Python高级特性（切片 迭代 列表生成式 生成器 迭代器）学习笔记

在Python中，代码不是越多越好，而是越少越好。代码不是越复杂越好，而是越简单越好。
基于这一思想，Python中有非常有用的高级特性，1行代码能实现的功能，决不写5行代码。请始终牢记，代码越少，开发效率越高。

切片

（Slice）

1. 切片操作符在python中的原型是 [start:stop:step] ，即：[开始索引:结束索引:步长值] ->
   开始索引：默认从0开始。序列从左向右方向中，第一个值的索引为0,最后一个为-1 ；

   结束索引：切片操作符将取到该索引为止，不包含该索引的值；

   步长值：默认是一个接着一个切取（值为1），如果为2,则表示进行隔一取一操作。步长值为正时表示从左向右取，如果为负，则表示从右向左取。步长值不能为0 。

Sequence[start:end:step] python的序列切片中，第一个:隔离了 起始索引 和 结束索引，第二个:隔离了 结束索引 和 步长
step为正，则从左到右切片，如果 start > end，则为空
step为负，则从右到左切片，如果 start < end，则为空
start 和 end 填空，前者表示最开始，后者表示最后一个, 同时为空的时候，表示取所有。至于方向，取决于 step
可以总结一句规律，step 为正表示从左到右切片，反之为右到左。
如：L[a:b:c] ->表示，从索引a开始每隔c个间隔取，直到索引b为止，但不包括索引b。

1. 只写[:]就可以原样复制一个list。字符串也可以用切片操作，Python没有针对字符串的截取函数，只需要切片一个操作就可以完成。

迭代

可以通过for循环来遍历，这种遍历我们称为迭代（Iteration）。任何可迭代对象都可以作用于for循环，包括我们自定义的数据类型，只要符合迭代条件，就可以使用for循环。

1. 在Python中，迭代是通过for … in来完成的，而很多语言比如C或者Java，迭代list是通过下标完成的。

2. enumerate函数 ：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。

#enumerate把list表索引
for i,value in enumerate(['A','B','C']):
    print(i,value)

输出：
0 A
1 B
2 C

列表生成式

列表生成式（range（））即List Comprehensions，是Python内置的非常简单却强大的可以用来创建list的生成式。

1. list() 方法用于将元组转换为列表。
   注：元组（tuple）与列表（list）是非常类似的，区别在于元组的元素值不能修改，元组是放在括号中，列表是放于方括号中。

2. 运用列表生成式，可以快速生成list，可以通过一个list推导出另一个list，而代码却十分简洁。

3. 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。

执行表达式 for 变量（k，v） in 集合（range()）

1. isinstance() 函数来判断一个对象是否是一个已知的类型，类似 type()。

isinstance() 与 type() 区别：
type() 不会认为子类是一种父类类型，不考虑继承关系。
isinstance() 会认为子类是一种父类类型，考虑继承关系。
如果要判断两个类型是否相同推荐使用 isinstance()。

isinstance() 函数用法：

isinstance([1,2,3], Iterable) # list是否可迭代

生成器

在Python中，这种一边循环一边计算的机制，称为生成器：generator。

1. 创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator。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。虽然执行流程仍按函数的流程执行，但每执行到一个 yield 语句就会中断，并返回一个迭代值，下次执行时从 yield 的下一个语句继续执行。

2. 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。

3. generator和函数的执行流程不一样。函数是顺序执行，遇到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。

4. 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。关于如何捕获错误，查看后面的错误处理。

5. 对于函数改成的generator来说，遇到return语句或者执行到函数体最后一行语句，就是结束generator的指令，for循环随之结束。
   注:请注意区分普通函数和generator函数，普通函数调用直接返回结果;generator函数的“调用”实际返回一个generator对象。

  #斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得    到:1, 1, 2, 3, 5, 8, 13, 21, 34, ...
  代码如下：
#使用生成器：generator
def fib(max):
    n,a,b = 0,0,1
    while n < max:
        yield (b)
        a,b = b,a+b #把a赋值给n会导致n的个数随fib数增长
        n = n+1
        return 'done'
for n in fib(5): #循环迭代
    print(n)

获取return的返回值’done’

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

迭代

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。

1. 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。

1. iter()函数: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.

16.Python的Iterator对象表示的是一个数据流，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。

学习网站: www.liaoxuefeng.com