10. 数据类型 - 元组详解

秒速五厘米 2024-03-23 19:26 63阅读 0赞

![茶桁的AI秘籍 Python - tuple][AI_ Python - tuple]

Hi，大家好。我是茶桁。

之前两节分别介绍了字符串和列表，今天，我们来讲讲另外一个常用到的数据类型：元组。

元组和列表很像，两者都是一组有序的数据的组合。但是也有很多不同点，比如元组内的元素一旦定义了就不可以再修改，因此元组称为**不可变数据类型**。

### 元组定义 ###

元组的定义方式包括以下要点：

*  定义元组`变量 = ()`, 或者`变量 = tuple()`
 *  可以使用`变量 = (*iterable)`定义含有数据的元组
 *  ⚠️ 需要注意：如果元组中只有一个元素时，这唯一的元素后面也必须加逗号，这是为了区分其他元素标识这是一个元组: `(1,)`
 *  特例： `变量 = 1,2,3`， 这种方式也可以定义为一个元组。

### 元组的相关操作 ###

由于元组是一个不可变的数据类型，因此其在创建之后只能使用索引进行访问，无法进行其他操作。访问方式其实和列表一样，同样可以使用切片方式获取元素。

元组可以进行切片操作，在访问数据这件事情上和列表几乎一样，没有什么区别，所以完全可以借鉴上一节我讲的内容来看，这里就不详细介绍了，仅仅给大家写出一些案例：

# 常见的元组切片索引查询操作
    tup = 1, 2, 3, 4, 5, 5, 4, 3, 2, 1
    print('[:]:\t',tup[:]) # 获取全部
    print('[::]:\t', tup[::]) # 获取全部
    print('[1:]:\t', tup[1:]) # 从索引1开始获取到最后
    print('[1:3]:\t', tup[1:3]) # 从索引1开始索引到3之前
    print('[:3]:\t', tup[:3]) # 从0开始索引到3之前
    print('[1:5:2]:\t', tup[1:5:2]) # 从1开始索引到5之前，步进值为2
    print('[::2]:\t', tup[::2]) #从0开始索引到最后，步进值为2
    print('[5:1:-1]:\t', tup[5:1:-1]) # 从5开始往前索引到1， 步进值为-1。
    
    ---
    [:]:	 (1, 2, 3, 4, 5, 5, 4, 3, 2, 1)
    [::]:	 (1, 2, 3, 4, 5, 5, 4, 3, 2, 1)
    [1:]:	 (2, 3, 4, 5, 5, 4, 3, 2, 1)
    [1:3]:	 (2, 3)
    [:3]:	 (1, 2, 3)
    [1:5:2]:	 (2, 4)
    [::2]:	 (1, 3, 5, 4, 2)
    [5:1:-1]:	 (5, 5, 4, 3)

除了常用的切片操作之外，和列表一样，元组也能使用一些基本函数来完成查询操作

# 获取元组的长度
    print(len(tup))
    
    # 统计一个元素在元组中出现的次数
    print(tup.count(5))
    
    # 获取一个元素在元组内的下标（索引值）
    print(tup.index(5, 1, 9))
    
    ---
    10
    2
    4

除此之外，元组还可以引用基础的数学运算符`+`和`*`来进行加和乘的运算。

# 加和乘操作
    print((1, 2, 3) + ('a', 'b'))
    print((1, 2, 3) * 5)
    
    ---
    (1, 2, 3, 'a', 'b')
    (1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3)

有一个同学曾经问过我：既然元组是不可修改的，那为什么还能用加和乘的运算呢？

不知道在座的小伙伴有没有这种想法？

这样吧，我重新写一段代码，小伙伴们应该就明白了:

# 元组是这样的
    tup = (1, 2, 3, 4)
    print(id(tup))
    tup2 = (3, 4, 5, 6)
    tup = tup + tup2
    print(id(tup))
    
    ---
    4446580864
    4450629120
    4450647984
    4459297216

不知道大家看明白没有。解释一下，其实就是说，在进行加法和乘法运算的时候，即便我们的变量名是一样的，实际上也是生成了一个新的元组，而不是之前那一个了。所以这个并非是修改和更新，而是创建。

为了对比，我再写一段更新的代码给大家看：

# 尝试更新元组
    tup = (1, 2, 3, 4, 5, 6)
    print(tup[2])
    del tup[2]
    print(tup)
    
    ---
    TypeError: 'tuple' object doesn't support item deletion

可以看到，报错提示了，`tuple`对象不支持删除项目

作为对比，我们看看列表的：

# 看看列表更新（只看id）
    items = [1, 2, 3, 4, 5, 6]
    print(id(items))
    del items[2]
    print(id(items), '\t',items)
    
    ---
    4450415936
    4450415936 	 [1, 2, 4, 5, 6]

可以看到，不仅是内部元素被删除了，并且`id`完全没有变化。也就是说，我们是在这个列表本身做了删除动作，并未生成新的列表。关于这部分，我们上一节中的深拷贝和浅拷贝讲的很清楚，大家可以回去好好看看理解一下。

### 元组推导式 生成器 ###

在起初，我们先来看看元组是否和列表一样支持使用推导式。

tup = (i for i in range(10))
    print(tup)
    
    ---
    <generator object <genexpr> at 0x109cfa570>

这段并非是报错，而是打印出了`tup`的类型：生成器对象。

我们之前学过，使用列表推导式生成的结果是一个列表，但是元组似乎和列表并不一样，生成的结果是一个生成器对象。

列表推导式 ==> [变量运算 for i in 容器]  ==> 结果 是一个 列表
    元组推导式 ==> (变量运算 for i in 容器)  ==> 结果 是一个 生成器

那这里就有个疑问了，什么是生成器？

生成器是一个特殊的迭代器，生成器可以自定义，也可以使用元组推导式去定义。

生成器是按照某种算法去推算下一个数据或结果，只需要往内存中存储一个生成器，节约内存消耗，提升性能。

**语法**

1.  里面是推导式，外面是一个()的结果就是一个生成器
2.  自定义生成器，含有yield关键字的函数就是生成器

那么，我们到底应该怎样操作生成器呢？

既然生成器是迭代器的一种，那我们是否可以使用迭代器的操作方法来操作生成器呢？

说干就干，让我们直接操作做实验：

tup = (i for i in range(10))
    print(next(tup))
    print(next(tup))
    print(next(tup))
    print(list(tup))
    
    ---
    0
    1
    2
    [3, 4, 5, 6, 7, 8, 9]

没毛病，确实支持`next()`函数，并且内部元素在使用后也被移除了。

# 让我们将其转为元组
    print(tuple(tup))
    
    ---
    ()

哎，为什么里面是空的？那是因为，我们上一段代码中的最后一句，已经讲所有迭代器内的元素转为了列表，素衣目前迭代器`tup`内是没有任何元素了，所以我们转过来必须是空的。

再来生成一个，我们来试试用`for`对它进行循环：

tup = (i for i in range(10))
    for i in tup:
        print(i, end=" ")
        
    ---
    0 1 2 3 4 5 6 7 8 9

可以看到结果没有问题。可以推断出，生成器和迭代器没有任何区别，我们在平时使用的时候，就直接将它作为迭代器使用就可以了。

### yield关键字 ###

在之前，我们提到了，含有`yield`关键字的函数就是生成器。

它返回的结果是一个迭代器。我们可以理解为，生成器函数就是一个返回迭代器的函数。

那么`yield`有哪些需要注意的点呢？我们先在下面列一下，之后再带着大家一起过：

`yield`和函数中的`return`有点像

*  共同点： 执行到这个关键字后会把结果返回来
 *  不同点：
    
     *  `return`会把结果返回，并结束当前函数的调用
     *  `yield`会返回结果，并记住当前代码执行的位置，下一次调用时会从上一次离开的位置继续向下执行。

上实验：

# 定义一个普通函数
    def func():
        print('Hello yield')
        return 'yield'
        print('Hello again')
    
    func()
    func()
    
    ---
    Hello yield
    Hello yield

在这个自定义函数内，`return`执行的时候，就会结束当前函数的调用，而在之前，第一个`print()`函数正确执行了，但是第二个`print()`函数因为在`return`之后，所以并未运行。即便我们一共执行了两次函数，可是也仅仅是讲第一个`print()`函数执行了两次。

# 尝试使用yield定义一个生成器函数
    def func():
        print('Hello yield')
        yield 'yield'
        print('Hello again')
        yield 'again'
    
    # 调用生成器函数， 返回一个迭代器
    res = func()
    next(res)
    next(res)
    
    ---
    Hello yield
    Hello again

可以看到，当我们使用`next()`函数的时候，迭代器起作用了，每执行一次，分别调用第一个`yield`之前和之后的`print()`，也就是说**继续**执行了。

那如何验证`yield`的返回呢？我们将这段代码改造一下：

# 尝试使用yield定义一个生成器函数
    def func():
        print('Hello yield')
        yield 'return yield'
        print('Hello again')
        yield 'return again'
    
    # 调用生成器函数， 返回一个迭代器
    res = func()
    str = next(res)
    print(str)
    str = next(res)
    print(str)
    
    ---
    Hello yield
    return yield
    Hello again
    return again

没问题，依次打印出了返回值`return yield`和`return again`。

还记得我们之前教过，使用`list`函数去调用，可以讲迭代器的返回结果，作为容器的元素，让我们再来改造一下这段代码：

# 尝试使用yield定义一个生成器函数
    def func():
        print('Hello yield')
        yield 'return yield'
        print('Hello again')
        yield 'return again'
    
    # 调用生成器函数， 返回一个迭代器
    res = func()
    
    items = list(res)
    print(items)
    
    ---
    Hello yield
    Hello again
    ['return yield', 'return again']

我们看见，确实，返回结果被依次放入了一个`list`容器中。

当然，除了`list`函数之外，还可以使用`for`来获取迭代器内容：

# 尝试使用yield定义一个生成器函数
    def func():
        print('Hello yield')
        yield 'return yield'
        print('Hello again')
        yield 'return again'
    
    # 调用生成器函数， 返回一个迭代器
    res = func()
    
    items = []
    for i in res:
        items.append(i)
    
    print(items)
    
    ---
    Hello yield
    Hello again
    ['return yield', 'return again']

我们来分析一下在以上这几段代码中，生成器函数调用时到底是什么过程。

首先，调用生成器函数，返回一个迭代器：

1.  第一次去调用迭代器，走到当前的生成器函数中，遇到第一个`yield`, 把`return yield`返回，并且记住当前的执行状态（位置），暂停了执行，等待下一次的调用
2.  第二次去调用迭代器，从上一次遇到的`yield`位置开始执行，遇到了第二个`yield`，把`return again`返回，并重新记录状态，暂停执行，等待下一次调用。
3.  如果最后又调用了迭代器，那么会从上一次的`yield`位置开始，可是后面没有了，就会超出范围，抛出异常：`StopIteration:`。

那么这种一次一次调用执行的方式什么时候适用呢？比如说，我们在处理一个非常大的数据，电脑可能吃不住，这个时候我们就可以拆开来一次一次的执行获取结果。

### 小练习 ###

> 1.  为了能达到练习的目的，从这一节开始，所有练习可以不在课程中展示了。大家先做一下，然后可以在我下一节课中的源码中去找答案，然后来看看和自己做的是否一样。
> 2.  以下所有练习必须使用列表推导式来实现
> 3.  有些练习不止一个方法，大家尝试用多种方法来实现一下。
> 4.  做完的小伙伴可以在课程后面留言讨论。
> 5.  上一节的练习已经放到本次教程的源码内，可以在此获取：https://github.com/hivandu/AI\_Cheats/tree/main/Python

今天就一个练习：使用生成器改写斐波那契数列函数

[AI_ Python - tuple]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/ee9d72abec194268890ec63ab1cab998.png