接着廖雪峰老师的学习教程，小编要开始加快推进Python的学习进程了。今天的笔记内容是Python高级特性，其中包括快速访问对象类型元素的切片、循环中的迭代意义、方便的列表生成式操作以及生成器和迭代器。虽然有些苦逼，但是一想到数据科学家的远大理想，小编就又能快马加鞭的向前冲了！

切片

切片（slice）的功能类似于R语言中的取数或者访问数据对象元素，但R中对象都是向量、矩阵数据框，在Py里面我们切片的作用对象是list、tuple或者dict等数据对象类型。假设一个list如下：

L=['Durant','Curry','Green','James','Erving']

    如果我们想取用前3个元素，可以通过list的索引来做，但一旦元素个数过多，通过索引访问的方法就行不通了。当然我们也可以通过写for循环来遍历对象的每个元素。但通常这些方法比起切片来都过于繁琐：

>>> L=[0:3]
['Durant','Curry','Green']

    L[0:3]表示从索引0开始取，到索引3为止，但不包括索引3 的元素。如果第一个索引是0，还可以简写为：

>>> L=[:3]
['Durant','Curry','Green']

    当然和之前一样，我们也可以倒着访问list对象：

>>> L=[-2:0]
['James','Erving']

    切片除了可以作用于list、tuple等对象类型，还可以对字符串等进行切片操作，在字符串中，切片的作用类似于一些字符处理函数，这里就不举例说明了。这样一来，有了切片操作以后，就无需去写循环语句了。

迭代

如果我们通过for循环来遍历一个list或者tuple对象，这种遍历过程就可以称之为迭代。只要for循环可以作用的对象类型，我们都可以对其进行迭代操作，如list、tuple或者dict，这些都可以称作可迭代对象。如何判断一个对象是否可迭代？我们可以通过导入collections模块中的Iterable类型进行判断：

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

    任何可迭代对象都可作用于for循环，包括我们自定义的数据对象，只要可以作用于for循环，都是可迭代对象。

列表生成式

列表生成式（list comprehensions），是Py内置的 一种简单而又非常强大的创建列表的生成式。比方说我们可以用list（range（1:11））来生成1:11的数字列表：

>>> list（range(1:11)）
[1,2,3,4,5,6,7,8,9,10]

    但如果我们要生成[1x1,2x2,3x3...,10x10]这样的列表又该如何写命令呢？一种方法就是写循环：

>>> L =[]
>>> for x in range(1:11):
 ...      L.append(x*x)
 ...
>>> L
[1,4,9,16,25,36,49,64,81,100]

    但正如我们前面所说，循环太繁琐，能不用尽量不用，比竟Py的核心要义是简洁，能一行代码完成的事情绝对不用五行。上述循环用列表生成式语句一行即可搞定：

>>> [x * x for x in range(1:11)]
[1,4,9,16,25,36,49,64,81,100]

    for循环后面还可加上if条件判断进行结果筛选：

>>> [x * x for x in range(1:11) if x%2==0]
[4,16,36,64,100]

生成器

列表生成器虽然方便，但占用内存比较大，很多时候我们都不需要完整list进行分析，因而Py中还有一种边循环边计算的机制，称之为生成器：Generator。创建另一个生成器的方法有很多，但主要还是通过如下两种方法：（1）直接创建法。（2）通过修改Py函数的print命令为yield。

    直接创建法很简单，只需将列表生成式中的[ ]符号改成（）即可：

>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x34031fh479>

    输出g的结果表明对象g已经是一个generator了。我们可以通过for循环来访问和调用generator的每一个元素：

>>> g= (x * x for x in range(10))
>>> for n in g:
...    print(n)
...
0 
1 
4 
9 
16 
25 
36
49
64
81

    另一种创建生成器的方式为修改Py函数中print命令为yield命令即可。例如我们创建一个斐波那契数列表，但列表生成器无法直接生成，编写函数则较为方便：

def fibonacci(max):
    i, a, b = 0, 0, 1
    while i < max:
        print(b)
        a, b = b, a + b
        i = i + 1
    return 'done'

    我们修改上面函数定义中的print命令：

def fibonacci(max):
    i, a, b = 0, 0, 1
    while i < max:
         yield b
        a, b = b, a + b
        i = i + 1
    return 'done'

    这样一修改，fibonacci就不再是一个普通的函数了，而是一个generator了：

>>> f = fibonacci(6)
>>> f
<generator object fibonacci at 0x104feaaa0>

迭代器

    由前述我们知道，可以直接作用于for循环的对象我们称之为可迭代对象：Iterable。使用collections模块中的isinstance函数可以判断一个对象是否可迭代。而生成器不但可以作用于for循环，还可以通过next（）函数不断返回下一个值，这样的对象我们称之为迭代器，Iterator。

    生成器都是迭代器，但list、tuple、dict等对象虽然是可迭代的（Iterable），但却并不是迭代器（Iterator），如要将其变成迭代器，我们可以使用iter函数。我们可以写一个关于杨辉三角的生成器（迭代器）：

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
for m in triangles():
    print(m)
    n = n + 1
    if n == 10:
        break
        
[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]

下载1：OpenCV-Contrib扩展模块中文版教程