6. Expressões¶
Este capítulo explica o significado dos elementos das expressões em Python.
Notas de sintaxe: Neste e nos capítulos seguintes, a notação BNF estendida será usada para descrever a sintaxe, não a análise lexical. Quando (uma alternativa de) uma regra de sintaxe tem a forma
name ::= othername
e nenhuma semântica é fornecida, a semântica desta forma de name
é a mesma que para othername
.
6.1. Conversões aritméticas¶
Quando uma descrição de um operador aritmético abaixo usa a frase “os argumentos numéricos são convertidos em um tipo comum”, isso significa que a implementação do operador para tipos embutidos funciona da seguinte maneira:
Se um dos argumentos for um número complexo, o outro será convertido em complexo;
caso contrário, se um dos argumentos for um número de ponto flutuante, o outro será convertido em ponto flutuante;
caso contrário, ambos devem ser inteiros e nenhuma conversão é necessária.
Algumas regras adicionais se aplicam a certos operadores (por exemplo, uma string como um argumento à esquerda para o operador ‘%’). As extensões devem definir seu próprio comportamento de conversão.
6.2. Átomos¶
Os átomos são os elementos mais básicos das expressões. Os átomos mais simples são identificadores ou literais. As formas entre parênteses, colchetes ou chaves também são categorizadas sintaticamente como átomos. A sintaxe para átomos é:
atom ::=identifier
|literal
|enclosure
enclosure ::=parenth_form
|list_display
|dict_display
|set_display
|generator_expression
|yield_atom
6.2.1. Identificadores (Nomes)¶
Um identificador que ocorre como um átomo é um nome. Veja a seção Identificadores e palavras-chave para a definição lexical e a seção Nomeação e ligação para documentação de nomenclatura e ligação.
Quando o nome está vinculado a um objeto, a avaliação do átomo produz esse objeto. Quando um nome não está vinculado, uma tentativa de avaliá-lo levanta uma exceção NameError
.
Mangling de nome privado: Quando um identificador que ocorre textualmente em uma definição de classe começa com dois ou mais caracteres de sublinhado e não termina em dois ou mais sublinhados, ele é considerado um nome privado dessa classe. Os nomes privados são transformados em um formato mais longo antes que o código seja gerado para eles. A transformação insere o nome da classe, com sublinhados à esquerda removidos e um único sublinhado inserido na frente do nome. Por exemplo, o identificador __spam
que ocorre em uma classe chamada Ham
será transformado em _Ham__spam
. Essa transformação é independente do contexto sintático em que o identificador é usado. Se o nome transformado for extremamente longo (mais de 255 caracteres), poderá ocorrer truncamento definido pela implementação. Se o nome da classe consistir apenas em sublinhados, nenhuma transformação será feita.
6.2.2. Literais¶
Python oferece suporte a strings e bytes literais e vários literais numéricos:
literal ::=stringliteral
|bytesliteral
|integer
|floatnumber
|imagnumber
A avaliação de um literal produz um objeto do tipo fornecido (string, bytes, inteiro, número de ponto flutuante, número complexo) com o valor fornecido. O valor pode ser aproximado no caso de ponto flutuante e literais imaginários (complexos). Veja a seção Literais para detalhes.
Todos os literais correspondem a tipos de dados imutáveis e, portanto, a identidade do objeto é menos importante que seu valor. Múltiplas avaliações de literais com o mesmo valor (seja a mesma ocorrência no texto do programa ou uma ocorrência diferente) podem obter o mesmo objeto ou um objeto diferente com o mesmo valor.
6.2.3. Formas de parênteses¶
Um formulário entre parênteses é uma lista de expressões opcional entre parênteses:
parenth_form ::= "(" [starred_expression
] ")"
Uma lista de expressões entre parênteses produz tudo o que aquela lista de expressões produz: se a lista contiver pelo menos uma vírgula, ela produzirá uma tupla; caso contrário, produz a única expressão que compõe a lista de expressões.
Um par de parênteses vazio produz um objeto de tupla vazio. Como as tuplas são imutáveis, aplicam-se as mesmas regras dos literais (isto é, duas ocorrências da tupla vazia podem ou não produzir o mesmo objeto).
Observe que as tuplas não são formadas pelos parênteses, mas sim pelo uso da vírgula. A exceção é a tupla vazia, para a qual os parênteses são obrigatórios – permitir “nada” sem parênteses em expressões causaria ambiguidades e permitiria que erros de digitação comuns passassem sem serem detectados.
6.2.4. Sintaxe de criação de listas, conjuntos e dicionários¶
Para construir uma lista, um conjunto ou um dicionário, o Python fornece uma sintaxe especial chamada “sintaxes de criação” (em inglês, displays), cada uma delas em dois tipos:
o conteúdo do contêiner é listado explicitamente ou
eles são calculados por meio de um conjunto de instruções de laço e filtragem, chamado de compreensão.
Elementos de sintaxe comuns para compreensões são:
comprehension ::=assignment_expression
comp_for
comp_for ::= ["async"] "for"target_list
"in"or_test
[comp_iter
] comp_iter ::=comp_for
|comp_if
comp_if ::= "if"or_test
[comp_iter
]
A compreensão consiste em uma única expressão seguida por pelo menos uma cláusula for
e zero ou mais cláusulas for
ou if
. Neste caso, os elementos do novo contêiner são aqueles que seriam produzidos considerando cada uma das cláusulas for
ou if
de um bloco, aninhando da esquerda para a direita, e avaliando a expressão para produzir um elemento cada vez que o bloco mais interno é alcançado.
No entanto, além da expressão iterável na cláusula for
mais à esquerda, a compreensão é executada em um escopo aninhado implicitamente separado. Isso garante que os nomes atribuídos na lista de destino não “vazem” para o escopo delimitador.
A expressão iterável na cláusula for
mais à esquerda é avaliada diretamente no escopo envolvente e então passada como um argumento para o escopo aninhado implicitamente. Cláusulas for
subsequentes e qualquer condição de filtro na cláusula for
mais à esquerda não podem ser avaliadas no escopo delimitador, pois podem depender dos valores obtidos do iterável mais à esquerda. Por exemplo: [x*y for x in range(10) for y in range(x, x+10)]
.
Para garantir que a compreensão sempre resulte em um contêiner do tipo apropriado, as expressões yield
e yield from
são proibidas no escopo aninhado implicitamente.
Desde o Python 3.6, em uma função async def
, uma cláusula async for
pode ser usada para iterar sobre um iterador assíncrono. Uma compreensão em uma função async def
pode consistir em uma cláusula for
ou async for
seguindo a expressão principal, pode conter for
ou cláusulas async for
, e também pode usar expressões await
. Se uma compreensão contém cláusulas async for
ou expressões await
ou outras compreensões assíncronas, ela é chamada de compreensão assíncrona. Uma compreensão assíncrona pode suspender a execução da função de corrotina na qual ela aparece. Veja também a PEP 530.
Novo na versão 3.6: Compreensões assíncronas foram introduzidas.
Alterado na versão 3.8: yield
e yield from
proibidos no escopo aninhado implícito.
Alterado na versão 3.11: Compreensões assíncronas agora são permitidas dentro de compreensões em funções assíncronas. As compreensões externas tornam-se implicitamente assíncronas.
6.2.5. Sintaxes de criação de lista¶
Uma sintaxe de criação de lista é uma série possivelmente vazia de expressões entre colchetes:
list_display ::= "[" [starred_list
|comprehension
] "]"
Uma sintaxe de criação de lista produz um novo objeto de lista, sendo o conteúdo especificado por uma lista de expressões ou uma compreensão. Quando uma lista de expressões separadas por vírgulas é fornecida, seus elementos são avaliados da esquerda para a direita e colocados no objeto de lista nessa ordem. Quando uma compreensão é fornecida, a lista é construída a partir dos elementos resultantes da compreensão.
6.2.6. Sintaxes de criação de conjunto¶
Uma sintaxe de criação definida é denotada por chaves e distinguível de sintaxes de criação de dicionário pela falta de caractere de dois pontos separando chaves e valores:
set_display ::= "{" (starred_list
|comprehension
) "}"
Uma sintaxe de criação de conjunto produz um novo objeto de conjunto mutável, sendo o conteúdo especificado por uma sequência de expressões ou uma compreensão. Quando uma lista de expressões separadas por vírgula é fornecida, seus elementos são avaliados da esquerda para a direita e adicionados ao objeto definido. Quando uma compreensão é fornecida, o conjunto é construído a partir dos elementos resultantes da compreensão.
Um conjunto vazio não pode ser construído com {}
; este literal constrói um dicionário vazio.
6.2.7. Sintaxes de criação de dicionário¶
A dictionary display is a possibly empty series of dict items (key/value pairs) enclosed in curly braces:
dict_display ::= "{" [dict_item_list
|dict_comprehension
] "}" dict_item_list ::=dict_item
(","dict_item
)* [","] dict_item ::=expression
":"expression
| "**"or_expr
dict_comprehension ::=expression
":"expression
comp_for
Uma sintaxe de criação de dicionário produz um novo objeto dicionário.
If a comma-separated sequence of dict items is given, they are evaluated from left to right to define the entries of the dictionary: each key object is used as a key into the dictionary to store the corresponding value. This means that you can specify the same key multiple times in the dict item list, and the final dictionary’s value for that key will be the last one given.
A double asterisk **
denotes dictionary unpacking.
Its operand must be a mapping. Each mapping item is added
to the new dictionary. Later values replace values already set by
earlier dict items and earlier dictionary unpackings.
Novo na versão 3.5: Descompactando em sintaxes de criação de dicionário, originalmente proposto pela PEP 448.
Uma compreensão de dict, em contraste com as compreensões de lista e conjunto, precisa de duas expressões separadas por dois pontos, seguidas pelas cláusulas usuais “for” e “if”. Quando a compreensão é executada, os elementos chave e valor resultantes são inseridos no novo dicionário na ordem em que são produzidos.
Restrictions on the types of the key values are listed earlier in section A hierarquia de tipos padrão. (To summarize, the key type should be hashable, which excludes all mutable objects.) Clashes between duplicate keys are not detected; the last value (textually rightmost in the display) stored for a given key value prevails.
Alterado na versão 3.8: Antes do Python 3.8, em compreensões de dict, a ordem de avaliação de chave e valor não era bem definida. No CPython, o valor foi avaliado antes da chave. A partir de 3.8, a chave é avaliada antes do valor, conforme proposto pela PEP 572.
6.2.8. Expressões geradoras¶
Uma expressão geradora é uma notação geradora compacta entre parênteses:
generator_expression ::= "("expression
comp_for
")"
Uma expressão geradora produz um novo objeto gerador. Sua sintaxe é a mesma das compreensões, exceto pelo fato de estar entre parênteses em vez de colchetes ou chaves.
As variáveis usadas na expressão geradora são avaliadas lentamente quando o método __next__()
é chamado para o objeto gerador (da mesma forma que os geradores normais). No entanto, a expressão iterável na cláusula for
mais à esquerda é avaliada imediatamente, de modo que um erro produzido por ela será emitido no ponto em que a expressão do gerador é definida, em vez de no ponto em que o primeiro valor é recuperado. Cláusulas for
subsequentes e qualquer condição de filtro na cláusula for
mais à esquerda não podem ser avaliadas no escopo delimitador, pois podem depender dos valores obtidos do iterável mais à esquerda. Por exemplo: (x*y for x in range(10) for y in range(x, x+10))
.
Os parênteses podem ser omitidos em chamadas com apenas um argumento. Veja a seção Chamadas para detalhes.
Para evitar interferir com a operação esperada da própria expressão geradora, as expressões yield
e yield from
são proibidas no gerador definido implicitamente.
Se uma expressão geradora contém cláusulas async for
ou expressões await
, ela é chamada de expressão geradora assíncrona. Uma expressão geradora assíncrona retorna um novo objeto gerador assíncrono, que é um iterador assíncrono (consulte Iteradores assíncronos).
Novo na versão 3.6: Expressões geradoras assíncronas foram introduzidas.
Alterado na versão 3.7: Antes do Python 3.7, as expressões geradoras assíncronas só podiam aparecer em corrotinas async def
. A partir da versão 3.7, qualquer função pode usar expressões geradoras assíncronas.
Alterado na versão 3.8: yield
e yield from
proibidos no escopo aninhado implícito.
6.2.9. Expressões yield¶
yield_atom ::= "("yield_expression
")" yield_from ::= "yield" "from"expression
yield_expression ::= "yield"expression_list
|yield_from
A expressão yield é usada ao definir uma função generadora ou uma função geradora assíncrona e, portanto, só pode ser usada no corpo de uma definição de função. Usar uma expressão yield no corpo de uma função faz com que essa função seja uma função geradora, e usá-la no corpo de uma função async def
faz com que essa função de corrotina seja uma função geradora assíncrona. Por exemplo:
def gen(): # defines a generator function
yield 123
async def agen(): # defines an asynchronous generator function
yield 123
Devido a seus efeitos colaterais no escopo recipiente, as expressões yield
não são permitidas como parte dos escopos definidos implicitamente usados para implementar compreensões e expressões geradoras.
Alterado na versão 3.8: Expressões yield proibidas nos escopos aninhados implicitamente usados para implementar compreensões e expressões geradoras.
As funções geradoras são descritas abaixo, enquanto as funções geradoras assíncronas são descritas separadamente na seção Funções geradoras assíncronas
Quando uma função geradora é chamada, ela retorna um iterador conhecido como gerador. Esse gerador então controla a execução da função geradora. A execução começa quando um dos métodos do gerador é chamado. Nesse momento, a execução segue para a primeira expressão yield, onde é suspensa novamente, retornando o valor de expression_list
ao chamador do gerador, ou None
se expression_list
é omitido. Por suspenso, queremos dizer que todo o estado local é retido, incluindo as chamadas atuais de variáveis locais, o ponteiro de instrução, a pilha de avaliação interna e o estado de qualquer tratamento de exceção. Quando a execução é retomada chamando um dos métodos do gerador, a função pode prosseguir exatamente como se a expressão yield fosse apenas outra chamada externa. O valor da expressão yield após a retomada depende do método que retomou a execução. Se __next__()
for usado (tipicamente através de uma for
ou do next()
embutido) então o resultado será None
. Caso contrário, se send()
for usado, o resultado será o valor passado para esse método.
Tudo isso torna as funções geradoras bastante semelhantes às corrotinas; cedem múltiplas vezes, possuem mais de um ponto de entrada e sua execução pode ser suspensa. A única diferença é que uma função geradora não pode controlar onde a execução deve continuar após o seu rendimento; o controle é sempre transferido para o chamador do gerador.
Expressões yield são permitidas em qualquer lugar em uma construção try
. Se o gerador não for retomado antes de ser finalizado (ao atingir uma contagem de referências zero ou ao ser coletado como lixo), o método close()
do iterador de gerador será chamado, permitindo que quaisquer cláusulas finally
pendentes sejam executadas.
Quando yield from <expr>
é usado, a expressão fornecida deve ser iterável. Os valores produzidos pela iteração desse iterável são passados diretamente para o chamador dos métodos do gerador atual. Quaisquer valores passados com send()
e quaisquer exceções passadas com throw()
são passados para o iterador subjacente se ele tiver os métodos apropriados. Se este não for o caso, então send()
irá levantar AttributeError
ou TypeError
, enquanto throw()
irá apenas levantar a exceção passada imediatamente.
Quando o iterador subjacente estiver completo, o atributo value
da instância StopIteration
gerada torna-se o valor da expressão yield. Ele pode ser definido explicitamente ao levantar StopIteration
ou automaticamente quando o subiterador é um gerador (retornando um valor do subgerador).
Alterado na versão 3.3: Adicionado yield from <expr>
para delegar o fluxo de controle a um subiterador.
Os parênteses podem ser omitidos quando a expressão yield é a única expressão no lado direito de uma instrução de atribuição.
Ver também
- PEP 255 - Geradores simples
A proposta para adicionar geradores e a instrução
yield
ao Python.- PEP 342 - Corrotinas via Geradores Aprimorados
A proposta de aprimorar a API e a sintaxe dos geradores, tornando-os utilizáveis como simples corrotinas.
- PEP 380 - Sintaxe para Delegar a um Subgerador
A proposta de introduzir a sintaxe
yield_from
, facilitando a delegação a subgeradores.- PEP 525 - Geradores assíncronos
A proposta que se expandiu em PEP 492 adicionando recursos de gerador a funções de corrotina.
6.2.9.1. Métodos de iterador gerador¶
Esta subseção descreve os métodos de um iterador gerador. Eles podem ser usados para controlar a execução de uma função geradora.
Observe que chamar qualquer um dos métodos do gerador abaixo quando o gerador já estiver em execução levanta uma exceção ValueError
.
- generator.__next__()¶
Inicia a execução de uma função geradora ou a retoma na última expressão yield executada. Quando uma função geradora é retomada com um método
__next__()
, a expressão yield atual sempre é avaliada comoNone
. A execução então continua para a próxima expressão yield, onde o gerador é suspenso novamente, e o valor deexpression_list
é retornado para o chamador de__next__()
. Se o gerador sair sem produzir outro valor, uma exceçãoStopIteration
será levantada.Este método é normalmente chamado implicitamente, por exemplo por um laço
for
, ou pela função embutidanext()
.
- generator.send(value)¶
Retoma a execução e “envia” um valor para a função geradora. O argumento value torna-se o resultado da expressão yield atual. O método
send()
retorna o próximo valor gerado pelo gerador, ou levantaStopIteration
se o gerador sair sem produzir outro valor. Quandosend()
é chamado para iniciar o gerador, ele deve ser chamado comNone
como argumento, porque não há nenhuma expressão yield que possa receber o valor.
- generator.throw(value)¶
- generator.throw(type[, value[, traceback]])
Levanta uma exceção no ponto em que o gerador foi pausado e retorna o próximo valor gerado pela função geradora. Se o gerador sair sem gerar outro valor, uma exceção
StopIteration
será levantada. Se a função geradora não detectar a exceção passada ou levanta uma exceção diferente, essa exceção se propagará para o chamador.Em uso típico, isso é chamado com uma única instância de exceção semelhante à forma como a palavra reservada
raise
é usada.Para compatibilidade com versões anteriores, no entanto, a segunda assinatura é suportada, seguindo uma convenção de versões mais antigas do Python. O argumento type deve ser uma classe de exceção e value deve ser uma instância de exceção. Se o valor não for fornecido, o construtor tipo será chamado para obter uma instância. Se traceback for fornecido, ele será definido na exceção, caso contrário, qualquer atributo
__traceback__
existente armazenado em value poderá ser limpo.
- generator.close()¶
Levanta
GeneratorExit
no ponto onde a função geradora foi pausada. Se a função geradora sair normalmente, já estiver fechada ou levantarGeneratorExit
(por não capturar a exceção), “close” retornará ao seu chamador. Se o gerador produzir um valor, umRuntimeError
é levantado. Se o gerador levantar qualquer outra exceção, ela será propagada para o chamador.close()
não faz nada se o gerador já saiu devido a uma exceção ou saída normal.
6.2.9.2. Exemplos¶
Aqui está um exemplo simples que demonstra o comportamento de geradores e funções geradoras:
>>> def echo(value=None):
... print("Execution starts when 'next()' is called for the first time.")
... try:
... while True:
... try:
... value = (yield value)
... except Exception as e:
... value = e
... finally:
... print("Don't forget to clean up when 'close()' is called.")
...
>>> generator = echo(1)
>>> print(next(generator))
Execution starts when 'next()' is called for the first time.
1
>>> print(next(generator))
None
>>> print(generator.send(2))
2
>>> generator.throw(TypeError, "spam")
TypeError('spam',)
>>> generator.close()
Don't forget to clean up when 'close()' is called.
Para exemplos usando yield from
, consulte a PEP 380: Syntax for Delegating to a Subgenerator em “O que há de novo no Python.”
6.2.9.3. Funções geradoras assíncronas¶
The presence of a yield expression in a function or method defined using
async def
further defines the function as an
asynchronous generator function.
When an asynchronous generator function is called, it returns an
asynchronous iterator known as an asynchronous generator object.
That object then controls the execution of the generator function.
An asynchronous generator object is typically used in an
async for
statement in a coroutine function analogously to
how a generator object would be used in a for
statement.
Calling one of the asynchronous generator’s methods returns an awaitable
object, and the execution starts when this object is awaited on. At that time,
the execution proceeds to the first yield expression, where it is suspended
again, returning the value of expression_list
to the
awaiting coroutine. As with a generator, suspension means that all local state
is retained, including the current bindings of local variables, the instruction
pointer, the internal evaluation stack, and the state of any exception handling.
When the execution is resumed by awaiting on the next object returned by the
asynchronous generator’s methods, the function can proceed exactly as if the
yield expression were just another external call. The value of the yield
expression after resuming depends on the method which resumed the execution. If
__anext__()
is used then the result is None
. Otherwise, if
asend()
is used, then the result will be the value passed in to that
method.
If an asynchronous generator happens to exit early by break
, the caller
task being cancelled, or other exceptions, the generator’s async cleanup code
will run and possibly raise exceptions or access context variables in an
unexpected context–perhaps after the lifetime of tasks it depends, or
during the event loop shutdown when the async-generator garbage collection hook
is called.
To prevent this, the caller must explicitly close the async generator by calling
aclose()
method to finalize the generator and ultimately detach it
from the event loop.
In an asynchronous generator function, yield expressions are allowed anywhere
in a try
construct. However, if an asynchronous generator is not
resumed before it is finalized (by reaching a zero reference count or by
being garbage collected), then a yield expression within a try
construct could result in a failure to execute pending finally
clauses. In this case, it is the responsibility of the event loop or
scheduler running the asynchronous generator to call the asynchronous
generator-iterator’s aclose()
method and run the resulting
coroutine object, thus allowing any pending finally
clauses
to execute.
To take care of finalization upon event loop termination, an event loop should
define a finalizer function which takes an asynchronous generator-iterator and
presumably calls aclose()
and executes the coroutine.
This finalizer may be registered by calling sys.set_asyncgen_hooks()
.
When first iterated over, an asynchronous generator-iterator will store the
registered finalizer to be called upon finalization. For a reference example
of a finalizer method see the implementation of
asyncio.Loop.shutdown_asyncgens
in Lib/asyncio/base_events.py.
The expression yield from <expr>
is a syntax error when used in an
asynchronous generator function.
6.2.9.4. Asynchronous generator-iterator methods¶
This subsection describes the methods of an asynchronous generator iterator, which are used to control the execution of a generator function.
- coroutine agen.__anext__()¶
Returns an awaitable which when run starts to execute the asynchronous generator or resumes it at the last executed yield expression. When an asynchronous generator function is resumed with an
__anext__()
method, the current yield expression always evaluates toNone
in the returned awaitable, which when run will continue to the next yield expression. The value of theexpression_list
of the yield expression is the value of theStopIteration
exception raised by the completing coroutine. If the asynchronous generator exits without yielding another value, the awaitable instead raises aStopAsyncIteration
exception, signalling that the asynchronous iteration has completed.This method is normally called implicitly by a
async for
loop.
- coroutine agen.asend(value)¶
Returns an awaitable which when run resumes the execution of the asynchronous generator. As with the
send()
method for a generator, this “sends” a value into the asynchronous generator function, and the value argument becomes the result of the current yield expression. The awaitable returned by theasend()
method will return the next value yielded by the generator as the value of the raisedStopIteration
, or raisesStopAsyncIteration
if the asynchronous generator exits without yielding another value. Whenasend()
is called to start the asynchronous generator, it must be called withNone
as the argument, because there is no yield expression that could receive the value.
- coroutine agen.athrow(value)¶
- coroutine agen.athrow(type[, value[, traceback]])
Returns an awaitable that raises an exception of type
type
at the point where the asynchronous generator was paused, and returns the next value yielded by the generator function as the value of the raisedStopIteration
exception. If the asynchronous generator exits without yielding another value, aStopAsyncIteration
exception is raised by the awaitable. If the generator function does not catch the passed-in exception, or raises a different exception, then when the awaitable is run that exception propagates to the caller of the awaitable.
- coroutine agen.aclose()¶
Returns an awaitable that when run will throw a
GeneratorExit
into the asynchronous generator function at the point where it was paused. If the asynchronous generator function then exits gracefully, is already closed, or raisesGeneratorExit
(by not catching the exception), then the returned awaitable will raise aStopIteration
exception. Any further awaitables returned by subsequent calls to the asynchronous generator will raise aStopAsyncIteration
exception. If the asynchronous generator yields a value, aRuntimeError
is raised by the awaitable. If the asynchronous generator raises any other exception, it is propagated to the caller of the awaitable. If the asynchronous generator has already exited due to an exception or normal exit, then further calls toaclose()
will return an awaitable that does nothing.
6.3. Primaries¶
Primaries represent the most tightly bound operations of the language. Their syntax is:
primary ::=atom
|attributeref
|subscription
|slicing
|call
6.3.1. Attribute references¶
An attribute reference is a primary followed by a period and a name:
attributeref ::=primary
"."identifier
The primary must evaluate to an object of a type that supports attribute references, which most objects do. This object is then asked to produce the attribute whose name is the identifier. The type and value produced is determined by the object. Multiple evaluations of the same attribute reference may yield different objects.
This production can be customized by overriding the
__getattribute__()
method or the __getattr__()
method. The __getattribute__()
method is called first and either
returns a value or raises AttributeError
if the attribute is not
available.
If an AttributeError
is raised and the object has a __getattr__()
method, that method is called as a fallback.
6.3.2. Subscriptions¶
The subscription of an instance of a container class will generally select an element from the container. The subscription of a generic class will generally return a GenericAlias object.
subscription ::=primary
"["expression_list
"]"
When an object is subscripted, the interpreter will evaluate the primary and the expression list.
The primary must evaluate to an object that supports subscription. An object
may support subscription through defining one or both of
__getitem__()
and __class_getitem__()
. When the
primary is subscripted, the evaluated result of the expression list will be
passed to one of these methods. For more details on when __class_getitem__
is called instead of __getitem__
, see __class_getitem__ versus __getitem__.
If the expression list contains at least one comma, it will evaluate to a
tuple
containing the items of the expression list. Otherwise, the
expression list will evaluate to the value of the list’s sole member.
For built-in objects, there are two types of objects that support subscription
via __getitem__()
:
Mappings. If the primary is a mapping, the expression list must evaluate to an object whose value is one of the keys of the mapping, and the subscription selects the value in the mapping that corresponds to that key. An example of a builtin mapping class is the
dict
class.Sequences. If the primary is a sequence, the expression list must evaluate to an
int
or aslice
(as discussed in the following section). Examples of builtin sequence classes include thestr
,list
andtuple
classes.
The formal syntax makes no special provision for negative indices in
sequences. However, built-in sequences all provide a __getitem__()
method that interprets negative indices by adding the length of the sequence
to the index so that, for example, x[-1]
selects the last item of x
. The
resulting value must be a nonnegative integer less than the number of items in
the sequence, and the subscription selects the item whose index is that value
(counting from zero). Since the support for negative indices and slicing
occurs in the object’s __getitem__()
method, subclasses overriding
this method will need to explicitly add that support.
A string
is a special kind of sequence whose items are
characters. A character is not a separate data type but a
string of exactly one character.
6.3.3. Slicings¶
A slicing selects a range of items in a sequence object (e.g., a string, tuple
or list). Slicings may be used as expressions or as targets in assignment or
del
statements. The syntax for a slicing:
slicing ::=primary
"["slice_list
"]" slice_list ::=slice_item
(","slice_item
)* [","] slice_item ::=expression
|proper_slice
proper_slice ::= [lower_bound
] ":" [upper_bound
] [ ":" [stride
] ] lower_bound ::=expression
upper_bound ::=expression
stride ::=expression
There is ambiguity in the formal syntax here: anything that looks like an expression list also looks like a slice list, so any subscription can be interpreted as a slicing. Rather than further complicating the syntax, this is disambiguated by defining that in this case the interpretation as a subscription takes priority over the interpretation as a slicing (this is the case if the slice list contains no proper slice).
The semantics for a slicing are as follows. The primary is indexed (using the
same __getitem__()
method as
normal subscription) with a key that is constructed from the slice list, as
follows. If the slice list contains at least one comma, the key is a tuple
containing the conversion of the slice items; otherwise, the conversion of the
lone slice item is the key. The conversion of a slice item that is an
expression is that expression. The conversion of a proper slice is a slice
object (see section A hierarquia de tipos padrão) whose start
,
stop
and step
attributes are the values of the
expressions given as lower bound, upper bound and stride, respectively,
substituting None
for missing expressions.
6.3.4. Chamadas¶
A call calls a callable object (e.g., a function) with a possibly empty series of arguments:
call ::=primary
"(" [argument_list
[","] |comprehension
] ")" argument_list ::=positional_arguments
[","starred_and_keywords
] [","keywords_arguments
] |starred_and_keywords
[","keywords_arguments
] |keywords_arguments
positional_arguments ::= positional_item ("," positional_item)* positional_item ::=assignment_expression
| "*"expression
starred_and_keywords ::= ("*"expression
|keyword_item
) ("," "*"expression
| ","keyword_item
)* keywords_arguments ::= (keyword_item
| "**"expression
) (","keyword_item
| "," "**"expression
)* keyword_item ::=identifier
"="expression
An optional trailing comma may be present after the positional and keyword arguments but does not affect the semantics.
The primary must evaluate to a callable object (user-defined functions, built-in
functions, methods of built-in objects, class objects, methods of class
instances, and all objects having a __call__()
method are callable). All
argument expressions are evaluated before the call is attempted. Please refer
to section Definições de função for the syntax of formal parameter lists.
If keyword arguments are present, they are first converted to positional
arguments, as follows. First, a list of unfilled slots is created for the
formal parameters. If there are N positional arguments, they are placed in the
first N slots. Next, for each keyword argument, the identifier is used to
determine the corresponding slot (if the identifier is the same as the first
formal parameter name, the first slot is used, and so on). If the slot is
already filled, a TypeError
exception is raised. Otherwise, the
argument is placed in the slot, filling it (even if the expression is
None
, it fills the slot). When all arguments have been processed, the slots
that are still unfilled are filled with the corresponding default value from the
function definition. (Default values are calculated, once, when the function is
defined; thus, a mutable object such as a list or dictionary used as default
value will be shared by all calls that don’t specify an argument value for the
corresponding slot; this should usually be avoided.) If there are any unfilled
slots for which no default value is specified, a TypeError
exception is
raised. Otherwise, the list of filled slots is used as the argument list for
the call.
Detalhes da implementação do CPython: An implementation may provide built-in functions whose positional parameters
do not have names, even if they are ‘named’ for the purpose of documentation,
and which therefore cannot be supplied by keyword. In CPython, this is the
case for functions implemented in C that use PyArg_ParseTuple()
to
parse their arguments.
If there are more positional arguments than there are formal parameter slots, a
TypeError
exception is raised, unless a formal parameter using the syntax
*identifier
is present; in this case, that formal parameter receives a tuple
containing the excess positional arguments (or an empty tuple if there were no
excess positional arguments).
If any keyword argument does not correspond to a formal parameter name, a
TypeError
exception is raised, unless a formal parameter using the syntax
**identifier
is present; in this case, that formal parameter receives a
dictionary containing the excess keyword arguments (using the keywords as keys
and the argument values as corresponding values), or a (new) empty dictionary if
there were no excess keyword arguments.
If the syntax *expression
appears in the function call, expression
must
evaluate to an iterable. Elements from these iterables are
treated as if they were additional positional arguments. For the call
f(x1, x2, *y, x3, x4)
, if y evaluates to a sequence y1, …, yM,
this is equivalent to a call with M+4 positional arguments x1, x2,
y1, …, yM, x3, x4.
A consequence of this is that although the *expression
syntax may appear
after explicit keyword arguments, it is processed before the
keyword arguments (and any **expression
arguments – see below). So:
>>> def f(a, b):
... print(a, b)
...
>>> f(b=1, *(2,))
2 1
>>> f(a=1, *(2,))
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: f() got multiple values for keyword argument 'a'
>>> f(1, *(2,))
1 2
It is unusual for both keyword arguments and the *expression
syntax to be
used in the same call, so in practice this confusion does not often arise.
If the syntax **expression
appears in the function call, expression
must
evaluate to a mapping, the contents of which are treated as
additional keyword arguments. If a parameter matching a key has already been
given a value (by an explicit keyword argument, or from another unpacking),
a TypeError
exception is raised.
When **expression
is used, each key in this mapping must be
a string.
Each value from the mapping is assigned to the first formal parameter
eligible for keyword assignment whose name is equal to the key.
A key need not be a Python identifier (e.g. "max-temp °F"
is acceptable,
although it will not match any formal parameter that could be declared).
If there is no match to a formal parameter
the key-value pair is collected by the **
parameter, if there is one,
or if there is not, a TypeError
exception is raised.
Formal parameters using the syntax *identifier
or **identifier
cannot be
used as positional argument slots or as keyword argument names.
Alterado na versão 3.5: Function calls accept any number of *
and **
unpackings,
positional arguments may follow iterable unpackings (*
),
and keyword arguments may follow dictionary unpackings (**
).
Originally proposed by PEP 448.
A call always returns some value, possibly None
, unless it raises an
exception. How this value is computed depends on the type of the callable
object.
If it is—
- a user-defined function:
The code block for the function is executed, passing it the argument list. The first thing the code block will do is bind the formal parameters to the arguments; this is described in section Definições de função. When the code block executes a
return
statement, this specifies the return value of the function call.- a built-in function or method:
The result is up to the interpreter; see Funções embutidas for the descriptions of built-in functions and methods.
- um objeto classe:
A new instance of that class is returned.
- a class instance method:
The corresponding user-defined function is called, with an argument list that is one longer than the argument list of the call: the instance becomes the first argument.
- a class instance:
The class must define a
__call__()
method; the effect is then the same as if that method was called.
6.4. Await expression¶
Suspend the execution of coroutine on an awaitable object. Can only be used inside a coroutine function.
await_expr ::= "await" primary
Novo na versão 3.5.
6.5. The power operator¶
The power operator binds more tightly than unary operators on its left; it binds less tightly than unary operators on its right. The syntax is:
power ::= (await_expr
|primary
) ["**"u_expr
]
Thus, in an unparenthesized sequence of power and unary operators, the operators
are evaluated from right to left (this does not constrain the evaluation order
for the operands): -1**2
results in -1
.
The power operator has the same semantics as the built-in pow()
function,
when called with two arguments: it yields its left argument raised to the power
of its right argument. The numeric arguments are first converted to a common
type, and the result is of that type.
For int operands, the result has the same type as the operands unless the second
argument is negative; in that case, all arguments are converted to float and a
float result is delivered. For example, 10**2
returns 100
, but
10**-2
returns 0.01
.
Raising 0.0
to a negative power results in a ZeroDivisionError
.
Raising a negative number to a fractional power results in a complex
number. (In earlier versions it raised a ValueError
.)
This operation can be customized using the special __pow__()
method.
6.6. Unary arithmetic and bitwise operations¶
All unary arithmetic and bitwise operations have the same priority:
u_expr ::=power
| "-"u_expr
| "+"u_expr
| "~"u_expr
The unary -
(minus) operator yields the negation of its numeric argument; the
operation can be overridden with the __neg__()
special method.
The unary +
(plus) operator yields its numeric argument unchanged; the
operation can be overridden with the __pos__()
special method.
The unary ~
(invert) operator yields the bitwise inversion of its integer
argument. The bitwise inversion of x
is defined as -(x+1)
. It only
applies to integral numbers or to custom objects that override the
__invert__()
special method.
In all three cases, if the argument does not have the proper type, a
TypeError
exception is raised.
6.7. Binary arithmetic operations¶
The binary arithmetic operations have the conventional priority levels. Note that some of these operations also apply to certain non-numeric types. Apart from the power operator, there are only two levels, one for multiplicative operators and one for additive operators:
m_expr ::=u_expr
|m_expr
"*"u_expr
|m_expr
"@"m_expr
|m_expr
"//"u_expr
|m_expr
"/"u_expr
|m_expr
"%"u_expr
a_expr ::=m_expr
|a_expr
"+"m_expr
|a_expr
"-"m_expr
The *
(multiplication) operator yields the product of its arguments. The
arguments must either both be numbers, or one argument must be an integer and
the other must be a sequence. In the former case, the numbers are converted to a
common type and then multiplied together. In the latter case, sequence
repetition is performed; a negative repetition factor yields an empty sequence.
This operation can be customized using the special __mul__()
and
__rmul__()
methods.
The @
(at) operator is intended to be used for matrix multiplication. No
builtin Python types implement this operator.
Novo na versão 3.5.
The /
(division) and //
(floor division) operators yield the quotient of
their arguments. The numeric arguments are first converted to a common type.
Division of integers yields a float, while floor division of integers results in an
integer; the result is that of mathematical division with the ‘floor’ function
applied to the result. Division by zero raises the ZeroDivisionError
exception.
This operation can be customized using the special __truediv__()
and
__floordiv__()
methods.
The %
(modulo) operator yields the remainder from the division of the first
argument by the second. The numeric arguments are first converted to a common
type. A zero right argument raises the ZeroDivisionError
exception. The
arguments may be floating point numbers, e.g., 3.14%0.7
equals 0.34
(since 3.14
equals 4*0.7 + 0.34
.) The modulo operator always yields a
result with the same sign as its second operand (or zero); the absolute value of
the result is strictly smaller than the absolute value of the second operand
[1].
The floor division and modulo operators are connected by the following
identity: x == (x//y)*y + (x%y)
. Floor division and modulo are also
connected with the built-in function divmod()
: divmod(x, y) == (x//y,
x%y)
. [2].
In addition to performing the modulo operation on numbers, the %
operator is
also overloaded by string objects to perform old-style string formatting (also
known as interpolation). The syntax for string formatting is described in the
Python Library Reference, section Formatação de String no Formato no estilo printf.
The modulo operation can be customized using the special __mod__()
method.
The floor division operator, the modulo operator, and the divmod()
function are not defined for complex numbers. Instead, convert to a floating
point number using the abs()
function if appropriate.
The +
(addition) operator yields the sum of its arguments. The arguments
must either both be numbers or both be sequences of the same type. In the
former case, the numbers are converted to a common type and then added together.
In the latter case, the sequences are concatenated.
This operation can be customized using the special __add__()
and
__radd__()
methods.
The -
(subtraction) operator yields the difference of its arguments. The
numeric arguments are first converted to a common type.
This operation can be customized using the special __sub__()
method.
6.8. Shifting operations¶
The shifting operations have lower priority than the arithmetic operations:
shift_expr ::=a_expr
|shift_expr
("<<" | ">>")a_expr
These operators accept integers as arguments. They shift the first argument to the left or right by the number of bits given by the second argument.
This operation can be customized using the special __lshift__()
and
__rshift__()
methods.
A right shift by n bits is defined as floor division by pow(2,n)
. A left
shift by n bits is defined as multiplication with pow(2,n)
.
6.9. Binary bitwise operations¶
Each of the three bitwise operations has a different priority level:
and_expr ::=shift_expr
|and_expr
"&"shift_expr
xor_expr ::=and_expr
|xor_expr
"^"and_expr
or_expr ::=xor_expr
|or_expr
"|"xor_expr
The &
operator yields the bitwise AND of its arguments, which must be
integers or one of them must be a custom object overriding __and__()
or
__rand__()
special methods.
The ^
operator yields the bitwise XOR (exclusive OR) of its arguments, which
must be integers or one of them must be a custom object overriding __xor__()
or
__rxor__()
special methods.
The |
operator yields the bitwise (inclusive) OR of its arguments, which
must be integers or one of them must be a custom object overriding __or__()
or
__ror__()
special methods.
6.10. Comparações¶
Unlike C, all comparison operations in Python have the same priority, which is
lower than that of any arithmetic, shifting or bitwise operation. Also unlike
C, expressions like a < b < c
have the interpretation that is conventional
in mathematics:
comparison ::=or_expr
(comp_operator
or_expr
)* comp_operator ::= "<" | ">" | "==" | ">=" | "<=" | "!=" | "is" ["not"] | ["not"] "in"
Comparisons yield boolean values: True
or False
. Custom
rich comparison methods may return non-boolean values. In this case
Python will call bool()
on such value in boolean contexts.
Comparisons can be chained arbitrarily, e.g., x < y <= z
is equivalent to
x < y and y <= z
, except that y
is evaluated only once (but in both
cases z
is not evaluated at all when x < y
is found to be false).
Formally, if a, b, c, …, y, z are expressions and op1, op2, …,
opN are comparison operators, then a op1 b op2 c ... y opN z
is equivalent
to a op1 b and b op2 c and ... y opN z
, except that each expression is
evaluated at most once.
Note that a op1 b op2 c
doesn’t imply any kind of comparison between a and
c, so that, e.g., x < y > z
is perfectly legal (though perhaps not
pretty).
6.10.1. Value comparisons¶
The operators <
, >
, ==
, >=
, <=
, and !=
compare the
values of two objects. The objects do not need to have the same type.
Chapter Objetos, valores e tipos states that objects have a value (in addition to type and identity). The value of an object is a rather abstract notion in Python: For example, there is no canonical access method for an object’s value. Also, there is no requirement that the value of an object should be constructed in a particular way, e.g. comprised of all its data attributes. Comparison operators implement a particular notion of what the value of an object is. One can think of them as defining the value of an object indirectly, by means of their comparison implementation.
Because all types are (direct or indirect) subtypes of object
, they
inherit the default comparison behavior from object
. Types can
customize their comparison behavior by implementing
rich comparison methods like __lt__()
, described in
Personalização básica.
The default behavior for equality comparison (==
and !=
) is based on
the identity of the objects. Hence, equality comparison of instances with the
same identity results in equality, and equality comparison of instances with
different identities results in inequality. A motivation for this default
behavior is the desire that all objects should be reflexive (i.e. x is y
implies x == y
).
A default order comparison (<
, >
, <=
, and >=
) is not provided;
an attempt raises TypeError
. A motivation for this default behavior is
the lack of a similar invariant as for equality.
The behavior of the default equality comparison, that instances with different identities are always unequal, may be in contrast to what types will need that have a sensible definition of object value and value-based equality. Such types will need to customize their comparison behavior, and in fact, a number of built-in types have done that.
The following list describes the comparison behavior of the most important built-in types.
Numbers of built-in numeric types (Tipos numéricos — int, float, complex) and of the standard library types
fractions.Fraction
anddecimal.Decimal
can be compared within and across their types, with the restriction that complex numbers do not support order comparison. Within the limits of the types involved, they compare mathematically (algorithmically) correct without loss of precision.The not-a-number values
float('NaN')
anddecimal.Decimal('NaN')
are special. Any ordered comparison of a number to a not-a-number value is false. A counter-intuitive implication is that not-a-number values are not equal to themselves. For example, ifx = float('NaN')
,3 < x
,x < 3
andx == x
are all false, whilex != x
is true. This behavior is compliant with IEEE 754.None
andNotImplemented
are singletons. PEP 8 advises that comparisons for singletons should always be done withis
oris not
, never the equality operators.Binary sequences (instances of
bytes
orbytearray
) can be compared within and across their types. They compare lexicographically using the numeric values of their elements.Strings (instances of
str
) compare lexicographically using the numerical Unicode code points (the result of the built-in functionord()
) of their characters. [3]Strings and binary sequences cannot be directly compared.
Sequences (instances of
tuple
,list
, orrange
) can be compared only within each of their types, with the restriction that ranges do not support order comparison. Equality comparison across these types results in inequality, and ordering comparison across these types raisesTypeError
.Sequences compare lexicographically using comparison of corresponding elements. The built-in containers typically assume identical objects are equal to themselves. That lets them bypass equality tests for identical objects to improve performance and to maintain their internal invariants.
Lexicographical comparison between built-in collections works as follows:
For two collections to compare equal, they must be of the same type, have the same length, and each pair of corresponding elements must compare equal (for example,
[1,2] == (1,2)
is false because the type is not the same).Collections that support order comparison are ordered the same as their first unequal elements (for example,
[1,2,x] <= [1,2,y]
has the same value asx <= y
). If a corresponding element does not exist, the shorter collection is ordered first (for example,[1,2] < [1,2,3]
is true).
Mappings (instances of
dict
) compare equal if and only if they have equal(key, value)
pairs. Equality comparison of the keys and values enforces reflexivity.Order comparisons (
<
,>
,<=
, and>=
) raiseTypeError
.Sets (instances of
set
orfrozenset
) can be compared within and across their types.They define order comparison operators to mean subset and superset tests. Those relations do not define total orderings (for example, the two sets
{1,2}
and{2,3}
are not equal, nor subsets of one another, nor supersets of one another). Accordingly, sets are not appropriate arguments for functions which depend on total ordering (for example,min()
,max()
, andsorted()
produce undefined results given a list of sets as inputs).Comparison of sets enforces reflexivity of its elements.
Most other built-in types have no comparison methods implemented, so they inherit the default comparison behavior.
User-defined classes that customize their comparison behavior should follow some consistency rules, if possible:
Equality comparison should be reflexive. In other words, identical objects should compare equal:
x is y
impliesx == y
Comparison should be symmetric. In other words, the following expressions should have the same result:
x == y
andy == x
x != y
andy != x
x < y
andy > x
x <= y
andy >= x
Comparison should be transitive. The following (non-exhaustive) examples illustrate that:
x > y and y > z
impliesx > z
x < y and y <= z
impliesx < z
Inverse comparison should result in the boolean negation. In other words, the following expressions should have the same result:
x == y
andnot x != y
x < y
andnot x >= y
(for total ordering)x > y
andnot x <= y
(for total ordering)The last two expressions apply to totally ordered collections (e.g. to sequences, but not to sets or mappings). See also the
total_ordering()
decorator.The
hash()
result should be consistent with equality. Objects that are equal should either have the same hash value, or be marked as unhashable.
Python does not enforce these consistency rules. In fact, the not-a-number values are an example for not following these rules.
6.10.2. Membership test operations¶
The operators in
and not in
test for membership. x in
s
evaluates to True
if x is a member of s, and False
otherwise.
x not in s
returns the negation of x in s
. All built-in sequences and
set types support this as well as dictionary, for which in
tests
whether the dictionary has a given key. For container types such as list, tuple,
set, frozenset, dict, or collections.deque, the expression x in y
is equivalent
to any(x is e or x == e for e in y)
.
For the string and bytes types, x in y
is True
if and only if x is a
substring of y. An equivalent test is y.find(x) != -1
. Empty strings are
always considered to be a substring of any other string, so "" in "abc"
will
return True
.
For user-defined classes which define the __contains__()
method, x in
y
returns True
if y.__contains__(x)
returns a true value, and
False
otherwise.
For user-defined classes which do not define __contains__()
but do define
__iter__()
, x in y
is True
if some value z
, for which the
expression x is z or x == z
is true, is produced while iterating over y
.
If an exception is raised during the iteration, it is as if in
raised
that exception.
Lastly, the old-style iteration protocol is tried: if a class defines
__getitem__()
, x in y
is True
if and only if there is a non-negative
integer index i such that x is y[i] or x == y[i]
, and no lower integer index
raises the IndexError
exception. (If any other exception is raised, it is as
if in
raised that exception).
The operator not in
is defined to have the inverse truth value of
in
.
6.10.3. Identity comparisons¶
The operators is
and is not
test for an object’s identity: x
is y
is true if and only if x and y are the same object. An Object’s identity
is determined using the id()
function. x is not y
yields the inverse
truth value. [4]
6.11. Boolean operations¶
or_test ::=and_test
|or_test
"or"and_test
and_test ::=not_test
|and_test
"and"not_test
not_test ::=comparison
| "not"not_test
In the context of Boolean operations, and also when expressions are used by
control flow statements, the following values are interpreted as false:
False
, None
, numeric zero of all types, and empty strings and containers
(including strings, tuples, lists, dictionaries, sets and frozensets). All
other values are interpreted as true. User-defined objects can customize their
truth value by providing a __bool__()
method.
The operator not
yields True
if its argument is false, False
otherwise.
The expression x and y
first evaluates x; if x is false, its value is
returned; otherwise, y is evaluated and the resulting value is returned.
The expression x or y
first evaluates x; if x is true, its value is
returned; otherwise, y is evaluated and the resulting value is returned.
Note that neither and
nor or
restrict the value and type
they return to False
and True
, but rather return the last evaluated
argument. This is sometimes useful, e.g., if s
is a string that should be
replaced by a default value if it is empty, the expression s or 'foo'
yields
the desired value. Because not
has to create a new value, it
returns a boolean value regardless of the type of its argument
(for example, not 'foo'
produces False
rather than ''
.)
6.12. Expressões de atribuição¶
assignment_expression ::= [identifier
":="]expression
An assignment expression (sometimes also called a “named expression” or
“walrus”) assigns an expression
to an
identifier
, while also returning the value of the
expression
.
One common use case is when handling matched regular expressions:
if matching := pattern.search(data):
do_something(matching)
Or, when processing a file stream in chunks:
while chunk := file.read(9000):
process(chunk)
Assignment expressions must be surrounded by parentheses when
used as expression statements and when used as sub-expressions in
slicing, conditional, lambda,
keyword-argument, and comprehension-if expressions and
in assert
, with
, and assignment
statements.
In all other places where they can be used, parentheses are not required,
including in if
and while
statements.
Novo na versão 3.8: See PEP 572 for more details about assignment expressions.
6.13. Conditional expressions¶
conditional_expression ::=or_test
["if"or_test
"else"expression
] expression ::=conditional_expression
|lambda_expr
Conditional expressions (sometimes called a “ternary operator”) have the lowest priority of all Python operations.
The expression x if C else y
first evaluates the condition, C rather than x.
If C is true, x is evaluated and its value is returned; otherwise, y is
evaluated and its value is returned.
See PEP 308 for more details about conditional expressions.
6.14. Lambdas¶
lambda_expr ::= "lambda" [parameter_list
] ":"expression
Lambda expressions (sometimes called lambda forms) are used to create anonymous
functions. The expression lambda parameters: expression
yields a function
object. The unnamed object behaves like a function object defined with:
def <lambda>(parameters):
return expression
See section Definições de função for the syntax of parameter lists. Note that functions created with lambda expressions cannot contain statements or annotations.
6.15. Expression lists¶
expression_list ::=expression
(","expression
)* [","] starred_list ::=starred_item
(","starred_item
)* [","] starred_expression ::=expression
| (starred_item
",")* [starred_item
] starred_item ::=assignment_expression
| "*"or_expr
Except when part of a list or set display, an expression list containing at least one comma yields a tuple. The length of the tuple is the number of expressions in the list. The expressions are evaluated from left to right.
An asterisk *
denotes iterable unpacking. Its operand must be
an iterable. The iterable is expanded into a sequence of items,
which are included in the new tuple, list, or set, at the site of
the unpacking.
Novo na versão 3.5: Iterable unpacking in expression lists, originally proposed by PEP 448.
A trailing comma is required only to create a one-item tuple,
such as 1,
; it is optional in all other cases.
A single expression without a
trailing comma doesn’t create a tuple, but rather yields the value of that
expression. (To create an empty tuple, use an empty pair of parentheses:
()
.)
6.16. Evaluation order¶
Python evaluates expressions from left to right. Notice that while evaluating an assignment, the right-hand side is evaluated before the left-hand side.
In the following lines, expressions will be evaluated in the arithmetic order of their suffixes:
expr1, expr2, expr3, expr4
(expr1, expr2, expr3, expr4)
{expr1: expr2, expr3: expr4}
expr1 + expr2 * (expr3 - expr4)
expr1(expr2, expr3, *expr4, **expr5)
expr3, expr4 = expr1, expr2
6.17. Operator precedence¶
The following table summarizes the operator precedence in Python, from highest precedence (most binding) to lowest precedence (least binding). Operators in the same box have the same precedence. Unless the syntax is explicitly given, operators are binary. Operators in the same box group left to right (except for exponentiation and conditional expressions, which group from right to left).
Note that comparisons, membership tests, and identity tests, all have the same precedence and have a left-to-right chaining feature as described in the Comparações section.
Operator |
Descrição |
---|---|
|
Binding or parenthesized expression, list display, dictionary display, set display |
|
Subscription, slicing, call, attribute reference |
Await expression |
|
|
Exponentiation [5] |
|
Positive, negative, bitwise NOT |
|
Multiplication, matrix multiplication, division, floor division, remainder [6] |
|
Addition and subtraction |
|
Shifts |
|
Bitwise AND |
|
Bitwise XOR |
|
Bitwise OR |
Comparisons, including membership tests and identity tests |
|
Boolean NOT |
|
Boolean AND |
|
Boolean OR |
|
|
Conditional expression |
Lambda expression |
|
|
Assignment expression |
Notas de rodapé