Python第三周学习小结

一、切片

1.切片定义

切片(slice)可将一个可迭代的数据集（list，tuple，dict，str等等等），有规律的分割出子集。使用它，可极大缩短Python的代码量，提升Python代码的简洁性。

2.切片的语法和用法

切片可以表达为：数据集名[from：end：step]。
其中，from表示数据集切割的起始位置下标（索引，index），end为切割的终了位置下标的后一位，step为下标递进的步长。数据集可以是任何可迭代数据结构。
切割的顺序一致是从左至右，（从前至后）。

取一个List列表L的前N个元素

    L[0:N] #表示从索引0开始，到N-1为止。

如果第一个索引是0，则可以简写为：

    L[:N]

从索引M开始，取出N-M个元素

    L[M:N]

负数表达的切片

    L[-2:]  L[-2:-1]

再比如：对于L = list(range(100))

则：

前10个数：

    L[:10]

后10个数：

    L[-10:]

前11-20个数：

    L[10:20]

前10个数，每两个取一个：

    L[:10:2]

所有数，每5个取一个

    L[::5]

所有奇数的数

    L[1::2]

所有偶数的数

    L[::2]

复制list:

     L[:]

tuple也可以切片

例如：(0, 1, 2, 3, 4, 5)[:3] 表示（0，1，2）

字符串也可以切片，结果仍然是字符串

例如：‘ABCDEFG’[:3]表示’ABC’

二、迭代

1.迭代定义

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。当我们使用for循环时，只要作用于一个可迭代对象，for循环就可以正常运行。

2.可迭代对象

如何判断一个对象是可迭代对象呢？方法是通过collections模块的Iterable类型判断。

任何可迭代对象都可作用于for循环，包括我们自定义的数据对象，只要可以作用于for循环，都是可迭代对象。

3.迭代和递归的区别

（1）递归：重复调用函数自身实现循环称为递归
递归实际上不断地深层调用函数，直到函数有返回才会逐层的返回，递归是用栈机制实现的，每深入一层，都要占去一块栈数据区域，因此，递归涉及到运行时的堆栈开销（参数必须压入堆栈保存，直到该层函数调用返回为止），所以有可能导致堆栈溢出的错误；但是递归编程所体现的思想正是人们追求简洁、将问题交给计算机，以及将大问题分解为相同小问题从而解决大问题的动机。

（2）迭代：利用变量的原值推出新值称为迭代，或着说迭代是函数内某段代码实现循环
迭代大部分时候需要人为的对问题进行剖析，分析问题的规律所在，将问题转变为一次次的迭代来逼近答案。迭代不像递归那样对堆栈有一定的要求，另外一旦问题剖析完毕，就可以很容易的通过循环加以实现。迭代的效率高，但却不太容易理解，当遇到数据结构的设计时，比如图表、二叉树、网格等问题时，使用就比较困难，而是用递归就能省掉人工思考解法的过程，只需要不断的将问题分解直到返回就可以了。

两者关系：所有的迭代可以转换为递归，但递归不一定可以转换成迭代。

三、列表生成式

1.定义

列表生成式即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。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。

2.用法

生成list [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]可以用list(range(1, 11))：

生成[1x1, 2x2, 3x3, …, 10x10]：

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

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：

还可以使用两层循环，可以生成全排列：

三层和三层以上的循环就很少用到了。

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：

最后把一个list中所有的字符串变成小写：

四、生成器

1.定义

列表生成式虽然方便，但占用内存比较大，很多时候我们都不需要完整list进行分析，因而Python中还有一种边循环边计算的机制，称之为生成器：Generator。

2.创建和使用

创建另一个生成器的方法有很多，但主要还是通过如下两种方法：
(1)直接创建法
把一个列表生成式的[]改成()，就创建了一个generator：

打印出generator的每一个元素，可以通过for循环来访问和调用generator的每一个元素。

(2)通过修改Python函数的print命令为yield
举个栗子：创建一个斐波那契数列表，但列表生成式无法直接生成，编写函数则较为方便：

修改上面函数定义中的print命令：

这就是定义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：

最难理解的就是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。

定义一个generator，依次返回数字1，3，5：

调用该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：

odd不是普通函数，而是generator，在执行过程中，遇到yield就中断，下次又继续执行。执行3次yield后，已经没有yield可以执行了，所以，第4次调用next(o)就报错。

generator的工作原理是在for循环的过程中不断计算出下一个元素，并在适当的条件结束for循环。
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。

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：

五、迭代器

1.定义

可以直接作用于for循环的对象我们称之为可迭代对象：Iterable。
使用collections模块中的isinstance函数可以判断一个对象是否可迭代。
而生成器不但可以作用于for循环，还可以通过next（）函数不断返回下一个值，这样的对象我们称之为迭代器，Iterator。

2.区分

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，如数组list、元组tuple、字典dict、集合set、字符串str等；
一类是生成器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：

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。
也可以使用isinstance()判断一个对象是否是Iterator对象：

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：

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。
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是永远不可能存储全体自然数的。

Python的for循环本质上就是通过不断调用next()函数实现的，例如：

实际上完全等价于：
首先获得Iterator对象:

循环: