python3 基礎 廖雪峰教程筆記-3

https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/0014317568446245b3e1c8837414168bcd2d485e553779e000
        在Python中，代碼不是越多越好，而是越少越好。代碼不是越復雜越好，而是越簡單越好。
        基於這一思想，我們來介紹Python中非常有用的高級特性，1行代碼能實現的功能，
    決不寫5行代碼。請始終牢記，代碼越少，開發效率越高。
高級特性
1.切片
    這種經常取指定索引范圍的操作，用循環十分繁瑣，因此，Python提供了切片（Slice）操作符，能大大簡化這種操作。
        >>> L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']

        >>> L[0:3]
        ['Michael', 'Sarah', 'Tracy']

        L[0:3]表示，從索引0開始取，直到索引3為止，但不包括索引3。即索引0，1，2，正好是3個元素。

        如果第一個索引是0，還可以省略
            >>> L[1:3]

        L[-1]取倒數第一個元素，那么它同樣支持倒數切片
            >>> L[-2:]
            ['Bob', 'Jack']
            >>> L[-2:-1]
            ['Bob']

        記住倒數第一個元素的索引是-1

        通過切片輕松取出某一段數列。比如前10個數
        >>> L = list(range(100))
        >>> L[:10]
        [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

        后10個數：
        >>> L[-10:]

        前11-20個數：
        >>> L[10:20]

        前10個數，每兩個取一個
        >>> L[:10:2]

        所有數，每5個取一個：
        >>> L[::5]


        甚至什么都不寫，只寫[:]就可以原樣復制一個list
        >>> L[:]

        tuple也是一種list，唯一區別是tuple不可變。因此，tuple也可以用切片操作，只是操作的結果仍是tuple

        字符串'xxx'也可以看成是一種list，每個元素就是一個字符。因此，字符串也可以用切片操作，只是操作結果仍是字符串

        >>> 'ABCDEFG'[:3]
        'ABC'
        >>> 'ABCDEFG'[::2]
        'ACEG'

             針對字符串提供了很多各種截取函數（例如，substring），其實目的就是對字符串切片。
        Python沒有針對字符串的截取函數，只需要切片一個操作就可以完成，非常簡單。


2.迭代
    給定一個list或tuple，我們可以通過for循環來遍歷這個list或tuple，這種遍歷我們稱為迭代（Iteration）。
        迭代是通過for ... in來完成的，而很多語言比如C或者Java，迭代list是通過下標完成的，比如Java代碼：
            for (i=0; i<list.length; i++) {
                n = list[i];
            }

    因為dict的存儲不是按照list的方式順序排列，所以，迭代出的結果順序很可能不一樣。
        默認情況下，dict迭代的是key。
        如果要迭代value，可以用for value in d.values()，
        如果要同時迭代key和value，可以用for k, v in d.items()。

    由於字符串也是可迭代對象，因此，也可以作用於for循環：
        >>> for ch in 'ABC':
        ...     print(ch)

        所以，當我們使用for循環時，只要作用於一個可迭代對象，for循環就可以正常運行，
    而我們不太關心該對象究竟是list還是其他數據類型。
        那么，如何判斷一個對象是可迭代對象呢？方法是通過collections模塊的Iterable類型判斷：
            >>> 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) # 整數是否可迭代
            False
        如果要對list實現類似Java那樣的下標循環怎么辦？Python內置的enumerate函數可以把一個list變成索引-元素對，
    這樣就可以在for循環中同時迭代索引和元素本身：
            >>> for i, value in enumerate(['A', 'B', 'C']):
            ...     print(i, value)
            ...
            0 A
            1 B
            2 C
        上面的for循環里，同時引用了兩個變量，在Python里是很常見的，比如下面的代碼：
            >>> for x, y in [(1, 1), (2, 4), (3, 9)]:
            ...     print(x, y)
            ...
            1 1
            2 4
            3 9


    小結：
        任何可迭代對象都可以作用於for循環，包括我們自定義的數據類型，只要符合迭代條件，就可以使用for循環。

3.列表生成式
    列表生成式即List Comprehensions，是Python內置的非常簡單卻強大的可以用來創建list的生成式。
        舉個例子：要生成list [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]可以用list(range(1, 11))：
            >>> list(range(1, 11))
            [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]


        如果要生成[1x1, 2x2, 3x3, ..., 10x10]怎么做？方法一是循環：
            >>> L = []
            >>> for x in range(1, 11):
            ...    L.append(x * x)
            ...
            >>> L
            [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
        但是循環太繁瑣，而列表生成式則可以用一行語句代替循環生成上面的list：
            >>> [x * x for x in range(1, 11)]
            [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

    寫列表生成式時，把要生成的元素x * x放到前面，后面跟for循環，就可以把list創建出來，十分有用，多寫幾次，很快就可以熟悉這種語法。

        for循環后面還可以加上if判斷，這樣我們就可以篩選出僅偶數的平方：
            >>> [x * x for x in range(1, 11) if x % 2 == 0]
            [4, 16, 36, 64, 100]

        還可以使用兩層循環，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']

    運用列表生成式，可以寫出非常簡潔的代碼。例如，列出當前目錄下的所有文件和目錄名，可以通過一行代碼實現：
        >>> import os # 導入os模塊，模塊的概念后面講到
        >>> [d for d in os.listdir('.')] # os.listdir可以列出文件和目錄
        ['.emacs.d', '.ssh', '.Trash', 'Adlm', 'Applications', 'Desktop', 'Documents', 'Downloads', 'Library', 'Movies', 'Music', 'Pictures', 'Public', 'VirtualBox VMs', 'Workspace', 'XCode']

    for循環其實可以同時使用兩個甚至多個變量，比如dict的items()可以同時迭代key和value：
        >>> d = {'x': 'A', 'y': 'B', 'z': 'C' }
        >>> for k, v in d.items():
        ...     print(k, '=', v)
        ...
        y = B
        x = A
        z = C

    列表生成式也可以使用兩個變量來生成list
        >>> d = {'x': 'A', 'y': 'B', 'z': 'C' }
        >>> [k + '=' + v for k, v in d.items()]
        ['y=B', 'x=A', 'z=C']

    把一個list中所有的字符串變成小寫:
        >>> L = ['Hello', 'World', 'IBM', 'Apple']
        >>> [s.lower() for s in L]
        ['hello', 'world', 'ibm', 'apple']


4.生成器
        通過列表生成式，我們可以直接創建一個列表。但是，受到內存限制，列表容量肯定是有限的。
    而且，創建一個包含100萬個元素的列表，不僅占用很大的存儲空間，如果我們僅僅需要訪問前面幾個元素，
    那后面絕大多數元素占用的空間都白白浪費了。

        如果列表元素可以按照某種算法推算出來，那我們是否可以在循環的過程中不斷推算出后續的元素呢？
    這樣就不必創建完整的list，從而節省大量的空間。在Python中，這種一邊循環一邊計算的機制，稱為生成器：generator。

     要創建一個generator，有很多種方法。

     第一種方法很簡單，只要把一個列表生成式的[]改成()，就創建了一個generator：
            >>> L = [x * x for x in range(10)]
            >>> L
            [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
            >>> g = (x * x for x in range(10))
            >>> g
            <generator object <genexpr> at 0x1022ef630>

        創建L和g的區別僅在於最外層的[]和()，L是一個list，而g是一個generator。
            如果要一個一個打印出來，可以通過next()函數獲得generator的下一個返回值
                >>> next(g)
                0
                >>> next(g)
                1
                >>> next(g)
                4
                >>> next(g)
                9
                >>> next(g)
                16
                >>> next(g)
                25
                >>> next(g)
                36
                >>> next(g)
                49
                >>> next(g)
                64
                >>> next(g)
                81
                >>> next(g)
                Traceback (most recent call last):
                  File "<stdin>", line 1, in <module>
                StopIteration

            generator保存的是算法，每次調用next(g)，就計算出g的下一個元素的值，直到計算到最后一個元素，
        沒有更多的元素時，拋出StopIteration的錯誤。

        當然，上面這種不斷調用next(g)實在是太變態了，正確的方法是使用for循環，因為generator也是可迭代對象：

            >>> g = (x * x for x in range(10))
            >>> for n in g:
            ...     print(n)
            ...
            0
            1
            4
            9
            16
            25
            36
            49
            64
            8
        我們創建了一個generator后，基本上永遠不會調用next()，而是通過for循環來迭代它，並且不需要關心StopIteration的錯誤。


     定義generator的另一種方法。
     如果一個函數定義中包含yield關鍵字，那么這個函數就不再是一個普通函數，而是一個generator：
            def fib(max):
                n, a, b = 0, 0, 1
                while n < max:
                    yield b
                    a, b = b, a + b
                    n = n + 1
                return 'done'

         這里，最難理解的就是generator和函數的執行流程不一樣。
     函數是順序執行，遇到return語句或者最后一行函數語句就返回。而變成generator的函數，
     在每次調用next()的時候執行，遇到yield語句返回，再次執行時從上次返回的yield語句處繼續執行。
            舉個簡單的例子，定義一個generator，依次返回數字1，3，5：
                def odd():
                print('step 1')
                yield 1
                print('step 2')
                yield(3)
                print('step 3')
                yield(5)
            調用該generator時，首先要生成一個generator對象，然后用next()函數不斷獲得下一個返回值：
                >>> o = odd()
                >>> next(o)
                step 1
                1
                >>> next(o)
                step 2
                3
                >>> next(o)
                step 3
                5
                >>> next(o)
                Traceback (most recent call last):
                  File "<stdin>", line 1, in <module>
                StopIteration


    小結
        generator是非常強大的工具，在Python中，可以簡單地把列表生成式改成generator，也可以通過函數實現復雜邏輯的generator。

        要理解generator的工作原理，它是在for循環的過程中不斷計算出下一個元素，並在適當的條件結束for循環。對於函數改成的generator來說，遇到return語句或者執行到函數體最后一行語句，就是結束generator的指令，for循環隨之結束。

        請注意區分普通函數和generator函數，普通函數調用直接返回結果：

        >>> r = abs(6)
        >>> r
        6
        generator函數的“調用”實際返回一個generator對象：

        >>> g = fib(6)
        >>> g
        <generator object fib at 0x1022ef948>

5.迭代器
    我們已經知道，可以直接作用於for循環的數據類型有以下幾種：
        一類是集合數據類型，如list、tuple、dict、set、str等；
        一類是generator，包括生成器和帶yield的generator function。

    這些可以直接作用於for循環的對象統稱為可迭代對象：Iterable。

    可以使用isinstance()判斷一個對象是否是Iterable對象：
        >>> from collections import Iterable
        >>> isinstance([], Iterable)
        True
        >>> isinstance({}, Iterable)
        True
        >>> isinstance('abc', Iterable)
        True
        >>> isinstance((x for x in range(10)), Iterable)
        True
        >>> isinstance(100, Iterable)
        False

    而生成器不但可以作用於for循環，還可以被next()函數不斷調用並返回下一個值，直到最后拋出StopIteration錯誤表示無法繼續返回下一個值了。

    可以被next()函數調用並不斷返回下一個值的對象稱為迭代器：Iterator。

    可以使用isinstance()判斷一個對象是否是Iterator對象：

        >>> from collections import Iterator
        >>> isinstance((x for x in range(10)), Iterator)
        True
        >>> isinstance([], Iterator)
        False
        >>> isinstance({}, Iterator)
        False
        >>> isinstance('abc', Iterator)
        False

        生成器都是Iterator對象，但list、dict、str雖然是Iterable，卻不是Iterator。
    把list、dict、str等Iterable變成Iterator可以使用iter()函數：
        >>> isinstance(iter([]), Iterator)
        True
        >>> isinstance(iter('abc'), Iterator)
        True

        你可能會問，為什么list、dict、str等數據類型不是Iterator？
            這是因為Python的Iterator對象表示的是一個數據流，Iterator對象可以被next()函數調用並不斷返回下一個數據，
        直到沒有數據時拋出StopIteration錯誤。可以把這個數據流看做是一個有序序列，但我們卻不能提前知道序列的長
        度，只能不斷通過next()函數實現按需計算下一個數據，所以Iterator的計算是惰性的，只有在需要返回下一個數據
        時它才會計算。

    Iterator甚至可以表示一個無限大的數據流，例如全體自然數。而使用list是永遠不可能存儲全體自然數的。

    小結
        凡是可作用於for循環的對象都是Iterable類型；
        凡是可作用於next()函數的對象都是Iterator類型，它們表示一個惰性計算的序列；
        集合數據類型如list、dict、str等是Iterable但不是Iterator，不過可以通過iter()函數獲得一個Iterator對象。
        Python的for循環本質上就是通過不斷調用next()函數實現的，例如：
            for x in [1, 2, 3, 4, 5]:
                pass
            實際上完全等價於：

            # 首先獲得Iterator對象:
            it = iter([1, 2, 3, 4, 5])
            # 循環:
            while True:
                try:
                    # 獲得下一個值:
                    x = next(it)
                except StopIteration:
                    # 遇到StopIteration就退出循環
                    break