Python高级特性实例讲解

>> 切片Slice

切片：用于取一个list、tuple、字符串的部分元素；相当于针对字符串提供的很多各种截取函数（例如，substring），其实目的就是对字符串切片；

>>> L = list(range(100))     //创建一个0-99的数列
>>> L
[0, 1, 2, 3, ..., 99]
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> L[0:10]                   //取出前10个数，从索引0开始取，直到索引3为止，包含左，不包含右；
>>> L[:10]                    //如果第一个索引是0，还可以省略
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> L[10:20]                  //也可以从索引10开始，取出10个元素出来
[10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> L[-10:]                   //取出后10个数；（Python支持L[-1]取倒数第一个元素，那么它同样支持倒数切片）
[90, 91, 92, 93, 94, 95, 96, 97, 98, 99]
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> L[:10:2]                  //前10个数，每两个取一个
[0, 2, 4, 6, 8]
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 
>>> L[::5]                    //所有数，每5个取一个
[0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> L[:]                      //什么都不写，只写[:]就可以原样复制一个list
[0, 1, 2, 3, ..., 99]
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> (0, 1, 2, 3, 4, 5)[:3]    //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
(0, 1, 2)
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> 'ABCDEFG'[:3]             //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
'ABC'
>>> 'ABCDEFG'[::2]
'ACEG'

---

>> 迭代Iteration

迭代（Iteration）：通过for ... in循环来遍历一个给定list、tuple、其他可迭代对象； 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；

迭代key ：for key in d: 迭代key ：for value in d.values(): 同时迭代key和value ：for k, v in d.items(): 迭代字符串 ：for ch in 'ABC':

>>> d = {'a': 1, 'b': 2, 'c': 3}    //迭代dict

>>> for key in d:                   //默认情况下，dict迭代的是key
...     print(key)
...
a                                   //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
c
b
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> for value in d.values():        //迭代value
>>> for k, v in d.items():          //同时迭代key和value
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> for ch in 'ABC':                //迭代字符串
...     print(ch)
...
A
B
C

通过collections模块的Iterable类型判断一个对象是可迭代对象

>>> from collections import Iterable    //引入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

对list实现类似Java那样的下标循环

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)
...
0 A
1 B
2 C

同时引用了两个变量

>>> for x, y in [(1, 1), (2, 4), (3, 9)]:     
...     print(x, y)
...
1 1
2 4
3 9

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 q(L):
    if L==[]:
        return (None, None)
    else:
        m=L[0]
        n=L[0]
        for x in L:
            if m>x:
                m=x
            if n>> 列表生成式List Comprehensions
列表生成式是Python内置的非常简单却强大的可以用来创建list的生成式；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；
生成[1x1, 2x2, 3x3, ..., 10x10]，用循环太繁琐，而列表生成式则可以用一行语句代替循环生成上面的list；
>>> [x * x for x in range(1, 11)]        //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
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> [x * x for x in range(1, 11) if x % 2 == 0]   //for循环后面还可以加上if判断，筛选出仅偶数的平方
[4, 16, 36, 64, 100]
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> [m + n for m in 'ABC' for n in 'XYZ']         //使用两层循环，可以生成全排列
['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> d = {'x': 'A', 'y': 'B', 'z': 'C' }           //列表生成式也可以使用两个变量来生成list
>>> [k + '=' + v for k, v in d.items()]
['y=B', 'x=A', 'z=C']
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> L = ['Hello', 'World', 'IBM', 'Apple']        //把一个list中所有的字符串变成小写
>>> [s.lower() for s in L]                        //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
['hello', 'world', 'ibm', 'apple']
>> 生成器generator
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。
在Python中，一边循环一边计算的机制，称为生成器：generator；生成器在循环的过程中不断推算出后续的元素，这样就不必创建完整的list，从而节省大量的空间；
创建一个generator方法一：
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(10)]          //创建了一个列表list
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))          //创建了一个生成器generator
>>> g
 at 0x1022ef630>
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> next(g)            //要一个一个打印出generator的每一个元素，可以通过next()函数获得generator的下一个返回值
0
.......
>>> next(g)            //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
Traceback (most recent call last):
  File "", line 1, in 
StopIteration
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> g = (x * x for x in range(10))   //创建了一个generator后，通过for循环来迭代它，不需关心StopIteration的错误
>>> for n in g:
...     print(n)
创建一个generator方法二：
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；
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:
        //print(b)             
        yield b           //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；
        a, b = b, a + b
        n = n + 1
    return 'done'
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> f = fib(6)            //f是一个generator
>>> f

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
>>> for n in fib(6):       //使用for循环来迭代generator的值
...     print(n)
...
1
1
2
3
5
8
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
//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
>>> 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
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。
>> 迭代器 Iterator（可迭代对象 Iterable）
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；
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。
Iterable：这些可以直接作用于for循环的对象统称为可迭代对象；可以使用isinstance()判断一个对象是否是Iterable对象；
Iterator：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；可以使用isinstance()判断一个对象是否是Iterator对象

iter()函数**
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
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；
注意： Python的for循环本质上就是通过不断调用next()函数实现的；