高級特性
掌握了Python的數據類型、 語句 和函數，基本上就可以編寫出很多有用的程序了。
比如構造一個1, 3, 5, 7, ..., 99的列表，可以通過循環實現：
L = [] n = 1 while n <= 99: L.append(n) n = n + 2 取list的前一半的元素，也可以通過循環實現。
但是在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。
切片
取一個list或tuple的部分元素是非常常見的操作。比如，一個list如下：
>>> L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack'] 取前3個元素，應該怎么做？
笨辦法：
>>> [L[0], L[1], L[2]] ['Michael', 'Sarah', 'Tracy'] 之所以是笨辦法是因為擴展一下，取前N個元素就沒轍了。
取前N個元素，也就是索引為0-(N-1)的元素，可以用循環：
>>> r = [] >>> n = 3 >>> for i in range(n): ... r.append(L[i]) ... >>> r ['Michael', 'Sarah', 'Tracy'] 對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。
對應上面的問題，取前3個元素，用一行代碼就可以完成切片：
>>> 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[:3] ['Michael', 'Sarah', 'Tracy'] 也可以從索引1開始，取出2個元素出來：
>>> L[1:3] ['Sarah', 'Tracy'] 類似的，既然Python支持L[-1]取倒數第一個元素，那么它同樣支持倒數切片，試試：
>>> L[-2:] ['Bob', 'Jack'] >>> L[-2:-1] ['Bob'] 記住倒數第一個元素的索引是-1。（！！！！！！！！！！！！）
切片操作十分有用。我們先創建一個0-99的數列：
>>> L = list(range(100)) >>> L [0, 1, 2, 3, ..., 99] 可以通過切片輕松取出某一段數列。比如前10個數：
>>> L[:10] [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] 后10個數：
>>> L[-10:] [90, 91, 92, 93, 94, 95, 96, 97, 98, 99] 前11-20個數：
>>> L[10:20] [10, 11, 12, 13, 14, 15, 16, 17, 18, 19] 前10個數，每兩個取一個：
>>> L[:10:2] [0, 2, 4, 6, 8] 所有數，每5個取一個：
>>> L[::5] [0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95] 甚至什么都不寫，只寫[:]就可以原樣復制一個list：
>>> L[:] [0, 1, 2, 3, ..., 99]
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：
>>> (0, 1, 2, 3, 4, 5)[:3] (0, 1, 2) 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' 在很多編程語言中，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。
練習
利用切片操作，實現一個trim()函數，去除字符串首尾的空格，注意不要調用str的strip()方法：
小結
有了切片操作，很多地方循環就不再需要了。Python的切片非常靈活，一行代碼就可以實現很多行循環才能完成的操作。
=====================================
迭代
如果給定一個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）。
在Python中，迭代是通過for ... in來完成的，而很多語言比如C語言，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]; } 可以看出，Python的for循環抽象程度要高於C的for循環，因為Python的for循環不僅可以用在list或tuple上，還可以作用在其他可迭代對象上。
list這種數據類型雖然有下標，但很多其他數據類型是沒有下標的，但是，只要是可迭代對象，無論有無下標，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) ... a c b 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) ... A B C 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 最后一個小問題，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 練習
請使用迭代查找一個list中最小和最大值，並返回一個tuple：
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。
======================================================================================
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] 但如果要生成[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'] 三層和三層以上的循環就很少用到了。
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 因此，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'] 最后把一個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'] 練習
如果list中既包含字符串，又包含整數，由於非字符串類型沒有lower()方法，所以列表生成式會報錯：
>>> L = ['Hello', 'World', 18, 'Apple', None]
>>> [s.lower() for s in L]
Traceback (most recent call last):
File "<stdin>", line 1, in <module> File "<stdin>", line 1, in <listcomp> AttributeError: 'int' object has no attribute 'lower' 使用內建的isinstance函數可以判斷一個變量是不是字符串：
>>> x = 'abc' >>> y = 123 >>> isinstance(x, str) True >>> isinstance(y, str) False 請修改列表生成式，通過添加if語句保證列表生成式能正確地執行：
小結
運用列表生成式，可以快速生成list，可以通過一個list推導出另一個list，而代碼卻十分簡潔。
===================================================================================
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。
所以，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。
我們可以直接打印出list的每一個元素，但我們怎么打印出generator的每一個元素呢？
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 我們講過，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 81 所以，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。
generator非常強大。如果推算的算法比較復雜，用類似列表生成式的for循環無法實現的時候，還可以用函數來實現。
比如，著名的斐波拉契數列（Fibonacci），除第一個和第二個數外，任意一個數都可由前兩個數相加得到：
1, 1, 2, 3, 5, 8, 13, 21, 34, ...
斐波拉契數列用列表生成式寫不出來，但是，用函數把它打印出來卻很容易：
def fib(max): n, a, b = 0, 0, 1 while n < max: print(b) a, b = b, a + b n = n + 1 return 'done' 注意，賦值語句：
a, b = b, a + b 相當於：
t = (b, a + b) # t是一個tuple a = t[0] b = t[1] 但不必顯式寫出臨時變量t就可以賦值。
上面的函數可以輸出斐波那契數列的前N個數：
>>> fib(6) 1 1 2 3 5 8 'done' 仔細觀察，可以看出，fib函數實際上是定義了斐波拉契數列的推算規則，可以從第一個元素開始，推算出后續任意的元素，這種邏輯其實非常類似generator。
也就是說，上面的函數和generator僅一步之遙。
要把fib函數變成generator，只需要把print(b)改為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' 這就是定義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：
>>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0> 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 可以看到，odd不是普通函數，而是generator，在執行過程中，遇到yield就中斷，下次又繼續執行。執行3次yield后，已經沒有yield可以執行了，所以，第4次調用next(o)就報錯。
回到fib的例子，我們在循環過程中不斷調用yield，就會不斷中斷。當然要給循環設置一個條件來退出循環，不然就會產生一個無限數列出來。
同樣的，把函數改成generator后，我們基本上從來不會用next()來獲取下一個返回值，而是直接使用for循環來迭代：
>>> for n in fib(6): ... print(n) ... 1 1 2 3 5 8 但是用for循環調用generator時，發現拿不到generator的return語句的返回值。如果想要拿到返回值，必須捕獲StopIteration錯誤，返回值包含在StopIteration的value中：
>>> g = fib(6) >>> 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 Generator return value: done 關於如何捕獲錯誤，后面的錯誤處理還會詳細講解。
練習
楊輝三角定義如下：
1
1 1
1 2 1
1 3 3 1
1 4 6 4 1
1 5 10 10 5 1
把每一行看做一個list，試寫一個generator，不斷輸出下一行的list：
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>
==============================================================================================
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