4 Python 基础：讲解迭代、过滤、匿名函数、排序算法四大知识点程序员编程网-最新程序员编程前沿技术程序员编程网

本文首发于云+社区，也可关注公众号【离不开的网】支持一下。

迭代

如果给定一个list或tuple，我们可以通过for循环来遍历这个list或tuple，这种遍历我们称为迭代（Iteration）。

在Python中，迭代是通过for … in来完成的，而很多语言比如C语言，迭代list是通过下标完成的，比如Java代码

for (i=0; i<list.length; i++) {      n = list[i];  }

可以看出，Python的for循环抽象程度要高于C的for循环，因为Python的for循环不仅可以用在list或tuple上，还可以作用在其他可迭代对象上。

list这种数据类型虽然有下标，但很多其他数据类型是没有下标的，但是，只要是可迭代对象，无论有无下标，都可以迭代，比如dict（字典）就可以迭代。

因为dict的存储不是按照list的方式顺序排列，所以，迭代出的结果顺序很可能不一样。

字典迭代的方式

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()

字符串迭代

由于字符串也是可迭代对象，因此，也可以作用于for循环。

如何判断一个对象是可迭代对象呢？

方法是通过collections模块的Iterable类型判断：

如果要list实现下标循环怎么办？

Python内置的enumerate函数可以把一个list变成索引-元素对，这样就可以在for循环中同时迭代索引和元素本身

迭代器

可以直接作用于for循环的数据类型有以下几种：

一类是集合数据类型，如list、tuple、dict、set、str等；

一类是generator，包括生成器和带yield的generator function。

这些可以直接作用于for循环的对象统称为可迭代对象：Iterable

可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator

这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。

Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。

小结

凡是可作用于for循环的对象都是Iterable类型；

凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；

集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。

我们已经知道，可以直接作用于for循环的数据类型有以下几种：

一类是集合数据类型，如list、tuple、dict、set、str等；

一类是generator，包括生成器和带yield的generator function。

这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。

可以使用isinstance()判断一个对象是否是Iterable对象：

而生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。

可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。

可以使用isinstance()判断一个对象是否是Iterator对象：

生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。

把list、dict、str等Iterable变成Iterator可以使用iter()函数：

你可能会问，为什么list、dict、str等数据类型不是Iterator？

Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。

小结

凡是可作用于for循环的对象都是Iterable类型；

凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；

集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。

Python的for循环本质上就是通过不断调用next()函数实现的，例如：

for x in [1, 2, 3, 4, 5]:     pass

实际上完全等价于：

# 首先获得Iterator对象: it = iter([1, 2, 3, 4, 5]) # 循环: while True:     try:         # 获得下一个值:         x = next(it)     except StopIteration:         # 遇到StopIteration就退出循环         break

filter过滤

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()不同的是，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。

filter(怎么过滤，过滤什么)，要怎么过滤其实就是一个函数，一个规则；要过滤什就是要过滤的列表之类的。

自己定义一个函数实现一个方法的过程，比如我们下面自己写一个实现filter函数的相同功能函数。（写filter函数实现的过程，定义一个filterFn）

这里当调用for循环或则next（）的时候，函数才会执行，for i in a其实是把每一个执行的next(a)给到i，然后输出出来；当调用第一步后，函数filterFn执行，其中里面的fn给到上面def定义的函数中的Fn，列表给到listIter，然后执行此函数，for循环这个列表，把每一个循环值给到item，比如第一个0时，他在下面函数中运行，判断返回true或false给上面，真则运行下面的yield返回这个值出去然后中断运行；如果是next（）调用的，则需要再次调用next（）才重新在yield这个位置开始运行，for循环调用的话他会一直执行到结束。

yield小理解：

# dir()  # #查看所有的全局内置函数：dir(__builtins__)

students = [     {         'name':"小红",         'sex':'girl'     },     {         'name':"小白",         'sex':'boy'     },{         'name':"小hei",         'sex':'boy'     },{         'name':"小qi",         'sex':'girl'     } ]  def fn(item):     if item['sex']=='girl':         return item     else:         return False   list(filter(fn,students))   #map #reduce  #一堆旧书，擦洗的工作   [一堆需要被操作的列表] ---》自定义 #把每一本书都拿起来，都用抹布擦干净  流程--》函数--->自定义 #一堆新书 [被操作后的列表]  #map('自定义清洗流程'，'自定义的一堆书')===》（得到一堆你想要的书）  #filter('') #一堆旧书 #每一本书，拿起来看，审查新不新，烂掉了就不要，这个程度，这个依据，自定义一个流程和依据 #留下一堆你想要留下的书  #filter('自定义的过滤依据'，[一堆书传入进来])  def filter1(fn,L):     nList = []     for item in L:         if fn(item):             nList.append(item)          return nList   def filter2(fn,L):     for item in L:         yield fn(item)               print(filter1(fn,students)) print(list(filter2(fn,students)))