| 标题 | Python中的 list comprehension 以及 generator |
| 范文 | 一个小故事 三年前，我在一篇博客里不无自豪的记录了python编写的小函数，当时感觉python真强大，11行代码就写出了一个配置文件的解析器。 def loadUserInfo(fileName): userinfo = {} file = open(fileName, "r") while file: line = file.readline() if len(line) == 0: break if line.startswith('#'): continue key, value = line.split("=") userinfo[key.strip()] = value.strip() return userinfo 最近正在跟同事学习python在数据挖掘中的应用，又专门学习了一下python本身，然后用list comprehension简化了以下上面的代码： def loadUserInfo(file): return dict([line.strip().split("=") for line in open(file, "r") if len(line) > 0 and not line.startswith("#")]) 这个函数和上面的函数的功能一样，都是读取一个指定的key=value格式的文件，然后构建出来一个映射（当然，在Python中叫做字典）对象，该函数还会跳过空行和#开头的行。 比如，我想要查看一下.wgetrc配置文件： if __name__ == "__main__": print(loadUserInfo("/Users/jtqiu/.wgetrc")) 假设我的.wgetrc文件配置如下： http-proxy=10.18.0.254:3128 ftp-proxy=10.18.0.254:3128 #http_proxy=10.1.1.28:3128 use_proxy=yes 则上面的函数会产生这样的输出： {'use_proxy': 'yes', 'ftp-proxy': '10.18.0.254:3128', 'http-proxy': '10.18.0.254:3128'} list comprehension（列表推导式） 在python中，list comprehension（或译为列表推导式）可以很容易的从一个列表生成另外一个列表，从而完成诸如map, filter等的动作，比如： 要把一个字符串数组中的每个字符串都变成大写： names = ["john", "jack", "sean"] result = [] for name in names: result.append(name.upper()) 如果用列表推导式，只需要一行： [name.upper() for name in names] 结果都是一样： ['JOHN', 'JACK', 'SEAN'] 另外一个例子，如果想要过滤出一个数字列表中的所有偶数： numbers = [1, 2, 3, 4, 5, 6] result = [] for number in numbers: if number % 2 == 0: result.append(number) 如果写成列表推导式 [x for x in numbers if x%2 == 0] 结果也是一样： [2, 4, 6] 显然，列表推导更加短小，也更加表意。 迭代器 在了解generator之前，我们先来看一个迭代器的概念。有时候我们不需要将整个列表都放在内存中，特别是当列表的尺寸比较大的时候。 比如我们定义一个函数，它会返回一个连续的整数的列表： def myrange(n): num, nums = 0, [] while num < n: nums.append(num) num += 1 return nums 当我们计算诸如myrange(50)或者myrange(100)时，不会有任何问题，但是当获取诸如myrange(10000000000)的时候，由于这个函数的内部会将数字保存在一个临时的列表中，因此会有很多的内存占用。 因此在python有了迭代器的概念： class myrange(object): def __init__(self, n): self.i = 0 self.n = n def __iter__(self): return self # for python 3 def __next__(self): return self.next() def next(self): if self.i < self.n: i = self.i self.i += 1 return i else: raise StopIteration() 这个对象其实实现了两个特殊的方法：__iter__（对于python3来说，是__next__）和next方法。其中next每次只返回一个值，如果迭代已经结束，就抛出一个StopIteration的异常。实现了这两个方法的类都可以算作是一个迭代器，他们可以被用于可迭代的上下文中，比如： >>> from myrange import myrange >>> x = myrange(10) >>> x.next() >>> x.next() >>> x.next() 但是可以看到这个函数中有很多的样板代码，因此我们有了生成器表达式来简化这个过程： def myrange(n): num = 0 while num < n: yield num num += 1 注意此处的yield关键字，每次使用next来调用这个函数时都会求值一次num并返回，具体的细节可以参考这里。 区别 简单来说，两者都可以在迭代器上下文中使用，看起来几乎是一样的。不同的地方是generator可以节省内存空间，从而提高执行速度。generator更适合一次性的列表处理，比如只是需要一个中间列表作为转换。而列表推导则更适合要将列表保存下来，以备后续使用的场景。 这里也有一些讨论，可以一并参看。 |
| 随便看 |
|
在线学习网范文大全提供好词好句、学习总结、工作总结、演讲稿等写作素材及范文模板，是学习及工作的有利工具。