python推导式的概念,python公式推导

  python推导式的概念,python公式推导

  本文主要介绍Python派生的使用细节,这是一种使用for循环的简化方法。使用派生,迭代对象中的数据被遍历到容器中。以下文章详细介绍了所需的合作伙伴,以供参考。

  00-1010演绎公式什么是演绎基本语法其他使用方法列表演绎练习集演绎字典演绎字典演绎公式enumeratezip,一个常用的函数来匹配,优先于演绎公式。

  

目录

  

推导式

  派生是使用for循环的一种简化方法。使用派生,迭代对象中的数据被遍历到容器中。简单来说,就是用一行for loop语句遍历一个迭代对象中的所有数据,然后对遍历的数据进行处理,放入相应的容器中的过程和方式。

  推导类似于三元运算符,是一种使用条件判断语句的简化方法。

  语法:

  迭代中的值的值

  是存储在循环语句容器中的数据。

  推导式有三种表达方式,分别用对应的符号包裹推导式语句:

  列表测试:[val for val in Iterable]集合派生:{val for val in Iterable}字典派生:{x,y for x,y in Iterable }列表推导式:

  推送型,遍历的数据最终会变成列表数据。

  

什么是推导式

  列表中存入10条数据:

  #常规写作

  lst=[]

  对于(1,11):范围内的I

  第一附加项(I)

  打印(第一页)# [1,2,3,4,5,6,7,8,9,10]

  #演绎写作

  lst=[i for i in range(1,11)]

  打印(第一页)# [1,2,3,4,5,6,7,8,9,10]

  

基本语法

  单循环推导式:

  #处理容器中的数据:[1,2,3,4,5]-[3,6,9,12,15]

  lst=[1,2,3,4,5]

  #普通写作

  new_lst=[]

  对于lst:中的I

  res=i * 3

  新建_列表.追加(资源)

  print(new_lst) # [3,6,9,12,15]

  #演绎写作

  new_lst=[i * 3 for i in lst]

  print(new_lst) # [3,6,9,12,15]

  带有判断条件的单循环推导式:

  #过滤令人惊讶的数字

  lst=[0,1,2,3,4,5,6,7,8,9]

  #普通写作

  new_lst=[]

  对于lst:中的I

  如果i % 2==1:

  new_lst.append(i)

  print(new_lst) # [1,3,5,7,9]

  #演绎写作

  #演绎使用单个分支只能在for语句结束后使用。

  new_lst=[i for i in lst if i % 2==1]

  print(new_lst) # [1,3,5,7,9]

  多循环推导式:

  ng>

  

# 两个列表中的数据相加求和

  lst = [1, 2, 3]

  lst1 = [11, 22, 33]

  # 普通方法

  new_lst = []

  for i in lst:

   for j in lst1:

   res = i + j

   new_lst.append(res)

  print(new_lst) # [12, 23, 34, 13, 24, 35, 14, 25, 36]

  # 推导式写法

  new_lst = [i + j for i in lst for j in lst1]

  print(new_lst) # [12, 23, 34, 13, 24, 35, 14, 25, 36]

  

  

列表推导式练习题

  

  • 1、将字典中的数据变成['x=A', 'y=B', 'z=c']的样式{'x': 'A', 'y': 'B', 'z': 'C' }
  • 2、将所用元素变成纯小写["ADDD","dddDD","DDaa","sss"]
  • 3、x是0-5之间的偶数,y是0-5之间的奇数 把x,y组成一起变成元组,放到列表当中
  • 4、使用列表推导式 制作所有99乘法表中的运算
  • 5、求M,N中矩阵和元素的乘积

  M = [[1,2,3], [4,5,6], [7,8,9]]
N = [[2,2,2], [3,3,3], [4,4,4]]

  

# 第五题解法之一

  # =>实现效果1 [2, 4, 6, 12, 15, 18, 28, 32, 36]

  # =>实现效果2 [[2, 4, 6], [12, 15, 18], [28, 32, 36]]

  # 实现效果 1

  lst_new = []

  for i in range(len(M)) :

   for j in range(len(N)) :

   res = M[i][j] * N[i][j]

   lst_new.append(res)

  print(lst_new)

  # 推导式写法

  res = [M[i][j]*N[i][j] for i in range(len(M)) for j in range(len(N))]

  print(res)

  # 实现效果 2

  lst_new = []

  for i in range(len(M)) :

   lst_new2 = []

   for j in range(len(N)) :

   res = M[i][j] * N[i][j]

   lst_new2.append(res)

   lst_new.append(lst_new2)

  print(lst_new)

  # 推导式写法

  res = [[M[i][j]*N[i][j] for j in range(len(M))] for i in range(len(N))]

  print(res)

  

  

  

集合推导式

  集合推导式和列表推导式的用法基本一样,但是外面使用大括号包括,得到的数据是一个集合。

  例题:

  

  案例:

   满足年龄在18到21,存款大于等于5000,小于等于5500的人

   开卡格式为:尊贵VIP卡老X(姓氏),否则开卡格式为:抠脚大汉老X(姓氏)

   把开卡的种类统计出来

  lst = [

   {"name": "刘鑫炜", "age": 18, "money": 10000},

   {"name": "刘聪", "age": 19, "money": 5100},

   {"name": "刘子豪", "age": 20, "money": 4800},

   {"name": "孔祥群", "age": 21, "money": 2000},

   {"name": "宋云杰", "age": 18, "money": 20}

  ]

  # 常规写法

  setvar = set()

  for i in lst:

   if (18 <= i[age] <= 21) and (5000 <= i[money] <= 5500):

   res = 尊贵VIP老 + i[name][0]

   else:

   res = 抠脚老汉 + i[name][0]

   setvar.add(res)

  print(setvar) # {尊贵VIP老刘, 抠脚老汉刘, 抠脚老汉孔, 抠脚老汉宋}

  # 打印显示只有4个元素,是因为集合的自动去重

  # 使用集合推导式

  # 推导式只能使用单项分支,但是可以在返回值使用三元运算符

  setvar = {

   "尊贵VIP卡老" + i["name"][0] if 18 <= i["age"] <= 21 and 5000 <= i["money"] <= 5500 else "抠脚大汉卡老" + i["name"][0] for i in lst}

  print(setvar) # {抠脚大汉卡老孔, 抠脚大汉卡老刘, 尊贵VIP卡老刘, 抠脚大汉卡老宋}

  

  

字典推导式

  字典推导式也是一样的用法,但是字典的数据是以键值对的形式存在的,所以返回的数据、或者要将返回的数据变成两个,以对应键值。

  基础语法:

  将列表中的键值对的变成一个字典

  

lst = [{A: a}, {B: b}]

  dct = {k:v for i in lst for k,v in i.items()}

  print(dct) # {A: a, B: b}

  

  

  

字典推导式常用以配合的函数

  函数作用enumerate枚举,根据索引号码将可迭代对象中的值一一配对成元组,返回迭代器。zip将多个可迭代对象中的值一一对应组成元组,返回迭代器。

  

  

enumerate

  功能:

  枚举,根据索引号码 和 Iterable 中的值,一个一个拿出来配对组成元组,放入迭代器中,然后返回迭代器。

  语法:

  

enumerate(iterable, [start = 0])

  

  参数:

  iterable:可迭代数据
start:可以选择开始的索引号(默认从0开始索引)

  基本语法:

  

from collections import Iterator

  lst = [东, 南, 西, 北]

  # 基本使用

  it = enumerate(lst) # 实现功能返回迭代器

  print(isinstance(it, Iterator)) # True

  # 强转成列表

  new_lst = list(it)

  print(new_lst) # [(0, 东), (1, 南), (2, 西), (3, 北)]

  """

  可以看到里面的元列表中的数据和对应的索引号码一一对应成了元组

  """

  上面的举例当中,如果使用字典推导式和enumerate函数配合,就可以用一句话达成组成一个字典的目的。

  

from collections import Iterator

  lst = [东, 南, 西, 北]

  # enumerate 配合使用字典推导式 变成字典

  dct = {k: v for k, v in enumerate(lst)}

  print(dct) # {0: 东, 1: 南, 2: 西, 3: 北}

  

  

zip

  功能:

  将多个Iterable中的值,一个一个拿出来配对组成元组放入迭代器中,如果某个元素多出,没有匹配项就会被舍弃。

  语法:

  

zip(iterable, iterable1, ……)

  

  参数就是一个个的可迭代对象。

  基本语法:

  下面的举例当中,将三个列表中的元素以一一对应组成元组,但是最小的列表中只有三个元素,所以只能一一对应组成三对元组,而多出的元素就被舍弃。

  

lst1 = [1, 2, 3, 4, 5]

  lst2 = [a, b, c, d]

  lst3 = [A, B, C]

  it = zip(lst1, lst2, lst3)

  lst = list(it)

  print(lst) # [(1, a, A), (2, b, B), (3, c, C)]

  

  为什么没有元组推导式?

  推导式我们到此学习完了,但是我们就发现,推导式就是在容器中使用一个for循环而已,为什么没有元组推导式?

  

  

优先使用推导式

  在有的时候,我们需要在一个列表或者其它的一些容器中存放大量的值,我们一般会怎么使用呢?比如在初始化一个列表的时候我们使用for循环和append的方法去创建吗?

  这里大家注意,如果条件允许的话,那么我们一定是要优先使用推导式而不是for循环加append的方式,原因很简单,因为底层逻辑的不同,使推导式的执行速度相比for循环加append更快。

  

import time

  # 列表循环插入数据

  start_time = time.perf_counter()

  lst = []

  for i in range(15000000):

   lst.append(i)

  end_time = time.perf_counter()

  print(end_time - start_time) # 1.7453036000000002

  """ 推导式比循环速度更快 """

  start_time = time.perf_counter()

  new_lst1 = [i for i in range(15000000)]

  end_time = time.perf_counter()

  print(end_time - start_time) # 0.7337192000000001

  经过测试我们可以看到,推导式的速度大约是for循环的2倍多,是什么导致的?还记得我们之前使用过的dis模块吗?

  

import dis

  def loop():

   lst = []

   for i in range(10):

   lst.append(i)

   return lst

  def der():

   lst = [i for i in range(10)]

   return lst

  dis.dis(loop)

  print(- * 100)

  dis.dis(der)

  结果如下:

  

4 0 BUILD_LIST 0
2 STORE_FAST 0 (lst)
5 4 SETUP_LOOP 26 (to 32)
6 LOAD_GLOBAL 0 (range)
8 LOAD_CONST 1 (10)
10 CALL_FUNCTION 1
12 GET_ITER
>> 14 FOR_ITER 14 (to 30)
16 STORE_FAST 1 (i)
6 18 LOAD_FAST 0 (lst)
20 LOAD_ATTR 1 (append)
22 LOAD_FAST 1 (i)
24 CALL_FUNCTION 1
26 POP_TOP
28 JUMP_ABSOLUTE 14
>> 30 POP_BLOCK
7 >> 32 LOAD_FAST 0 (lst)
34 RETURN_VALUE
-----------------------------------------------------------------------------
11 0 LOAD_CONST 1 (<code object <listcomp> at 0x000002C71AD950C0, file "tset.py", line 11>)
2 LOAD_CONST 2 ('der.<locals>.<listcomp>')
4 MAKE_FUNCTION 0
6 LOAD_GLOBAL 0 (range)
8 LOAD_CONST 3 (10)
10 CALL_FUNCTION 1
12 GET_ITER
14 CALL_FUNCTION 1
16 STORE_FAST 0 (lst)
12 18 LOAD_FAST 0 (lst)
20 RETURN_VALUE

  

  从上述结果中我们就是可以看出,在这种情况下,for循环因为开始定义列表、循环中的append方法的是使用,比推导式要多出几个环节,因此速度相比之下变得很慢,这就是原因。

  再次我们也再说一句,之后碰到关于速度和底层之类的疑惑的时候,就可以简单的使用timeitdis去验证和简答的理解。

  到此这篇关于Python推导式使用详情的文章就介绍到这了,更多相关Python推导式内容请搜索盛行IT软件开发工作室以前的文章或继续浏览下面的相关文章希望大家以后多多支持盛行IT软件开发工作室!

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

留言与评论(共有 条评论)
   
验证码: