实际案例
通用做法是:迭代
data = [1, 2,4,5,6]
res = []
for x in data:
if x>=6:
res.append(x
解决方案
filter简介
Python 内建的 filter()函数用于过滤序列。 和 map()类似, filter()也接收一个函数和一个序列。和 map()不同的时, filter()把传入的函数依次作用于每个元素,然后根据返回值是 True 还 是 False 决定保留还是丢弃该元素。
In [4]:
def is_odd(n):
return n % 2 == 1
注意到 filter()函数返回的是一个 Iterator,也就是一个惰性序列,所 以要强迫 filter()完成计算结果,
需要用 list()函数获得所有结果并返 回 list。
In [12]:
a = (filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15]))
list(a)
Out[12]:
[1, 5, 9, 15]
In [ ]: In [6]:
from random import randint
# Python中对于无需关注其实际含义的变量可以用_代替,
# 这就和for i in range(5)一样,因为这里我们对i并不关心,所以用_代替仅获取值而已。
data = [randint(-10, 10) for _ in range(10)]
data
Out[6]:
[-1, -5, -7, 10, -7, -5, -6, 8, 6, -8]
In [8]:
匿名函数有个限制,就是只能有一个表达式,不用写 return,返回值就是该表达式的结果。
用匿名函数有个好处,因为函数没有名字,不必担心函数名冲突。此外, 匿名函数也是一个函数对象,也可以把匿名函数赋值给一个变量,再利 用变量来调用该函数: 同样,也可以把匿名函数作为返回值返回,比如:
def build(x, y):
return lambda: x * x + y * y
Python 对匿名函数的支持有限,只有一些简单的情况下可以使用匿名函 数。
In [16]: Out[16]:
[10, 8, 6]
In [15]: Out[15]:
[-1, -5, -7, 10, -7, -5, -6, 8, 6, -8]
列表解析
In [17]: Out[17]:
[10, 8, 6]
In [21]:
%timeit list(filter(lambda x: x>=0, data))
1.9 µs ± 19.9 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
In [22]:
687 ns ± 3.89 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
In [23]: In [24]: Out[24]:
{1: 100,
2: 65,
3: 67,
4: 77,
5: 71,
6: 92,
7: 68,
8: 75,
9: 97,
10: 92,
11: 77,
12: 96,
13: 75,
14: 95,
15: 66,
16: 67,
17: 92,
18: 77,
19: 90,
20: 80}
字典解析
默认情况下, dict 迭代的是 key。如果要迭代 value,可以用 for value in d.values(),
如果要同时迭代 key 和 value,可以用 for k, v in d.items()。
In [32]: Out[32]:
{1: 100, 6: 92, 9: 97, 10: 92, 12: 96, 14: 95, 17: 92, 19: 90}
In [33]: Out[33]:
[-1, -5, -7, 10, -7, -5, -6, 8, 6, -8]
In [34]: In [35]: Out[35]:
{-8, -7, -6, -5, -1, 6, 8, 10}
集合解析
In [36]:
{x for x in s if x%3 ==0}
Out[36]:
{-6, 6}