【python 廖雪峰教程】切片 | 迭代 | 列表生成式 | 生成器 | 迭代器

一、切片

L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']

L[0:3]	#从索引0开始取，直到索引3为止，不包括3
L[:3]	#第一个索引是0，可以省略

#倒数切片
L[-2:]	#['Bob', 'Jack']，从倒数第二个一直取到最后一个
L[-2:-1]	#['Bob']，从倒数第二个一直取到倒数第一个，不包括倒数第一个
L[::2]	#每2个取一个，从序号0开始取，序号0是第一个
L[:]	#原样复制一个list

tuple也可以用切片操作，操作的结果仍是tuple
字符串也可以用切片操作，操作结果仍然是字符串
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。

二、迭代

对给定的list或tuple，通过for循环来遍历它，这个过程称为迭代。在Python中，迭代通过for ... in来完成。
只要是可迭代对象，都可以迭代。
dict的迭代：

d = {'a': 1, 'b': 2, 'c': 3}

#默认情况下，dict迭代的是key
for key in d:
	print(key)

#迭代value
for value in d.values()

#迭代key
for k, v in d.items()

字符串也是可迭代对象

判断对象是否是可迭代对象

from collections import Iterable
isinstance('abc', Iterable)	#True

想在python中实现下标循环，可以使用内置函数enumerate把一个list变成索引-元素对

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

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

三、列表生成式

如果要生成[1x1, 2x2, 3x3, ..., 10x10]

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

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
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]	#[4, 16, 36, 64, 100]

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']	#['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']

三层和三层以上的循环就很少用到了。

列表生成式也可以使用两个变量来生成list：

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

最后把一个list中所有的字符串变成小写：

L = ['Hello', 'World', 'IBM', 'Apple']
[s.lower() for s in L]	#['hello', 'world', 'ibm', 'apple']

if…else在列表生成式中的使用

跟在for后面的if是一个筛选条件，不能带else
在for前面的if是一个表达式，必须加上else

[x if x % 2 == 0 else -x for x in range(1, 11)]	#[-1, 2, -3, 4, -5, 6, -7, 8, -9, 10]

四、生成器

与列表生成式不同，列表生成式创建的列表包含元素过大的话，会占用很多存储空间。但生成器是一边循环一边计算的，节省了大量的空间

1、generator定义方法一

用小括号而不是中括号

g = (x * x for x in range(10))	#g就是一个generator生成器

但生成器的每一个元素不能直接打印出来，需要通过next()函数获得。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。也可以用for循环迭代，并不会触发StopIteration错误。

next(g)	#0
next(g)	#1
next(g)	#4
next(g)	#9

for n in g:
	print(n)

2、generator定义方法二

函数定义中包含yield关键字。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。
以斐波拉契数列为例：

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

for n in fib(6):
	print(n)

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：

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

'''
g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
'''

五、迭代器

可直接作用于for循环的数据类型有下面两种：

• 集合数据类型，如list、tuple、dict、set、str等
• 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。
而可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。
生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。

iter()

iter()函数可以将list、dict、str等Iterable变成Iterator

isinstance(iter([]), Iterator)	#True

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。