《学习 Python》第 5 版

第 20 章 理解和世代

本作品已使用人工智能进行翻译。欢迎您提供反馈和意见：[e-mail]

本章继续高级函数主题，重述第 4 章预览和第 14 章介绍的理解和迭代概念。由于理解与前一章中的函数工具（如map 和filter ）以及for 循环有着密切的关系，我们将在这里重新讨论它们。我们还将对迭代式进行第二次考察，以研究生成器函数及其生成器表达式的亲戚--用户定义的按需生成结果的方法。

Python 中的迭代还包括用户定义的类，但我们将把这个故事的最后一部分推迟到第六部分，即研究操作符重载时。由于这是我们最后一次使用内置迭代工具，我们将总结迄今为止我们遇到的各种工具。下一章将继续这条主线，将这些工具的相对性能作为一个更大的案例进行计时研究。在此之前，让我们继续讲述理解和迭代的故事，并将其扩展到值生成器。

列表理解和功能工具

正如本书的开头提到的，Python 支持过程式、面向对象和函数式编程范式。事实上，Python 拥有大量大多数人认为是函数性质的工具，我们在上一章中列举了这些工具--闭包、生成器、Lambda、理解、映射、装饰器、函数对象等等。这些工具允许我们以强大的方式应用和组合函数，并经常提供状态保持和编码解决方案，以替代类和 OOP。

例如，上一章探讨了map 和filter等工具--这些工具是 Python 早期函数式编程工具集的主要成员，其灵感来自 Lisp 语言--它们可以映射迭代器上的操作并收集结果。由于这在 Python 代码中是如此常见的任务，Python 最终萌生了一种新的表达式--list comprehension--它比我们刚才学习的工具更加灵活。

根据 Python 的历史，列表理解最初是受到函数式编程语言 Haskell 中类似工具的启发，时间大约在 Python 2.0 时代。简而言之，列表理解将任意表达式应用到可迭代项中，而不是应用函数。因此，它们可以成为更通用的工具。在后来的版本中，理解扩展到了其他角色--集合、字典，甚至是我们将在本章探讨的值生成器表达式。它不再仅仅适用于列表。

我们在第 4 章的预览中第一次见到了 list 解析，并在第 14 章结合循环语句进一步学习了它们。不过，由于它们也与函数式编程工具（如map 和filter 调用）有关，因此我们在这里再次讨论这个话题，做最后一次回顾。从技术上讲，这个特性与函数无关--正如我们将看到的，列表理解可以是比map 和filter更通用的工具--但有时最好通过类比基于函数的替代方法来理解它。

列表理解与地图

让我们通过一个示例来演示基础知识。正如我们在第 7 章中看到的，Python 内置的ord 函数返回单个字符的整数码位（内置的chr 与相反，它返回整数码位的字符）。如果您的字符属于 ASCII 字符集的 7 位码位范围，这些正好是ASCII 码：

>>> ord('s')
115

现在，假设我们希望收集整个字符串中所有字符的 ASCII 码。也许最直接的方法就是使用一个简单的for 循环，并将结果追加到一个列表中：

>>> res = []
>>> for x in 'spam':
        res.append(ord(x))                # Manual results collection

>>> res
[115, 112, 97, 109]

既然我们已经知道了map ，那么我们只需调用一个函数就能获得类似的结果，而无需在代码中管理列表构造：

>>> res = list(map(ord, 'spam'))          # Apply function ...