fluent python 第二版_Fluent Python 笔记（二）：序列基础

目录：

本篇开始总结 Python 基本的数据结构，大部分情况下，这些数据结构就已经够用了，不需要重复造轮子。首先是序列及其相关的操作。

序列(Sequence)

标准库中提供了很多序列类型，都是C实现的，效率很高。容器序列(Container sequences)：

list, tuple, collections.deque ...

容器序列持有的是所包含对象的引用，可以是任意类型。平坦序列(Flat sequences)：

str, bytes, bytearray, memoryview, array.array

平坦序列物理上存储每个条目对应的内存空间的值，而不是作为不同的对象。

因此，平坦序列更加紧凑，但是他们只能保存原始的数值如字符，字节和数字。

根据可不可变分类：

可变的序列：

list, bytearray, array.array, collections.deque, memoryview

不可变序列：

tuple, str, bytes

如何快速生成一个序列？列表推导(List Comprehensions)

生成器表达式(Generator Expressions)

强烈推荐列表推导，用它实现的代码简洁，易读，执行效率高，堪称完美。

首先举一个例子：

取出一个字符串列表中所有小写的字符串，并组成列表

>>> words = ['The', 'quick', 'BROWN', 'Fox', 'jumped', 'OVER', 'the', 'Lazy', 'DOG']

>>> [word for word in words if word.islower()]

['quick', 'jumped', 'the']

列表推导格式以 [] 为标志，内容分为三部分 [A B C]，A,B,C分别代表一个表达式，其中C可以省略。

对于上面的例子：A：word

B：for word in words

C：if word.islower()

首先看B，B的格式一般为 for x in xxx，表示从一个序列中逐个选取元素，也就是常用的 for in 结构。可以有多个for in，比如 for x in xxx for y in yyy。使用多个for的时候，就会生成所有组合。例如列举出不同颜色尺寸的T恤组合 ：

>>> colors = ['black', 'white']

>>> sizes = ['S', 'M', 'L']

>>> tshirts = [(color, size) for color in colors for size in sizes]

>>> tshirts

[('black', 'S'), ('black', 'M'), ('black', 'L'), ('white', 'S'),

('white', 'M'), ('white', 'L')]

然后看C，C提供一个判断条件，格式一般为 if xxx，其中可以用到B所给出的x，用于选取符合条件的条目。可以省略，也就意味着使用B生成的所有条目。

最后看A，A格式随意，可以使用B中给出的x(或者y)，当然也可以不使用。

>>> [word[0] for word in words if word.islower()]

['q', 'j', 't']

>>> [3 for word in words if word.islower()]

[3, 3, 3]

列表推导时一般控制在一行以内，如果只有多行才能实现，那说明逻辑太复杂了，考虑别用列表推导了，展开吧。

生成器表达式和列表推导唯一的不同是用 () 包围而不是 []，如果不需要一次性生成整个列表，那么用生成器表达式更好。如下：

>>> (word for word in words if word.islower())

at 0x02F00288>

这样只是构造了一个生成器对象，每个元素会在需要用到的时候才进行构造，可以原封不动地用于 for in 结构，需要变成列表的时候也可以随时调用 list() 函数转化为列表。

元组(Tuple)

元组的主要用途：作为不可变的列表

作为没有字段名称的记录

元组解包：

>>> lax_coordinates = (33.9425, -118.408056)

>>> latitude, longitude = lax_coordinates # tuple unpacking

>>> latitude

33.9425

>>> longitude

-118.408056

作为函数参数就地展开，在前面加*就可以了：

>>> divmod(20, 8)

(2, 4)

>>> t = (20, 8)

>>> divmod(*t)

(2, 4)

具名元组(Named Tuples)：

因为元组作为记录比较好用，因此出现了 namedtuple，在 collections 模块中。

使用 namedtuple 创建的实例消耗的内存和普通元组相同，因为字段的名字是存储在类中的。他们使用的内存比普通的类要少，因为它们不用在每个实例的 __dict__ 中存储属性。

使用示例：

>>> from collections import namedtuple

>>> Point = namedtuple('Point', 'x y')

>>> p = Point(3, 4)

>>> p

Point(x=3, y=4)

>>> p.x

3

>>> p[1]

4

namedtuple 有几个有用的属性和方法：_fields 类属性，保存所有字段名称

>>> Point._fields

('x', 'y')_make(iterable) 类方法，使用已经存在的序列或者 iterable 来创建 namedtuple

>>> point_tuple = (3, 4)

>>> p = Point._make(point_tuple)

>>> p

Point(x=3, y=4)_asdict() 实例方法，返回一个 OrderedDict，映射名称和对应的值。

>>> p._asdict()

OrderedDict([('x', 3), ('y', 4)])

总结：

Python 中序列的用法是大同小异的，基本上掌握了一个，其他的都差不多，剩下的就是可不可变，存储的是值还是引用需要注意下。

使用列表推导来构建序列能够让代码变得非常简洁，容易理解，推荐多尝试使用。

元组用来作为数据记录比较好用，namedtuple 使得元组在保持低内存消耗的情况下更加容易调试。