记得曾经在学Java的时候，通常是这么学的，从基础的语法高级特性，这一块统称为JavaSE,然后再到JavaWeb，最后到框架这一块。那么Python也有其对应的高级特性。其实在聪哥哥我看来，无论任何编程语言，基本都是这一套。只不过每个编程在其特有的领域有其特定的优势。比如拿区块链来说，其实Java也可以做。只不过没有Python或者是Go做起来相对那么轻松。
再比如Java可以用于开发客户端应用、网页端(web应用)等等，同样Python也可以。
今天聪哥哥说高级特性，主要围绕这么几个方面?
(1)切片;
(2)迭代;
(3)列表生成式;
(4)生成器;
(5)迭代器;
一、切片
切片这个玩意不好用语言来表达，不过聪哥哥我还是得说一下。
经常取指定范围的索引叫做切片，一听切片切片，肯定是切一个整体的某一部分。
没有切片之前，我们是怎么取数据的
示例一(取前三个数据):
# -*- coding: utf-8 -*-
L = ['A', 'B', 'C', 'D', 'E']
print([L[0], L[1], L[2]])通过L[0]这种方式去取，感觉很麻烦是不是，或许有人说，写个for循环直接遍历就行。那么如果是比遍历的话，就需要加对应的判断代码，因为我需要的是某一段数据值，遍历还是太麻烦了。
不过别怕，Python高级特性之一的切片即能做到非常的简化，又能达到对应的目的。
示例二:
# -*- coding: utf-8 -*-
L = ['A', 'B', 'C', 'D', 'E']
print(L[:3])示例一和示例二的效果是一样的，但是示例二比示例一更简化。
L[:3] 所代表的就是初索引为0，往前取三个值。如果初索引不为0，你就需要指定，例如L[1:3]这样的。
二、迭代
什么是迭代?
引用百度百科:
迭代是重复反馈过程的活动，其目的通常是为了逼近所需目标或结果。每一次对过程的重复称为一次“迭代”，而每一次迭代得到的结果会作为下一次迭代的初始值。
重复执行一系列运算步骤，从前面的量依次求出后面的量的过程。此过程的每一次结果，都是由对前一次所得结果施行相同的运算步骤得到的。例如利用迭代法*求某一数学问题的解。
对计算机特定程序中需要反复执行的子程序*(一组指令)，进行一次重复，即重复执行程序中的循环，直到满足某条件为止，亦称为迭代。
在这所表示的是:如果给定一个list或tuple，我们可以通过for循环来遍历这个list或tuple，这种遍历我们称为迭代（Iteration）。
示例一:
# -*- coding: utf-8 -*-
d = {'a': 1, 'b': 2, 'c': 3}
for key in d:
print(key)
这里或许会有人疑问，如何判断这个对象是可迭代的？
通过collections模块的Iterable类型判断
示例二(如何判断这个对象是可迭代的):
# -*- coding: utf-8 -*-
from collections import Iterable
print(isinstance('abc', Iterable))当最终输出的结果为True，就表示这个对象是可迭代的。
任何可迭代对象都可以作用于for循环，包括我们自定义的数据类型，只要符合迭代条件，就可以使用for循环
三、列表生成式
列表生成式即List Comprehensions，是Python内置的非常简单却强大的可以用来创建list的生成式。
举例说明:要生成list [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]可以用list(range(1, 11))
原来我们是怎么做的?
示例一:
# -*- coding: utf-8 -*-
print(list(range(1, 11)))数据范围比较小还行，如果换成这样：
要生成[1x1, 2x2, 3x3, ..., 10x10]这样的，怎么做？
肯定是要用到循环的。
示例二:
# -*- coding: utf-8 -*-
L = []
for x in range(1, 11):
L.append(x * x)
print(L)但是循环太繁琐，而列表生成式则可以用一行语句代替循环生成上面的list：
示例三:
# -*- coding: utf-8 -*-
print([x * x for x in range(1, 11)])示例三同示例二的效果是一样的，但是从简洁性来看似乎示例三稍微比for循环要好点。或许有人说:我觉得还是for循环好，这里了也看不出比for循环好在那。聪哥哥我也不能说的太细，说的太细，过于高深，反而讲偏。一句话：仁者见仁，智者见智。
接下来可能有人会骂我说。好吧，我只能硬着头皮说说呢，就拿L.append说事，每次追加数据，都相当于添加一个地址和引用会有一定的内存开销。少的数据还好，如果是大数据呢。
再比如使用列表生成式可以使代码更简洁，例如我要获取当前目录下的所有文件:
示例四:
# -*- coding: utf-8 -*-
import os
print([d for d in os.listdir('.')])聪哥哥有话说:运用列表生成式，可以快速生成list，可以通过一个list推导出另一个list，而代码却十分简洁。
四、生成器
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。所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。
示例(简单示例):
# -*- coding: utf-8 -*-
g = (x * x for x in range(10))
for n in g:
print(n)聪哥哥有话说:
generator是非常强大的工具，在Python中，可以简单地把列表生成式改成generator，也可以通过函数实现复杂逻辑的generator。要理解generator的工作原理，它是在for循环的过程中不断计算出下一个元素，并在适当的条件结束for循环。对于函数改成的generator来说，遇到return语句或者执行到函数体最后一行语句，就是结束generator的指令，for循环随之结束。
五、迭代器
我们已经知道，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。
这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。
示例一:
# -*- coding: utf-8 -*-
from collections import Iterator
print(isinstance((x for x in range(10)), Iterator))生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。
示例二(把list、dict、str等Iterable变成Iterator可以使用iter()函数）:
# -*- coding: utf-8 -*-
from collections import Iterator
print(isinstance(iter([]), Iterator))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。
最后聪哥哥有话说:
凡是可作用于for循环的对象都是Iterable类型；
凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；
集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。
