python高级特性——个人纪录

看看廖雪峰的网站照着学的，等于自己做点笔记。

切片slice
取一个list或tuple的部分元素。
a[0:3]=a[:3]，取0，1，2三个元素
a[-2:]!=a[-2:-1]，前者取2个元素，后者取倒数第二个元素
a[:10:2]，前10个数，每2个取一个
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，字符串也可看成list，切片的结果还是字符串。
迭代Iteration
字符串，list，tuple，dict还有任何实现了__iter__方法的对象都可以迭代。迭代dict时，默认迭代的是key，如果要迭代value，可以用for value in dict.values()如果要同时迭代key和value，可以用for k, v in d.items()
如果想要同时得到元素和下标，用enumerate函数，for i,v in enumerate(list)
列表生成式List Comprehensions
要生成list [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]可以用list(range(1, 11))
但如果要生成[1x1, 2x2, 3x3, …, 10x10]怎么做？[x * x for x in range(1, 11)]
for循环后面还可以加上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']#结果：
['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']

常用的

 [d for d in os.listdir('.')] # os.listdir可以列出文件和目录

总结就是list生成式前面是计算出结果的表达式，任意形式，任意多个变量，后边接for 变量in list/dict/tuple/range等，若有筛选条件可以再加上if，但是不能再加else了，以上这些都是再中括号[]里面的，这样生成的是一个列表list。
生成器generator
为了节约内存空间，就在上面列表生成式的基础上，把中括号改为（）就变成了生成器generator，可以在循环中不断推算出后续元素。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。
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。yield大致相当于return，只不过return就直接结束了，yield 返回那个值以后就停下，下次再执行的时候接着yield再继续往下走。
调用generator用next（generaterator）来调用，或者用for i in generater来调用。
调用generator时，首先要生成一个generator对象，然后用next()函数不断获得下一个返回值.
迭代器Iterator
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：

from collections.abc import Iterable
isinstance([], Iterable)

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：

from collections.abc import Iterator
isinstance((x for x in range(10)), Iterator)

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。

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。
总结
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