8.4 KiB
doc_type, full_text
| doc_type | full_text |
|---|---|
| short | sources/04_Sequences.md |
04_Sequences 总结
本文介绍 Python 中的Python序列及其常见操作，包括字符串、列表、元组、切片、循环遍历、range()、enumerate()、元组解包与 zip()。重点是如何用更 Pythonic 的方式处理有序数据，尤其是在 CSV 数据处理中利用表头构造字典，从而写出更通用的程序。
序列数据类型
Python 有三种常见的序列类型：
- 字符串：如
'Hello'，是字符序列。 - 列表：如
[1, 4, 5]。 - 元组：如
('GOOG', 100, 490.1)。
所有序列都具有以下共同特征：
- 有序。
- 可用整数索引访问元素。
- 可用
len()获取长度。 - 支持负索引，例如
b[-1]表示最后一个元素。
序列还支持复制与连接：
s * n：复制序列。s + t：连接同类型序列。
需要注意，序列连接要求两边类型相同。例如元组只能与元组连接，不能直接与列表连接。
切片
Python切片用于从序列中提取子序列，语法为：
s[start:end]
关键规则：
start和end是整数索引。- 切片包含
start，不包含end，类似数学中的半开区间。 - 省略
start时默认为序列开头。 - 省略
end时默认为序列结尾。
示例：
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]
列表的切片赋值与删除
列表支持对切片重新赋值或删除：
a = [0,1,2,3,4,5,6,7,8]
a[2:4] = [10,11,12]
切片赋值不要求新旧片段长度相同，因此可以改变列表长度。
删除切片：
del a[2:4]
这体现了列表作为可变序列的特点，而字符串和元组则不可变。
序列归约操作
一些内置函数可以把序列归约为单个值：
sum(s)：求和。min(s)：最小值。max(s)：最大值。
这些函数不仅可用于数字列表，也可用于字符串列表等可比较对象。例如字符串会按字典序比较。
遍历序列
for 循环可以直接遍历序列中的元素：
for x in s:
...
每次迭代时，当前元素会赋给迭代变量。循环结束后，迭代变量仍保留最后一次的值。
本文强调：如果只是遍历元素，应直接使用 for x in data，不要写成：
for n in range(len(data)):
print(data[n])
这种写法不够 Pythonic，效率较低，也更难阅读。若需要索引，应使用 enumerate()。
break 与 continue
break 用于提前退出循环：
for name in namelist:
if name == 'Jake':
break
break 只退出最内层循环。
continue 用于跳过当前元素，进入下一次迭代：
for line in lines:
if line == '\n':
continue
这常用于忽略空行、无效数据或不需要处理的元素。
range()：整数序列迭代
如果需要计数，应使用 range()：
for i in range(100):
...
语法：
range([start,] end [,step])
规则：
end不包含在结果中，与切片规则一致。start可选，默认是0。step可选，默认是1。range()按需生成值，不会实际存储完整的大范围数字。
示例：
range(100) # 0 到 99
range(10, 20) # 10 到 19
range(10, 50, 2) # 10, 12, ..., 48
enumerate()：带计数器的遍历
enumerate函数用于在遍历序列时同时获得索引和值：
names = ['Elwood', 'Jake', 'Curtis']
for i, name in enumerate(names):
...
通用形式：
enumerate(sequence, start=0)
start 可指定计数起点。典型用途是在读取文件时跟踪行号：
with open(filename) as f:
for lineno, line in enumerate(f, start=1):
...
这比手动维护计数器更简洁，也略快。
多变量迭代与元组解包
如果序列中的元素是元组，可以在 for 循环中直接解包：
points = [(1, 4), (10, 40), (23, 14)]
for x, y in points:
...
每个元组会被拆分到多个迭代变量中。变量数量必须与元组元素数量一致。
这属于Python解包的重要应用。
zip()：组合多个序列
zip函数用于把多个序列按位置组合成元组迭代器：
columns = ['name', 'shares', 'price']
values = ['GOOG', 100, 490.1]
pairs = zip(columns, values)
得到的逻辑结果类似：
('name', 'GOOG'), ('shares', 100), ('price', 490.1)
zip() 返回迭代器，需要通过循环或 list() 消费。
常见用法是把列名和值组合起来构造字典：
d = dict(zip(columns, values))
这是处理 CSV 数据时非常重要的技巧。
使用 zip() 处理 CSV 表头
在 Data/portfolio.csv 中，第一行是列名：
headers = next(rows)
如果某一行数据为：
row = ['AA', '100', '32.20']
则可使用：
record = dict(zip(headers, row))
得到：
{'name': 'AA', 'shares': '100', 'price': '32.20'}
这样，程序就不再依赖固定列号，而是通过字段名读取数据：
nshares = int(record['shares'])
price = float(record['price'])
这一改动让 portfolio_cost() 能处理不同列顺序、甚至额外包含日期和时间列的 CSV 文件，只要文件中存在所需字段即可。这是从“固定格式解析”走向“基于字段名解析”的重要改进，属于CSV数据处理中的核心技巧。
用 enumerate() 改进错误报告
在处理包含缺失值的 CSV 文件时，可以用 enumerate(rows, start=1) 记录行号，并在转换失败时打印更有用的错误信息：
for rowno, row in enumerate(rows, start=1):
try:
...
except ValueError:
print(f'Row {rowno}: Bad row: {row}')
这样可以定位坏数据所在行，例如：
Row 4: Couldn't convert: ['MSFT', '', '51.23']
Row 7: Couldn't convert: ['IBM', '', '70.44']
这体现了concepts/异常处理与迭代工具结合后在数据清洗中的实用价值。
反转字典数据
字典的 items() 返回 (key, value) 对。如果想得到 (value, key) 对，可以结合 values()、keys() 和 zip()：
pricelist = list(zip(prices.values(), prices.keys()))
这样可以按价格进行比较、排序或求最大最小值：
min(pricelist)
max(pricelist)
sorted(pricelist)
这也说明了元组比较规则：元组按元素从左到右逐项比较。因此 (price, name) 会优先按价格比较，价格相同再比较名称。
zip() 的更多特性
zip() 不限于两个序列，可以组合任意多个序列：
list(zip(a, b, c))
如果输入序列长度不同，zip() 会在最短序列耗尽时停止：
a = [1, 2, 3, 4, 5, 6]
b = ['x', 'y', 'z']
list(zip(a, b))
# [(1, 'x'), (2, 'y'), (3, 'z')]
练习要点
本文练习围绕以下目标展开：
- 使用
range()进行正向、反向、步进计数。 - 使用
min()、max()、sum()对序列进行归约。 - 用普通
for循环和enumerate()遍历数据。 - 避免
range(len(data))这类低效且不清晰的写法。 - 用
enumerate()在错误提示中加入行号。 - 用
zip(headers, row)构造记录字典，提高 CSV 处理代码的通用性。 - 用
zip(values, keys)生成反转的字典视图，以便按值排序或比较。
核心思想
本文的核心贡献是展示 Python 序列生态中的几种基础但强大的模式：
- 用切片表达子序列。
- 用
for直接遍历数据，而不是模仿 C 风格索引循环。 - 用
enumerate()在需要索引时保持代码清晰。 - 用元组解包简化结构化数据遍历。
- 用
zip()把来自不同位置的数据配对，尤其是把 CSV 表头和值组合成字典。
这些技术共同构成了 Python 数据处理的基础风格：更少依赖位置编号，更多依赖清晰的数据结构和可读的迭代模式。