读廖雪峰的 Python 教程小结--------Python高级特性

python的高级特性主要有

• 切片
• 迭代
• 列表生成器
• 生成器
• 迭代器

---

切片

切片就像他的名字那样，切成一片一片的。
看看例子就懂了

>>>L=[0,1,2,3,4,5,6,7]#第1位到第3位（0-2）：0，1，2>>>L[0:3]#第3位到第5位（2-4）：2，3，4>>>L[2:5]#从第1位开始到第5位（0-4）：0，1，2，3，4>>>L[:5]#从第2位到最后一位（2-7）：2，3，4，5，6，7>>>L[2:]#所有>>>L[:]#从倒数第2到最后（6-7）：6，7>>>L[-2:]#从第1位到倒数第2(0-6):0,1,2,3,4,5>>>L[:-2]#所有，每两位取1位>>>L[::2]#从第2位到第5位，每两位取一次>>>L[1:5:2]#倒序输出>>>L[::-1]

list、tuple等等都可以用切片

---

列表生成器

列表生成器是循环的简化版吧，我个人觉得
简单来说就是用中括号括住表达式
看例子：

#生成列表list，range()生成从1到10的序列>>>L = list(range(1,11))>>>[x*x for i in L]#遍历L,若是2的倍数就输出i*i>>>[x*x for i in L if i%2==0]

也可以双重循环，但是python主张简单，所以如果是双重循环不如用for形式

---

生成器

生成器generator，与列表生成器样子很类似，
他是一步一步的生成下一个值的（一边循环一边计算），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。

#列表生成器>>> L = [x * x for x in range(10)]>>> L[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]#生成器>>> g = (x * x for x in range(10))>>> g<generator object <genexpr> at 0x1022ef630>

>>> 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>>> Traceback (most recent call last):  File "<stdin>", line 1, in <module>StopIteration

这样每次都要next()，看上去都很痛苦了，然而直接用for也可以,并且通过for循环来迭代它，并且不需要关心StopIteration的错误。

>>> g = (x * x for x in range(10))>>> for n in g:...     print(n)... 0149162536496481

上面看到的只是生成器最简单的调用方式，这里要介绍yield语句，他在很多地方都有运用，在生成器中，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，而是是一个generator：
而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
例如： r = yield b 这个表达式分成两部分
首先 yield b 返回b
然后 r = yield 获取值赋给r

---

迭代与迭代器

• list或者tuple等通过for循环这种遍历，称为遍历
• 凡是可以用for循环遍历的对象，称为可迭代对象（Iterable）
• 可以被next(值的对象，称为迭代器(Iterator)

判断是否可迭代对象

>>> 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) # 整数是否可迭代False

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：

>>> isinstance(iter([]), Iterator)True>>> isinstance(iter('abc'), Iterator)True

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。