文章目录
- Python高级特性
- 切片
- 迭代
- 判断是否可迭代
- 如何实现下标循环
- 列表生成式
- ⭐️生成器
- 什么是生成器？
- 为什么要引入生成器？
- 如何使用生成器？
- generator和函数的区别
- 迭代器
- Iterable与Iterator
Python高级特性
python中提供了切片、迭代、列表生成式、生成器、迭代器等诸多高级特性，多多使用高级特性，可以使得我们的代码更加简单，Python的特点就是代码简单。1行代码能实现的功能，决不写5行代码。
切片
对于取指定索引范围的操作，Python提供了切片（Slice）操作符（用循环十分繁琐）。切片操作对于List、tuple、字符串都同样适用，切片返回的结果仍然是原类型。举几个例子：
操作 | 写法 | 说明 |
取前3个元素 |
| 第1个索引是0可以省略 |
取第i～j个元素 |
| 取切片的范围是到n-1 |
取倒数第1个元素 |
| -1表示最后一个元素 |
取后10个数 |
| 负号表示倒数， |
前10个数，每两个取一个 |
| |
所有数，每五个取一个 |
|
迭代
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）。list、tuple、str、dict都是可迭代对象。
判断是否可迭代
通过collections.abc模块的Iterable类型可以判断一个对象是否是可迭代对象：
>>> from collections.abc 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注：凡是可作用于for循环的对象都是Iterable类型；
如何实现下标循环
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上面的for循环里，同时引用了两个变量，在Python里是很常见的，比如下面的代码：
>>> for x, y in [(1, 1), (2, 4), (3, 9)]:
... print(x, y)
...
1 1
2 4
3 9列表生成式
列表生成式（List Comprehensions），又称列表解析式，是Python内置的非常简单却强大的可以用来创建list的生成式。运用列表生成式，可以写出非常简洁的代码。
注：其实numpy中的一些内置函数功能更为强大且更加常用。
- 例子1，要生成list
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]：
>>> list(range(1, 11))
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]- 例子2，生成仅偶数的平方和List：
把要生成的元素x*x放到前面，后面可以加if
>>> [x*x for x in range(1,11) if x % 2 == 0]
[4, 16, 36, 64, 100]- 还可以加上判断条件
if-else，但要加在for的前面，for后面的if是过滤条件，不能带else。
例子3，把L1的字符全部变为小写，剔除非字符串。
>>> L1 = ['Hello', 'World', 18, 'Apple', None]
>>> L2 = [str.lower(x) for x in L1 if isinstance(x, str)]
['hello', 'world', 'apple']⭐️生成器
生成器（generator）是Python中非常有特点的一个特性，其他主流语言中往往没有这个特性。
什么是生成器？
如果列表元素可以按照某种算法推算出来，我们可以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。在Python中，这种一边循环一边计算的机制，称为生成器：generator。
为什么要引入生成器？
说生成器之前，先说说列表解析式，他的优点很多，比如运行速度快、编写简单，但是有一点我们不要忘了，他是一次性生成整个列表。如果整个列表非常大，这对内存也同样会造成很大压力，想要实现内存的节约，可以将列表解析式转换为生成器表达式。
如何使用生成器？
- 创建生成器
要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator。创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator。 - 遍历生成器
- 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。 - 我们通常都是通过都是
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)
...
0
1
4
9
16
25
36
49
64
81- 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。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，而是一个生成器函数（generator function）：
# 输出斐波那契数列
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
return 'done'generator和函数的区别
generator和函数的执行流程不一样。
函数是顺序执行，每次调用从头执行，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。直到没有yield可以执行了就报错。
杨辉三角代码：
# -*- coding: utf-8 -*-
def triangles():
L = [1]
while True:
yield L[:]
L.append(0)
L = [L[i-1]+L[i] for i in range(len(L))]
n = 0
results = []
for t in triangles():
results.append(t)
n = n + 1
if n == 10:
break
for t in results:
print(t)
输出：
[1],
[1, 1],
[1, 2, 1],
[1, 3, 3, 1],
[1, 4, 6, 4, 1],
[1, 5, 10, 10, 5, 1],
[1, 6, 15, 20, 15, 6, 1],
[1, 7, 21, 35, 35, 21, 7, 1],
[1, 8, 28, 56, 70, 56, 28, 8, 1],
[1, 9, 36, 84, 126, 126, 84, 36, 9, 1]迭代器
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：Iterator。
例如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与Iterator
可以直接作用于for循环的对象统称为可迭代对象：Iterable，如list、tuple、dict、set、str等。**生成器都是Iterator对象，但Iterable却不一定是Iterator。**例如list、dict、str虽然是Iterable，却不是Iterator。
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。
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。
集合数据类型如list、dict、str等Iterable对象可以通过iter()函数获得一个Iterator对象。
迭代器是Python内置的重要特性，Python的for循环本质上就是通过不断调用next()函数实现的，例如：
for x in [1, 2, 3, 4, 5]:
pass实际上完全等价于：
# 首先获得Iterator对象:
it = iter([1, 2, 3, 4, 5])
# 循环:
while True:
try:
# 获得下一个值:
x = next(it)
except StopIteration:
# 遇到StopIteration就退出循环
break
