 指向的对象的第一个元素,所以,再次输出lstFoo 时,显示[10],内容被改变了,看起来,像C++中的按引用传递。

Posted in Python|R.
  1. 这里解释一下这个图是啥。 是国外网友把宝可梦日月的3D模型提取出来,然后做了一段舞蹈。 除了宝可梦,之前很多游戏人物都被恶搞过。