目录| [上一节 (2.3 格式化)]() | 下一节 (2.5 Collections模块)

2.4 序列

序列数据类型

Python 有三种序列数据类型。

• 字符串：如 'Hello'。字符串是字符序列
• 列表：如 [1, 4, 5]。
• 元组：如 ('GOOG', 100, 490.1)。

所有的序列都是有序的，由整数进行索引，并且具备长度。

a = 'Hello'               # Stringb = [1, 4, 5]             # Listc = ('GOOG', 100, 490.1)  # Tuple# Indexed ordera[0]                      # 'H'b[-1]                     # 5c[1]                      # 100# Length of sequencelen(a)                    # 5len(b)                    # 3len(c)                    # 3

序列能够通过反复操作符 * 进行反复：s * n 。

>>> a = 'Hello'>>> a * 3'HelloHelloHello'>>> b = [1, 2, 3]>>> b * 2[1, 2, 3, 1, 2, 3]>>>

雷同类型的序列能够通过加号 + 进行拼接：s + t。

>>> a = (1, 2, 3)>>> b = (4, 5)>>> a + b(1, 2, 3, 4, 5)>>>>>> c = [1, 5]>>> a + cTraceback (most recent call last):  File "<stdin>", line 1, in <module>TypeError: can only concatenate tuple (not "list") to tuple

切片

切片是指着从序列中提取子序列。切片的语法为 s[start:end] 。 start 和 end 是想要的子序列的索引。

a = [0,1,2,3,4,5,6,7,8]a[2:5]    # [2,3,4]a[-5:]    # [4,5,6,7,8]a[:3]     # [0,1,2]

• 索引 start 和 end 必须是整数。
• 切片不包含结尾值。这就像数学上的半开区间。
• 如果省略索引，则它们默认为序列的结尾或结尾。

切片与从新赋值

在列表上，切片能够被从新赋值和删除。

# Reassignmenta = [0,1,2,3,4,5,6,7,8]a[2:4] = [10,11,12]       # [0,1,10,11,12,4,5,6,7,8]

留神：从新赋值的切片不须要具备雷同的长度。

# Deletiona = [0,1,2,3,4,5,6,7,8]del a[2:4]                # [0,1,4,5,6,7,8]

序列的缩减

有一常见的函数用于把序列缩减为单个值。

>>> s = [1, 2, 3, 4]>>> sum(s)10>>> min(s)1>>> max(s)4>>> t = ['Hello', 'World']>>> max(t)'World'>>>

迭代序列

能够应用 for 循环对序列中的元素进行迭代。

>>> s = [1, 4, 9, 16]>>> for i in s:...     print(i)...14916>>>

在循环的每次迭代中，会获取一个新的项来解决。这个新的值会被放到迭代变量中。在此示例中，迭代变量为 x：

for x in s:         # `x` is an iteration variable    ...statements

在每次迭代中，迭代变量的先前值会被笼罩（如果有）。循环完结后，迭代变量保留最初一个值。

break 语句

能够应用 break 语句提前跳出循环。

for name in namelist:    if name == 'Jake':        break    ...    ...statements

当 break 语句执行时，它退出循环并且进入下一个语句。break 语句仅利用于最外部的循环。如果此循环在另一个循环的外部，那么 break 不会中断内部循环。

continue 语句

要跳过一个元素并且进入到下一个，请应用 continue 语句。

for line in lines:    if line == '\n':    # Skip blank lines        continue    # More statements    ...

如果以后项不重要或者是在解决时须要疏忽，那么应用 continue 语句很有用。

遍历整数

如果须要计数，请应用 range() 函数。

for i in range(100):    # i = 0,1,...,99

range() 函数的语法是range([start,] end [,step])。

for i in range(100):    # i = 0,1,...,99for j in range(10,20):    # j = 10,11,..., 19for k in range(10,50,2):    # k = 10,12,...,48    # Notice how it counts in steps of 2, not 1.

• 不包含结尾值。这与切片相似。
• start 是可选的 ， 默认值是 0。
• step 是可选的，默认值是 1。
• 当须要的值时候 range()才计算值，实际上，它不存储大范畴的数。

enumerate() 函数

enumerate 函数为迭代增加一个额定的计数值。

names = ['Elwood', 'Jake', 'Curtis']for i, name in enumerate(names):    # Loops with i = 0, name = 'Elwood'    # i = 1, name = 'Jake'    # i = 2, name = 'Curtis'

个别格局为enumerate(sequence [, start = 0])，start是可选的，一个很好的应用示例：读取文件时跟踪行数。

with open(filename) as f:    for lineno, line in enumerate(f, start=1):        ...

enumerate能够看成以下语句的简写：

i = 0for x in s:    statements    i += 1

应用 enumerate 函数能够缩小输出，运行速度也稍快一些。

For 与元组

能够迭代多个变量：

points = [  (1, 4),(10, 40),(23, 14),(5, 6),(7, 8)]for x, y in points:    # Loops with x = 1, y = 4    #            x = 10, y = 40    #            x = 23, y = 14    #            ...

当应用多个变量时，每个元组被拆包为一组迭代变量。变量的数目必须与每个元组中的项数匹配。

zip() 函数

zip 函数采纳多个序列，并且生成将它们组合在一起的迭代器。

columns = ['name', 'shares', 'price']values = ['GOOG', 100, 490.1 ]pairs = zip(columns, values)# ('name','GOOG'), ('shares',100), ('price',490.1)

要取得后果，必须进行迭代。能够如先前所示的那样应用多个变量对元组进行拆包。

for column, value in pairs:    ...

zip 函数的常见用法是创立用于结构字典的键值对。

d = dict(zip(columns, values))

练习

练习 2.13：计数

尝试一些根本的计数示例：

>>> for n in range(10):            # Count 0 ... 9        print(n, end=' ')0 1 2 3 4 5 6 7 8 9>>> for n in range(10,0,-1):       # Count 10 ... 1        print(n, end=' ')10 9 8 7 6 5 4 3 2 1>>> for n in range(0,10,2):        # Count 0, 2, ... 8        print(n, end=' ')0 2 4 6 8>>>

练习 2.14：更多序列操作

交互地试验一些序列缩减操作。

>>> data = [4, 9, 1, 25, 16, 100, 49]>>> min(data)1>>> max(data)100>>> sum(data)204>>>

尝试遍历数据。

>>> for x in data:        print(x)49...>>> for n, x in enumerate(data):        print(n, x)0 41 92 1...>>>

有时候，for 语句，len() 和 range() 函数被初学者用于一些可怕的代码片段中，这些代码看起来像来自于古老的 C 程序。

>>> for n in range(len(data)):        print(data[n])491...>>>

不要那样做。浏览这些代码不仅辣眼睛，而且内存效率低，运行慢。如果想要迭代数据，应用一般的for 循环即可。如果碰巧因为某些起因须要应用索引，请应用 enumerate()函数。

练习 2.15：enumerate() 函数应用示例

回忆一下，Data/missing.csv 文件蕴含一个股票投资组合的数据，然而有一些行短少值。请应用 enumerate() 函数批改 pcost.py 程序，以便在遇到谬误的输出时，打印带有正告信息的行号。

>>> cost = portfolio_cost('Data/missing.csv')Row 4: Couldn't convert: ['MSFT', '', '51.23']Row 7: Couldn't convert: ['IBM', '', '70.44']>>>

为此，须要批改局部代码。

...for rowno, row in enumerate(rows, start=1):    try:        ...    except ValueError:        print(f'Row {rowno}: Bad row: {row}')

练习 2.16：应用 zip() 函数

在 Data/portfolio.csv 文件中，第一行蕴含列题目。在之前所有代码中，咱们把它抛弃了。

>>> f = open('Data/portfolio.csv')>>> rows = csv.reader(f)>>> headers = next(rows)>>> headers['name', 'shares', 'price']>>>

然而，如果题目要用于其它有用的事件呢？这就波及到 zip() 函数了。首先，尝试把文件题目和数据行配对。

>>> row = next(rows)>>> row['AA', '100', '32.20']>>> list(zip(headers, row))[ ('name', 'AA'), ('shares', '100'), ('price', '32.20') ]>>>

请留神 zip() 函数是如何把列题目与列值配对。在这里，咱们应用 list() 函数把后果转换为列表，以便查看。通常，zip() 函数创立一个必须由 for 循环应用的迭代器。

这种配对是构建字典的两头步骤。当初尝试：

>>> record = dict(zip(headers, row))>>> record{'price': '32.20', 'name': 'AA', 'shares': '100'}>>>

在解决大量数据文件时，这种转换是最有用的技巧之一。例如，假如须要使 pcost.py 程序处理各种输出文件，然而不思考名称，份额，价格所在列的编号。

批改 pcost.py 程序中的 portfolio_cost()，使其看起来像这样：

# pcost.pydef portfolio_cost(filename):    ...        for rowno, row in enumerate(rows, start=1):            record = dict(zip(headers, row))            try:                nshares = int(record['shares'])                price = float(record['price'])                total_cost += nshares * price            # This catches errors in int() and float() conversions above            except ValueError:                print(f'Row {rowno}: Bad row: {row}')        ...

当初，在一个齐全不同的数据文件 Data/portfoliodate.csv（如下所示）上尝试 portfolio_cost() 函数。

name,date,time,shares,price"AA","6/11/2007","9:50am",100,32.20"IBM","5/13/2007","4:20pm",50,91.10"CAT","9/23/2006","1:30pm",150,83.44"MSFT","5/17/2007","10:30am",200,51.23"GE","2/1/2006","10:45am",95,40.37"MSFT","10/31/2006","12:05pm",50,65.10"IBM","7/9/2006","3:15pm",100,70.44

>>> portfolio_cost('Data/portfoliodate.csv')44671.15>>>

如果操作正确，会发现程序依然可能失常运行，即便数据文件的列格局与之前的齐全不同，这很酷！

此处所做的更改是奥妙的，然而却意义重大。新版的 portfolio_cost()能够读取任何 CSV 文件，并从中抉择须要的值，而不是硬编码去读取单个固定文件格式。只有文件有必要的列，代码就能失常运行。

批改在 2.3 节编写的 report.py 程序，以便可能应用雷同的技术挑选出列题目。

尝试以 Data/portfoliodate.csv 文件作为输出，运行 report.py 程序，并察看是否生成和之前一样的答案。

练习 2.17：翻转字典

字典将键映射到值。例如，股票价格字典。

>>> prices = {        'GOOG' : 490.1,        'AA' : 23.45,        'IBM' : 91.1,        'MSFT' : 34.23    }>>>

如果应用字典的 items() 办法，那么能够获取到键值对 (key,value)：

>>> prices.items()dict_items([('GOOG', 490.1), ('AA', 23.45), ('IBM', 91.1), ('MSFT', 34.23)])>>>

然而，如果想要获取 (value, key) 键值对列表呢？

提醒：应用 zip()函数。

>>> pricelist = list(zip(prices.values(),prices.keys()))>>> pricelist[(490.1, 'GOOG'), (23.45, 'AA'), (91.1, 'IBM'), (34.23, 'MSFT')]>>>

为什么这样操作？首先，这容许对字典数据执行确切类型的数据处理。

>>> min(pricelist)(23.45, 'AA')>>> max(pricelist)(490.1, 'GOOG')>>> sorted(pricelist)[(23.45, 'AA'), (34.23, 'MSFT'), (91.1, 'IBM'), (490.1, 'GOOG')]>>>

其次，这也阐明了元组的一个重要特色，当在比拟中应用元组时，从第一项开始，逐元素进行比拟，相似于字符串中字符与字符一一比拟。

zip() 函数常常利用于须要从不同的中央把数据进行配对。例如，为了应用已命名的值构建字典，将列名和列值进行配对。

请留神，zip() 函数不限于一对。例如，能够应用任意数量的列表作为输出。

>>> a = [1, 2, 3, 4]>>> b = ['w', 'x', 'y', 'z']>>> c = [0.2, 0.4, 0.6, 0.8]>>> list(zip(a, b, c))[(1, 'w', 0.2), (2, 'x', 0.4), (3, 'y', 0.6), (4, 'z', 0.8))]>>>

另外，请留神，一旦最短的输出序列耗尽，zip() 函数将会进行。

>>> a = [1, 2, 3, 4, 5, 6]>>> b = ['x', 'y', 'z']>>> list(zip(a,b))[(1, 'x'), (2, 'y'), (3, 'z')]>>>

目录| [上一节 (2.3 格式化)]() | 下一节 (2.5 Collections模块)

注：残缺翻译见 https://github.com/codists/practical-python-zh