Python7.0

切片

针对list，tuple，字符串都可以进行操作
L[头:尾:选择周期]生成相应类型的数据类型
如L=(1,2,3,4,5,6,7,8)
L[0:7:2] 涉及L[0]到L[6]
产生(1,3,5,7)
切片操作：无周期，不变序，不合法就变空
数轴上画区间，左边或第一个数实心右甩
右边或第二个数空心左甩
去空格作业代码

if s=="":
         return ""
     n=0
     while s[n]==" ":
        n=n+1
        if n==len(s):#如果这里不结束的话，再次循环下标溢出报错
            return ""
     s=s[n:]
     n=-1
     while s[n]==" ":
        n=n-1
     if n==-1:
        return s
     s=s[:n+1]
     return s

简便算法

while  s!="" and s[0]==' ':#用循环条件避免下标溢出
          s=s[1:]
      while  s!="" and s[-1]==' ':
           s=s[:-1]
      return s

迭代

不同数据类型的遍历
适用于可迭代对象
那么如何判断对象是否是可迭代对象

>>> from collections import Iterable
>>> isinstance('abc', Iterable) # str是否可迭代
True
>>> isinstance([1,2,3], Iterable) # list是否可迭代
True
>>> isinstance(123, Iterable) # 整数是否可迭代
False

for in：
之前有讨论过list,tuple
对于dict同样适用
对于dict，遍历key，value，key-value均可，但遍历顺序不定

>>> d = {'a': 1, 'b': 2, 'c': 3}
>>> for key in d:
...     print(key)
...
a
c
b
#默认情况下，dict迭代的是key。
#如果要迭代value，可以用
for value in d.values()
#如果要同时迭代key和value，可以用
for k, v in d.items()

字符串亦可按序遍历
对于字符串有特别的操作
用enumerate同时遍历索引【下标】和元素本身

>>> for i, value in enumerate(['A', 'B', 'C']):
...     print(i, value)
...
0 A
1 B
2 C

其他情况
多维数组

>>> for x, y in [(1, 1), (2, 4), (3, 9)]:
...     print(x, y)
...
1 1
2 4
3 9

列表生成器

用通式生成list，或者视为迭代加简单函数体的缩写，整个简单遍历过程的缩写
支持筛选和多层

>>> [x * x for x in range(1, 11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

>>> [x * x for x in range(1, 11) if x % 2 == 0]
[4, 16, 36, 64, 100]

>>> [m + n for m in 'ABC' for n in 'XYZ']
['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']

还可以进行这样的操作

>>> d = {'x': 'A', 'y': 'B', 'z': 'C' }
>>> [k + '=' + v for k, v in d.items()]#这个+不太了解
['y=B', 'x=A', 'z=C']

>>> L = ['Hello', 'World', 'IBM', 'Apple']
>>> [s.lower() for s in L]#证明其简单遍历循环缩写的本质
['hello', 'world', 'ibm', 'apple']

生成器

列表元素只有用到的时候现算，节省内存，不必刚创立时就全部算好保存
和列表生成器不同，列表生成器更像是在压缩代码，而这里的生成器更像是一种新类型，generator保存算法
把列表生成器的[]换成（）就是生成器
generator也是可迭代类型，可用for in

generator更强大在于可以用函数来生成其元素

函数中可以省略关键字return
引入关键字yield（相当于半个return）
当不会再出现yield时，generator函数结束
虽然我们说是generator函数结束，但实际上generator函数是generator这一数据类型，函数结束是指这个数据类型到了尾部。

从黑箱视角来审视generator（改造后的函数）
其按序输出便是这个数据类型的各个元素
generator函数会有副作用，且这些副作用会成为元素的一部分
（所以应该避免副作用？）

以斐波那契数列产生器举例

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        print(b)
        a, b = b, a + b
        #省略临时边量的赋值方式，=类似序列点
        #先计算等号右边，再给左边赋值
        n = n + 1
    return 'done'

def fib(max):#一个generator函数
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
    return 'done'

杨辉三角形测试题

    s=[1]
    while True:
       yield s
       ss=s
       s=[]
       b=0
       for a in ss:
          s.append(a+b)
          b=a
       s.append(1)

迭代器

可迭代对象 iterable
有list、tuple、dict、set、str、generator
可以使用for in遍历
迭代器 iterator
有generator
可以使用next（）调用下一个值

迭代器是可迭代对象
但 可迭代对象具有可迭代性，却并不能算作迭代器

而list等想要变成迭代器，能使用next（）可以借用函数iter()

>>> isinstance(iter([]), Iterator)#判断是否是迭代器
True

Python的Iterator表示一个数据流，可以被next()函数调用，直到没有数据时抛出StopIteration错误。可以把这个数据流看做一个有序序列，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。
因其现算的特性，Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list，则由于内存问题是永远不可能存储全体自然数的。