系列目录
上一篇：白骑士的Python教学进阶篇 2.3 文件操作
在Python中，掌握高级数据结构可以显著提升你的编程效率和代码可读性。高级数据结构包括列表推导式、生成器与迭代器以及装饰器。本文将详细介绍这些高级数据结构，帮助你在实际编程中更好地运用它们。
列表推导式
列表推导式（List Comprehensions）是Python的一种简洁的语法，用于生成新的列表。通过列表推导式，可以用一行代码表达复杂的列表生成逻辑，增强代码的可读性和简洁性。
基本语法
列表推导式的基本语法如下：
[expression for item in iterable if condition]'expression'：生成新列表中元素的表达式。
’item‘：从 ‘iterable’ 中取出的元素。
'iterable'：一个可迭代对象，如列表、元组、字符串等。
’condition‘：一个可选的过滤条件，只有满足条件的元素才会包含在新列表中。
示例
生成平方数列表：
squares = [x ** 2 for x in range(10)]
print(squares)输出：
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]过滤偶数并生成其平方：
even_squares = [x ** 2 for x in range(10) if x % 2 == 0]
print(even_squares)输出：
[0, 4, 16, 36, 64]使用嵌套循环生成二维坐标：
coordinates = [(x, y) for x in range(3) for y in range(3)]
print(coordinates)输出：
[(0, 0), (0, 1), (0, 2), (1, 0), (1, 1), (1, 2), (2, 0), (2, 1), (2, 2)]生成器与迭代器
生成器和迭代器是Python中用于高效处理大量数据的强大工具。它们可以在不占用大量内存的情况下生成序列数据。
迭代器
迭代器是一种对象，它实现了迭代协议，包括 '__iter__()' 和 '__next__()' 方法。迭代器可以用于逐个访问集合的元素，而不需要一次性将所有元素加载到内存中。
示例
class MyIterator:
def __init__(self, data):
self.data = data
self.index = 0
def __iter__(self):
return self
def __next__(self):
if self.index >= len(self.data):
raise StopIteration
result = self.data[self.index]
self.index += 1
return result
my_iter = MyIterator([1, 2, 3])
for item in my_iter:
print(item)输出：
1
2
3生成器
生成器是使用 'yield' 关键字的函数。每次调用生成器的 '__next__()' 方法时，生成器函数会运行到 'yield' 语句并返回结果，然后暂停，下一次调用时从暂停处继续执行。
示例
简单生成器：
def simple_generator():
yield 1
yield 2
yield 3
gen = simple_generator()
for value in gen:
print(value)输出：
1
2
3无限斐波那契序列生成器：
def fibonacci():
a, b = 0, 1
while True:
yield a
a, b = b, a + b
fib = fibonacci()
for _ in range(10):
print(next(fib))输出：
0
1
1
2
3
5
8
13
21
34生成器表达式是生成器的简写形式，类似于列表推导式，但使用小括号而不是方括号。
gen_exp = (x ** 2 for x in range(10))
for value in gen_exp:
print(value)装饰器
装饰器是一种高级函数，它允许你在不修改函数代码的前提下，增强或修改函数的行为。装饰器通常用于日志记录、权限检查、缓存等场景。
基本语法
装饰器是一个返回函数的高阶函数，通常使用 '@decorator_name' 语法糖来应用装饰器。
示例
基本装饰器：
def my_decorator(func):
def wrapper():
print("Something is happening before the function is called.")
func()
print("Something is happening after the function is called.")
return wrapper
@my_decorator
def say_hello():
print("Hello!")
say_hello()输出：
Something is happening before the function is called.
Hello!
Something is happening after the function is called.带参数的装饰器：
def repeat(num_times):
def decorator_repeat(func):
def wrapper(*args, **kwargs):
for _ in range(num_times):
result = func(*args, **kwargs)
return result
return wrapper
return decorator_repeat
@repeat(num_times=3)
def greet(name):
print(f"Hello, {name}!")
greet("Alice")输出：
Hello, Alice!
Hello, Alice!
Hello, Alice!类装饰器：
class CountCalls:
def __init__(self, func):
self.func = func
self.num_calls = 0
def __call__(self, *args, **kwargs):
self.num_calls += 1
print(f"Call {self.num_calls} of {self.func.__name__}")
return self.func(*args, **kwargs)
@CountCalls
def say_hello():
print("Hello!")
say_hello()
say_hello() 输出：
Call 1 of say_hello
Hello!
Call 2 of say_hello
Hello!结论
高级数据结构如列表推导式、生成器与迭代器以及装饰器，是Python提供的强大工具，使开发者可以编写简洁、高效、可维护的代码。通过掌握这些高级特性，可以在实际项目中更灵活地处理复杂的数据操作，提高代码的执行效率，并且能够在不改变原有代码逻辑的情况下，轻松地扩展和增强功能。这些特性不仅提升了编程技能，也为解决实际问题提供了更多的解决方案。希望在实践中多多应用这些高级数据结构，享受Python编程的乐趣。
下一篇：白骑士的Python教学高级篇 3.1 多线程与多进程
