Python廖雪峰学习笔记(自用)第三节--Python的高级特性

1.切片

取一个list或者tuple的部分元素是非常常见的操作。比如，一个list如下：

L = ['1','2','3','4','5']

取前三个元素，应该怎么做？

对于这种经常取指定索引范围的操作，用循环十分繁琐，因此，Python提供了切片(Slice)操作符，能大大简化这种操作。

对应上面的问题，取前三个元素，用一行代码就可以完成切片：

L[0:3]

如果第一个索引是0，还可省略。例 :

L[:3]

类似的，既然Python支持L[-1]取倒数第一个元素，那么它同样支持倒数切片，例如：

L[-2:-1]   //取倒数第二个元素
L[-2: ]    //取最后两个元素

下边给出切片操作的一些使用方法：

L = list(range(100))   //创建一个0-99的数列
L[ :10]      //取前十个数
L[-10:]      //取后十个数
L[10:20]     //前11-20个数
L[:10:2]     //前10个数，每两个取一个
L[::5]       //所有的数，每5个取一个
L[:]         //原样复制一个list

tuple也是一种list。唯一区别是tuple不可变。因此，tuple也可以用切片操作，只是操作的结果仍是tuple。

字符串'xxx'也可以看成是一种list，每个元素就是一个字符。因此，字符串也可以用切片操作，只是操作结果仍是字符串。

2.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。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，还可以作用在其它可迭代对象上。list这种数据类型虽然有下标，但是很多其它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就可以迭代，例：

for key in d:    //对key进行迭代
for value in d.values  //对value进行迭代
for k,v in d.items()     //同时迭代key和value

如何判断一个对象是可迭代对象呢？方法是通过collections.abc模块的Iterable类型进行判断：

isinstance('abc', Iteatble)  //str是否可迭代

最后一个小问题，如果要对list实现类似java那样的下标循环怎么办？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：

for i, value in enumerate(['A', 'B', 'C'])

3.列表生成式

列表生成式即List Comprehensions，是Python内置的非常简单强大的可以用来创建list的生成式。举个例子，要生成list[1,2,3,4,5,6,7,8,9,10]可以用list(range(1,11)).但是要生成[1*1,2*2,3*3,...,10*10]怎么做？列表生成式则可以用一行语句代替循环生成上面的list：

[x * x for x in range(1,11)]

写列表生成式时，把要生成的元素x*x放到前面，后面跟for训韩，就可以把list创建出来，十分有用，多写几次，很快我们就可以熟悉这种语法。

for虚幻后面还可以加上if判断，这样我们就可以筛选出仅偶数的平方：

[x*x for x in range(1, 11) if x % 2 == 0]

还可以使用两层循环，可以生成全排列：

[m + n for m in 'ABC' for n in 'XYZ']

for循环其实可以同时使用两个甚至多个变量，比如dict的items()可以同时迭代key和value，因此列表生成式也可以使用两个变量来生成list:

[k + '=' + v for k, v in d.items()]

4.生成器

通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都被白白浪费了。所以，如果列表元素可以按照某种算法推算出来，那我们时候可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。

要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成(), 就创建了一个generator：

L = [x * x for x in range(10)]    //列表生成式
g = (x * x for x in range(10))    //generator

我们可以打印出list的每一个元素，但我们怎么打印出generator的每一个元素呢？如果要一个一个打印出来，可以通过next()函数获得generator的下一个返回值：

next(g)

generator保存的是算法，每次调用next(g), 就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。

next(g)方法过于繁琐，正确的当时是使用for循环，因为generator也是可迭代对象：

g = (x * x for x in range(10))
for n in g:
    print(n)

我们创建了一个generator后，基本永远不会调用next(), 而是通过for循环来迭代它，并且不需要关心StopIteration的错误。

generator非常强大。如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。

比如，著名的斐波那契数列(Fibonacci), 例：

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
    return 'done'

这是定义generator的另一种方法。如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator函数，调用一个generator函数将返回一个generator。

这里，最难理解的就是generator函数和普通函数的执行流程不一样。普通函数是顺序执行，遇return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。

请务必注意：调用generator函数会创建一个generator对象，多次调用generator函数会创建多个相互独立的generator。因此，正确的做法是创建一个generator对象，然后不断对这一个generator对象调用next().

同样的，把函数改成generator函数后，我们基本上从来不会用next()来获取下一个返回值，而是直接使用for循环来迭代。但是用for循环调用generator时，发现拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中。：

g = fib(6)
while True:
    try:
        x = next(g)
        print('g:', x)
    except StopIteration as e:
        print('Generator return value:', e.value)
        break

5.迭代器

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函数。

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.

生成器都是Iterable对象，但list、dict、str虽然是Iterable，却不是Iterator。把list、dict、str等Iterable变为Iterator可以使用iter()函数：iter([]).

为什么list、dict、str等数据类型不是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。