3. Python的高级特性

'''高级特性'''
'''
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，我们来介绍Python中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。
'''

3.1 切片

'''切片'''
#取一个list或tuple的部分元素是非常常见的操作。比如，一个list如下：
L = ["Michael", "Jack", "Bob", "Mary"]
#取前3个元素，应该怎么做？笨办法：
print(L[0],L[1],L[2])
#之所以是笨办法是因为扩展一下，取前N个元素就没辙了。
#取前N个元素，也就是索引为0-(N-1)的元素，可以用循环：
for i in L:
    print(i)
    
'''
对这种经常取指定索引范围的操作，用循环十分繁琐，
因此，Python提供了切片（Slice）操作符，能大大简化这种操作。
对应上面的问题，取前3个元素，用一行代码就可以完成切片：
'''
print(L[0:3])
'''
L[0:3]表示，从索引0开始取，直到索引3为止，但不包括索引3。即索引0，1，2，正好是3个元素。
如果第一个索引是0，还可以省略：
'''
print(L[:3])
#也可以从索引1开始，取出2个元素出来：
print(L[1:3])
#类似的，既然Python支持L[-1]取倒数第一个元素，那么它同样支持倒数切片，试试
print(L[-2:])
#记住倒数第一个元素的索引是-1。
#切片操作十分有用。我们先创建一个0-99的数列：
L = list(range(100))
print(L)
#可以通过切片轻松取出某一段数列。比如前10个数：
print(L[:10])
#后10个数：
print(L[-10:])
#前11-20个数：
print(L[10:20])
#前10个数，每两个取一个：
print(L[:10:2])
#所有数，每5个取一个：
print(L[::5])
#甚至什么都不写，只写[:]就可以原样复制一个list：
print(L[:])
'''
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：
'''
t = tuple(range(100))
print(t[:20:2])
'''
字符串'xxx'也可以看成是一种list，每个元素就是一个字符。因此，字符串也可以用切片操作，
只是操作结果仍是字符串：
'''
s = "ABCDEFGH"
print(s[:5])
'''
在很多编程语言中，针对字符串提供了很多各种截取函数（例如，substring），其实目的就是
对字符串切片。
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，非常简单。
'''

'''
练习
利用切片操作，实现一个trim()函数，去除字符串首尾的空格，注意不要调用str的strip()方法：
'''
def trim(s):
    length = len(s)
    front = 0
    end = length - 1
    i = 0
    j = end
    while i < length:
        front = i
        if s[i] == " ":
            i = i + 1
        else:
            break
    while j >= 0:
        end = j + 1
        if s[j] == " ":
            j = j - 1
        else:
            break
    return s[front:end]

#测试          
if trim('hello  ') != 'hello':
    print('测试失败!')
elif trim('  hello') != 'hello':
    print('测试失败!')
elif trim('  hello  ') != 'hello':
    print('测试失败!')
elif trim('  hello  world  ') != 'hello  world':
    print('测试失败!')
elif trim('') != '':
    print('测试失败!')
elif trim('    ') != '':
    print('测试失败!')
else:
    print('测试成功!')

3.2 迭代

'''迭代'''
'''
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，而很多语言比如C语言，迭代list是通过下标
完成的，比如Java代码：
for (i=0; i<list.length; i++) {
    n = list[i];
}

可以看出，Python的for循环抽象程度要高于C的for循环，因为Python的for循环不仅可以用在
list或tuple上，还可以作用在其他可迭代对象上。
list这种数据类型虽然有下标，但很多其他数据类型是没有下标的，
但是，只要是可迭代对象，无论有无下标，都可以迭代，比如dict就可以迭代：
'''    
d = {"A":1, "B":2, "c":3}
for key in d:
    print(key)    
'''
因为dict的存储不是按照list的方式顺序排列，所以，迭代出的结果顺序很可能不一样。
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()。
由于字符串也是可迭代对象，因此，也可以作用于for循环：
'''
for ch in "ABC":
    print(ch)

'''
所以，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，而我们不
太关心该对象究竟是list还是其他数据类型。
那么，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：
'''
from collections import Iterable

print(isinstance("ABC",Iterable))
print(isinstance([1,2,3],Iterable))
print(isinstance((1,2,3),Iterable))
#整数不可以迭代
print(isinstance(123,Iterable))
'''
最后一个小问题，如果要对list实现类似Java那样的下标循环怎么办？
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：
'''
for i,value in enumerate(["A","B","C"]):
    print(i,value)
#上面的for循环里，同时引用了两个变量，在Python里是很常见的，比如下面的代码：
for x,y in [(1,1),(2,2)]:
    print(x,y)

'''
练习
请使用迭代查找一个list中最小和最大值，并返回一个tuple：
'''
def findMinAndMax(L):
    if len(L) == 0:
        return(None,None)
    max_ = L[0]
    min_ = L[0]
    for x in L:
        if x > max_:
            max_ = x
        if x < min_:
            min_ = x
    return (min_,max_)


# 测试
if findMinAndMax([]) != (None, None):
    print('测试失败!')
elif findMinAndMax([7]) != (7, 7):
    print('测试失败!')
elif findMinAndMax([7, 1]) != (1, 7):
    print('测试失败!')
elif findMinAndMax([7, 1, 3, 9, 5]) != (1, 9):
    print('测试失败!')
else:
    print('测试成功!')

'''
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。
'''

3.3 列表生成式

'''列表生成式'''
'''
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。
举个例子，要生成list [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]可以用list(range(1, 11))：
'''

L = list(range(100))
#但如果要生成[1x1, 2x2, 3x3, ..., 10x10]怎么做？方法一是循环：
L = []
for x in range(1,11):
    L.append(x*x)
print(L)
#但是循环太繁琐，而列表生成式则可以用一行语句代替循环生成上面的list：
L = [x * x for x in range(1,11)]
print(L)
'''
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：
'''
L = [x * x for x in range(1,11) if x%2 == 0]
print(L)

#还可以使用两层循环，可以生成全排列：
L = [m+n for m in "ABC" for n in "XYZ"]
print(L)
#三层和三层以上的循环就很少用到了。

#运用列表生成式，可以写出非常简洁的代码。
#例如，列出当前目录下的所有文件和目录名，可以通过一行代码实现：
import os  # 导入os模块，模块的概念后面讲到
L = [d for d in os.listdir(".")]  # os.listdir可以列出文件和目录
print(L)

#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：
d = {"X":"1", "Y":"2", "Z":"3"}
for k,v in d.items():
    print(k,"=",v)
#因此，列表生成式也可以使用两个变量来生成list：
L = [k+"="+v for k,v in d.items()]
print(L)

#最后把一个list中所有的字符串变成小写：
L = ["HELLO", "World"]
L = [s.lower() for s in L]
print(L)

'''
练习
如果list中既包含字符串，又包含整数，由于非字符串类型没有lower()方法，所以列表生成式
会报错：
'''
#使用内建的isinstance函数可以判断一个变量是不是字符串：
x = "abc"
y = 12
print(isinstance(x,str))
print(isinstance(y,str))

#请修改列表生成式，通过添加if语句保证列表生成式能正确地执行：
L1 = ['Hello', 'World', 18, 'Apple', None]

L2 = [s.lower() for s in L1 if(isinstance(s,str))]
print(L2)
# 测试:
print(L2)
if L2 == ['hello', 'world', 'apple']:
    print('测试通过!')
else:
    print('测试失败!')

3.4 生成器

'''生成器'''
'''
通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。
而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前
面几个元素，那后面绝大多数元素占用的空间都白白浪费了。

所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后
续的元素呢？这样就不必创建完整的list，从而节省大量的空间。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：

'''

L = [x * x for x in range(5)]
print(L)
g = (x * x for x in range(5))
print(g)

'''
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。
我们可以直接打印出list的每一个元素，但我们怎么打印出generator的每一个元素呢？
如果要一个一个打印出来，可以通过next()函数获得generator的下一个返回值：
'''
#print(next(g))

'''
我们讲过，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。
当然，上面这种不断调用next(g)实在是太变态了，正确的方法是使用for循环，
因为generator也是可迭代对象：
'''
print(isinstance(g,Iterable))
for n in g:
    print(n)

'''
所以，我们创建了一个generator后，基本上永远不会调用next()，而是通过for循环来迭代它，
并且不需要关心StopIteration的错误。
generator非常强大。如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候
还可以用函数来实现。
比如，著名的斐波拉契数列（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, ...

斐波拉契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易：
'''
def fib(max):
    n, a, b = 0,0,1
    while n < max:
        print(b)
        a, b = b, a + b
        n = n + 1
    return "Done"

fib(4)

'''
注意，赋值语句：
a, b = b, a + b
相当于：
t = (b, a + b) # t是一个tuple
a = t[0]
b = t[1]
'''
#但不必显式写出临时变量t就可以赋值。
#上面的函数可以输出斐波那契数列的前N个数：
fib(7)
'''
仔细观察，可以看出，fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，
推算出后续任意的元素，这种逻辑其实非常类似generator。

也就是说，上面的函数和generator仅一步之遥。要把fib函数变成generator，
只需要把print(b)改为yield b就可以了：
'''
def fib(max):
    n, a, b = 0,0,1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
    return "Done"    
'''
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：
'''
f = fib(6)
for i in f:
    print(i)
    
'''
这里，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。

举个简单的例子，定义一个generator，依次返回数字1，3，5：
'''
def odd():
    print('step 1')
    yield 1
    print('step 2')
    yield(3)
    print('step 3')
    yield(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：
o  = odd()
for i in o:
    print(i)
    
'''
可以看到，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。

回到fib的例子，我们在循环过程中不断调用yield，就会不断中断。当然要给循环设置一个条件
来退出循环，不然就会产生一个无限数列出来。

同样的，把函数改成generator后，我们基本上从来不会用next()来获取下一个返回值，
而是直接使用for循环来迭代：

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：
关于如何捕获错误，后面的错误处理还会详细讲解。
'''
g = fib(6)
while True:
    try:
        x = next(g)
        print("g:",x)
    except StopIteration as e:
        print('Generator return value:', e.value)
        break
'''
练习
杨辉三角定义如下：

          1
         / \
        1   1
       / \ / \
      1   2   1
     / \ / \ / \
    1   3   3   1
   / \ / \ / \ / \
  1   4   6   4   1
 / \ / \ / \ / \ / \
1   5   10  10  5   1
把每一行看做一个list，试写一个generator，不断输出下一行的list：
'''
def triangles():
    L=[1]
    while True:
        yield L
        L=[L[i-1]+L[i] for i in range(len(L)) if i!=0]#将下标不为0的部分赋值
        L.insert(0,1)#上一行执行完得到的L长度为上一个L的长度-1，缺少下标为0和len(L*)+1的部分
        L.append(1)#在缺的位置各添一个1即可
# 期待输出:
# [1]
# [1, 1]
# [1, 2, 1]
# [1, 3, 3, 1]
# [1, 4, 6, 4, 1]
# [1, 5, 10, 10, 5, 1]
# [1, 6, 15, 20, 15, 6, 1]
# [1, 7, 21, 35, 35, 21, 7, 1]
# [1, 8, 28, 56, 70, 56, 28, 8, 1]
# [1, 9, 36, 84, 126, 126, 84, 36, 9, 1]
n = 0
results = []
for t in triangles():
    results.append(t)
    n = n + 1
    if n == 10:
        break

for t in results:
    print(t)

if results == [
    [1],
    [1, 1],
    [1, 2, 1],
    [1, 3, 3, 1],
    [1, 4, 6, 4, 1],
    [1, 5, 10, 10, 5, 1],
    [1, 6, 15, 20, 15, 6, 1],
    [1, 7, 21, 35, 35, 21, 7, 1],
    [1, 8, 28, 56, 70, 56, 28, 8, 1],
    [1, 9, 36, 84, 126, 126, 84, 36, 9, 1]
]:
    print('测试通过!')
else:
    print('测试失败!')
    
    
'''
小结
generator是非常强大的工具，在Python中，可以简单地把列表生成式改成generator，
也可以通过函数实现复杂逻辑的generator。
要理解generator的工作原理，它是在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。

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：
>>> r = abs(6)
>>> r
6
generator函数的“调用”实际返回一个generator对象：
>>> g = fib(6)
>>> g
<generator object fib at 0x1022ef948>
'''

3.5 迭代器

'''迭代器'''
'''

我们已经知道，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 import Iterable
print(isinstance([], Iterable))
print(isinstance((), Iterable))
print(isinstance({}, Iterable))
print(isinstance("", Iterable))
print(isinstance(100, Iterable))
print(isinstance((x for x in range(10)), 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 import Iterator
print(isinstance((x for x in range(10)), Iterator))
print(isinstance([], Iterator))
print(isinstance((), Iterator))
print(isinstance({}, Iterator))
print(isinstance("", Iterator))
print(isinstance(100, 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：
'''

print(isinstance(iter([]), Iterator))
print(isinstance(iter("asd"), Iterator))

'''
你可能会问，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。
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。
'''

'''
小结
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