在python中，代碼不是越多好，而是越少越好；代碼不是越復雜越好，而是越簡單越好；
代碼越少，開發(fā)效率越高！

1 切片

例：取一個list或tuple的部分元素

# 定義一個list
>>> L = ['Michale', 'Susan', 'Aimi', 'Bob', 'Jack']
# 笨方法--取前三個元素
>>> [L[0],L[1],L[2]]
['Michale', 'Susan', 'Aimi']
# 笨方法--取前N個元素
>>> r = []
>>> n = 3
>>> for i in range(n):
...     r.append(L[i])
... 
>>> r
['Michale', 'Susan', 'Aimi']

上述這種經(jīng)常取指定索引范圍的操作，用循環(huán)十分繁瑣，因此，python提供了切片（splice）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]
['Michale', 'Susan', 'Aimi']
>>> L[:3]
['Michale', 'Susan', 'Aimi']
# L[0:3] 表示，從0索引開始取，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，還可以忽略，寫成L[:3]的形式

#python還支持倒數(shù)切片
>>> L[-2:]
['Bob', 'Jack']
>>> L[-2:-1]
['Bob']
# 切記倒數(shù)的第一個元素的索引是-1

高級栗子??

# 1)創(chuàng)建一個0-99的數(shù)列
>>> L = list(range(100))
>>> L
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97, 98, 99]
>>> 
# 2)通過切片獲取某一列
# 取前10個
>>> L[:10]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
# 取后10個
>>> L[-10:]
[90, 91, 92, 93, 94, 95, 96, 97, 98, 99]
# 前11-20個
>>> L[10:20]
[10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
# 前10個數(shù)，每兩個取一個
>>> L[:10:2]
[0, 2, 4, 6, 8]
# 所有數(shù)，每5個取1個
>>> L[::5]
[0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]
# 復制一個相同的list
>>> L[:]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97, 98, 99]


# tuple也是一種list，唯一的區(qū)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
>>> (0,1,2,3,4,5,6)[:3]
(0, 1, 2)
# 字符串也可以看成是一種list，每個元素就是一個字符
>>> 'ABCDEFG'[1:4]
'BCD'

在很多編程語言中，針對字符串提供了很多各種截取函數(shù)（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(shù)，只需要切片一個操作就可以完成，非常簡單。

2 迭代

如果給定一個list或者tuple,我們可以通過for循環(huán)來遍歷這個list或tuple,這種遍歷我們稱之為迭代(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(huán)的抽象程度高于C的for循環(huán),因為Python的for循環(huán)不僅可以用在list或tuple上，還可以作用在其他可迭代的對象上。list這種數(shù)據(jù)結構類型雖然有下標，但很多其他數(shù)據(jù)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
b
c

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()
  由于字符串也是可迭代對象，因此，也可以用for循環(huán)：

>>> for w in "ASHDLA":
...     print(w)
... 
A
S
H
D
L
A

如何判斷一個對象是否可迭代呢？方法是通過collections模塊的Iterable類型判斷：

>>> from collections import Iterable
>>> isinstance('ABC', Iterable)
True
>>> isinstance([1,2,3], Iterable)
True
>>> isinstance(123, Iterable)
False

如果要對list實現(xiàn)類似java那樣的下標循環(huán)怎么辦？Python的內(nèi)置函數(shù)enumerate函數(shù)可以把一個list變成索引--元素對，這樣就可以在for循環(huán)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
>>> 

3 列表生成式

?列表生成式即List Comprehensions, 是Python內(nèi)置的非常簡單卻強大的可以用來創(chuàng)建list的生成式,例如：[1,2,3,4,5,6,7,8,9,10]可以用list(range(1,11))
但如果要生成```[11, 22, 33, ...... ,1010] 怎么做呢？

# 法一： 循環(huán)(繁瑣)
>>> L = []
>>> for x in range(1,11):
...     L.append(x * x)
... 
>>> L
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
>>> 
# 法二：列表生成式(精簡)
>>> [x * x for x in range(1, 11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]


# 拓展一，篩選偶數(shù)2的倍數(shù)
>>> [x * x for x in range(1,11) if x % 2 == 0]
[4, 16, 36, 64, 100]
#拓展二，使用兩層循環(huán)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，可以通過一行代碼的實現(xiàn)：

>>> [d for d in os.listdir('./myVue')]
['.babelrc', 'index.html', 'webpack.config.js', 'README.md', '.gitignore', 'package.json', 'src']

for循環(huán)其實可以同時使用兩個甚至多個變量，比如dict和items()可以同時迭代key和value

>>> d = {'A':'a', 'B':'b', "C":'c'}
>>> for k,v in d.items():
...     print(k ,'=', v)
... 
A = a
B = b
C = c
# 因此,列表生成式也可以使用兩個變量來生成list：
>>> d = {'A':'a', 'B':'b', 'C':'c' }
>>> [k + '=' + v for k, v in d.items()]
['A=a', 'B=b', 'C=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']

4 生成器

通過列表生成式，我們可以直接創(chuàng)建一個列表。但是，受到內(nèi)存限制，列表容量肯定是有限的。而且，創(chuàng)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(shù)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(huán)的過程中不斷推算出后續(xù)的元素呢？這樣就不必創(chuàng)建完整的list，從而節(jié)省大量的空間。在Python中，這種一邊循環(huán)一邊計算的機制，稱為生成器：generator。

要創(chuàng)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(chuàng)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 0x11039bf10>

創(chuàng)建L和g的區(qū)別僅在于最外層的[]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(shù)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保存的是方法，每次調(diào)用next(g),就算出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(diào)用next(g)實在是太變態(tài)了，正確的方法是使用for循環(huán)，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(chuàng)建了一個generator后，基本上永遠不會調(diào)用next()，而是通過for循環(huán)來迭代它，并且不需要關心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(huán)無法實現(xiàn)的時候，還可以用函數(shù)來實現(xiàn)。

比如，著名的斐波拉契數(shù)列（Fibonacci），除第一個和第二個數(shù)外，任意一個數(shù)都可由前兩個數(shù)相加得到：

1, 1, 2, 3, 5, 8, 13, 21, 34, ...

斐波拉契數(shù)列用列表生成式寫不出來，但是，用函數(shù)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 = a, a + b
# 相當于
t = (b, a+b)  //t是一個tuple
a = t[0]
b = t[1]
# 但不必顯示寫出臨時變量t就可以賦值
# 上面的函數(shù)可以輸出斐波那契數(shù)列的前N個數(shù)
>>> fib(6)
1
1
2
3
5
8
'done'

仔細觀察，其實fib函數(shù)實際上是定義了斐波那契數(shù)列的推算規(guī)則，可以從第一個元素開始，推算出后續(xù)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(shù)和generator僅一步之遙，要把fib函數(shù)變成generator，只需要把print(b)改成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(shù)定義中包含yield關鍵字，name這個函數(shù)就不再是一個普通函數(shù)，而是一個generator
# 舉個簡單的例子，定義一個generator，依次返回數(shù)字1，3，5
>>> def odd():
...     print('step 1')
...     yield 1
...     print('step 2')
...     yield(3)
...     print('step 3')
...     yield(5)
... 
# 調(diào)用該generator時，首先要生成一個generator對象，然后用next()函數(shù)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opp不是普通函數(shù)，而是generator，在執(zhí)行過程中，遇到y(tǒng)ield就中斷，下次又繼續(xù)執(zhí)行。執(zhí)行3次yield后，已經(jīng)沒有yield可以執(zhí)行了，所以，第4次調(diào)用next(o)就報錯。
回到fib的例子，我們在循環(huán)過程中不斷調(diào)用yield，就會不斷中斷。當然要給循環(huán)設置一個條件來退出循環(huán)，不然就會產(chǎn)生一個無限數(shù)列出來。
同樣的，把函數(shù)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(huán)來迭代：

>>> for n in fib(6):
...     print(n)
... 
1
1
2
3
5
8

但是用for循環(huán)調(diào)用generator時，發(fā)現(xiàn)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

關于如何捕獲錯誤，后面的錯誤處理還會詳細講解。

5 迭代器

我們已經(jīng)知道，可以直接作用于for循環(huán)的數(shù)據(jù)類型有以下幾種：

• 一類是集合數(shù)據(jù)類型，如list、tuple、dict、set、str等
• 一類是generator，包括生成器和帶yield的generator function
  這些可以直接作用于for循環(huán)的對象統(tǒng)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('abc', Iterable)
True
>>> isinstance({}, 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于for循環(huán)，還可以被next()函數(shù)不斷調(diào)用并返回一個值，直到最后拋出StopIteration錯誤表示無法繼續(xù)返回一個值了?？梢员籲ext()函數(shù)調(diào)用并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(shù)

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

你可能會問，為什么list、dict、str等數(shù)據(jù)類型不是Iterator？

這是因為Python的Iterator對象表示的是一個數(shù)據(jù)流，Iterator對象可以被next()函數(shù)調(diào)用并不斷返回下一個數(shù)據(jù)，直到?jīng)]有數(shù)據(jù)時拋出StopIteration錯誤?？梢园堰@個數(shù)據(jù)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(shù)實現(xiàn)按需計算下一個數(shù)據(jù)，所以Iterator的計算是惰性的，只有在需要返回下一個數(shù)據(jù)時它才會計算。

Iterator甚至可以表示一個無限大的數(shù)據(jù)流，例如全體自然數(shù)。而使用list是永遠不可能存儲全體自然數(shù)的。

小結

凡是可作用于for循環(huán)的對象都是Iterable類型；

凡是可作用于next()函數(shù)的對象都是Iterator類型，它們表示一個惰性計算的序列；

集合數(shù)據(jù)類型如list、dict、str等是Iterable但不是Iterator，不過可以通過iter()函數(shù)獲得一個Iterator對象。

Python的for循環(huán)本質(zhì)上就是通過不斷調(diào)用next()函數(shù)實現(xiàn)的