python-高级特性
#比如构造一个1, 3, 5, 7, ..., 99的列表，可以通过循环实现：
L=[]
n=1
while n<=99:
L.append(n)
n=n+2
print(L)
#输出结果
C:\Users\pt0531\Desktop>python JJJtest1.py
[1, 3, 5, 7, 9, 11, 13, 15, 17, 19, 21, 23, 25, 27, 29, 31, 33, 35, 37, 39, 41, 43, 45, 47, 49, 51, 53, 55, 57, 59, 61, 63, 65, 67, 69, 71, 73, 75, 77, 79, 81, 83, 85, 87, 89, 91, 93, 95, 97, 99]
#取list的前一半的元素，也可以通过循环实现。
L=[]
n=1
while n<=99:
L.append(n)
n=n+2
print("L's lenth is:", len(L))
print(L)
#取L前一半的元素
halfidx=len(L)//2
print("打印部分的长度：",len(L[0:halfidx]))
#由于python并不包括结尾，所以这里其实并没有取到L[halfidx]的那个元素
print("L前一半的元素打印如下：", L[0:halfidx])
#输出结果
C:\Users\pt0531\Desktop>python JJJtest1.py
L's lenth is: 50
[1, 3, 5, 7, 9, 11, 13, 15, 17, 19, 21, 23, 25, 27, 29, 31, 33, 35, 37, 39, 41, 43, 45, 47, 49, 51, 53, 55, 57, 59, 61, 63, 65, 67, 69, 71, 73, 75, 77, 79, 81, 83, 85, 87, 89, 91, 93, 95, 97, 99]
打印部分的长度： 25
L前一半的元素打印如下： [1, 3, 5, 7, 9, 11, 13, 15, 17, 19, 21, 23, 25, 27, 29, 31, 33, 35, 37, 39, 41, 43, 45, 47, 49]但是在Python中，代码越少越好。代码不是越复杂越好，而是越简单越好。
Python中非常有用的高级特性，1行代码能实现的功能，决不写5行代码。请始终牢记，代码越少，开发效率越高
1. 切片——slice
本来需要用迭代很复杂的代码，如下：
L=[‘Michael’,‘Sarah’,‘Tracy’,‘Bob’,‘Jack’]
L
[‘Michael’, ‘Sarah’, ‘Tracy’, ‘Bob’, ‘Jack’]
[L[0],L[1],L[2]]
[‘Michael’, ‘Sarah’, ‘Tracy’]
r=[]
n=3
for i in range(n):
... r.append(L[i])
...
r
['Michael', 'Sarah', 'Tracy']现在只需要用（索引）即可——这个可能就是slice——切片
r
['Michael', 'Sarah', 'Tracy']
L[0:3]
['Michael', 'Sarah', 'Tracy']
L[:3] #不包括3
['Michael', 'Sarah', 'Tracy']
L[1:3] #不包括3
['Sarah', 'Tracy']
L
['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']
L[-1]
'Jack'
L[-2]
'Bob'
L[-2:-1] #不包括尾部索引为-1的那个元素，只有-2对应的那个元素
['Bob']
L[-2:]
['Bob', 'Jack']
#前10个数，每两个取一个：
L[:10:2] #不包括10
[0, 2, 4, 6, 8]
#所有数，每5个取一个：
L[::5]
[0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]
#甚至什么都不写，只写[:]就可以原样复制一个list：
L[:]
[0, 1, 2, 3, ..., 99]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.
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.
Python没有针对字符串的截取函数，只需要切片一个操作就可以完成，非常简单。
exercise:
利用切片操作，实现一个trim()函数，去除字符串首尾的空格，注意不要调用str的strip()方法：
def trim(s):
#利用trim函数去除str首尾的空格
# 不要调用str的strip()方法
if s[:1]!=' 'and s[-1]!=' ':
return s
elif s[:1]==" ": #首个元素为空格
return trim(s[1:]) # 这里还使用了函数的嵌套，神来之笔！！！！！
elif s[-1]==" ": #最后一个元素为空格
return trim(s[:-1])2. 迭代
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。
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）。
可以看出，Python的for循环抽象程度要高于C的for循环，因为Python的for循环不仅可以用在list或tuple上，还可以作用在其他可迭代对象上。
list这种数据类型虽然有下标，但很多其他数据类型是没有下标的，但是，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：
d={'a':1,'b':2,'c':3}
for i in d:
... print(i)
...
a
b
c
for key in d:
... print(key)
...
a
b
c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。
- 默认情况下，dict迭代的是key。
d={'a':1,'b':2,'c':3}
#关键在于d.keys()
for i in d.keys():
... print(i)
...
a
b
c- 如果要迭代value，可以用for value in d.values()
for value in d.values():
... print(value)
...
1
2
3
#关键在于 d.values()中的values()
for i in d.values():
... print(i)
...
1
2
3如果要同时迭代key和value，可以用for k, v in d.items()。
#关键在于d.items()中的 items()
for k,v in d.items():
... print(k,v)
...
a 1
b 2
c 3字符串str的迭代：
迭代
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）。
在Python中，迭代是通过for … in来完成的，而很多语言比如C语言，迭代list是通过下标完成的，比如Java代码：
for (i=0; i<list.length; i++) {
n = list[i];
}
可以看出，Python的for循环抽象程度要高于C的for循环，因为Python的for循环不仅可以用在list或tuple上，还可以作用在其他可迭代对象上。
list这种数据类型虽然有下标，但很多其他数据类型是没有下标的，但是，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：
d = {'a': 1, 'b': 2, 'c': 3}
for key in d:
... print(key)
...
a
c
b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。
默认情况下，dict迭代的是key。如果要迭代value，可以用for value in d.values()，如果要同时迭代key和value，可以用for k, v in d.items()。
由于字符串也是可迭代对象，因此，也可以作用于for循环：
for ch in 'ABC': #ch是什么不重要，说成是 for i in 'ABC'也行
... print(ch) #重点是in后面的对象必须是一个 可迭代的对象
...
A
B
C所以，当我们使用for循环时，只要作用于一个可迭代对象，for循环就可以正常运行，而我们不太关心该对象究竟是list还是其他数据类型。
在python中我们用collections模块的Iterable类型判断对象是否是可迭代对象：
from collections import Iterable
isinstance('abc',Iterable) #str 可迭代
True
isinstance([1,2,3],Iterable)# list可迭代
True
isinstance({'a':1,'b':2,'c':3},Iterable) # dict可迭代
True
isinstance(123,Iterable) # int不可迭代
False
isinstance((1,),Iterable) #元组tuple可迭代
True
isinstance((1,2,3),Iterable)#元组tuple可迭代
TruePython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 idx, value in enumerate(['a','b','c']): # enumerate将list变成索引——元素对
... print(idx,value)
...
0 a
1 b
2 c
#在for循环中同时引用两个变量
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
（这个代码中关于print那一行有疑问！！！！！！！！！！！！！！ ）
#返回一个tuple：
def findMinAndMax(L):
lmin=L[0]
lmax=L[0]
for i in range(len(L)):
if lmin>L[i]:
lmin=L[i]
if lmax<L[i]:
lmax=L[i]
return(lmin,lmax)
print('max value in L:',lmax, 'min value in L:',lmin)
# print这一行有没有都没用，貌似只运作到return那一行。
findMinAndMax([1,222,451,24,950])
(1, 950)3. 列表生成式
list(range(1,11))
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
- 方法1——循环
L=[]
for x in range(1,11):
... L.append(x*x) #append()函数的应用
...
L
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]- 方法二——列表生成式更为brief
[x*x for x in range(1,11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
[x**3 for x in range(1,6)]
[1, 8, 27, 64, 125]
#for循环后面还可以加上if判断语句，筛选出偶数的平方
[x*x for x in range(1,11) if x%2==0]
[4, 16, 36, 64, 100]
#还可以使用两层循环，生成全排列
[m+n for m in 'ABC' for n in 'XYZ']
['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']
[m*n for m in (1,2,3) for n in (4,5,6)]
[4, 5, 6, 8, 10, 12, 12, 15, 18]
#三层以及三层以上的循环就很少用到了
#例如，列出当前目录下的所有文件和目录名，可以通过一行代码实现：
import os
[d for d in os.listdir('.')] #os.listdir可以列出文件和目录
['.ipynb_checkpoints', '1.png', '1.py', 'brand_split.py', 'buy.csv', 'cal_code_sim.ipynb', 'cal_code_sim.py', 'Cmder.exe - 快捷方式.lnk', 'code_sim.py', 'data.xlsx', 'database_table_def_68.xlsx', 'data_zetta_so_1701_1809_example.xlsx', 'dbeaver.lnk', 'desktop.ini', 'du.py', 'Firefox feeds backup.opml', 'JJJtest1.py', 'matrix.png', 'Microsoft Edge.lnk', 'model_of_customer_churn_warning', 'Neo4j Desktop.lnk', 'old', 'ProxyPool', 'RedisDesktopManager.lnk', 'select_rc_customer_code_rc_user_input_rc_brd_code_bz_so_qty_bz_s_201902201329.csv', 'sixunhuan.py', 'slider.html', 'SMC.py', 'SMC商品工品汇爬虫清单.xlsx', 'spider_190102', 'spider_190102(1).zip', 'TYJ笔记20190311.py', 'UA', 'ua.py', 'ua_data_ua.csv', 'ZETTA.lnk', 'Zoro', '__pycache__', '品牌.xlsx', '常见数据分析岗位简历模板', '满虎-上海财经大学-信息管理与信息系统-web前端开发工程师-1355815360@qq.com-18616893024.pdf', '满虎-上海财经大学-信息管理与信息系统-大三.docx', '用户流失分析', '用户流失分析.7z', '百度网盘.lnk', '通用爬虫代码.py']
#for循环其实可以同时使用两个甚至多个变量
#比如dict的items()可以同时迭代key和value：
d={'x':'A','y':'B','z':'C'}
for k,v in d.items():
... print(k,'=',v)
...
x = A
y = B
z = C——————————————————————————————————————
#Notes
#加号+拼接
print('awf'+'wk')
awfwk #输出中间没有空格
#逗号，拼接
print('zwf','wk')
zwf wk#使用逗号拼接两者中间会多一个空格
#加号+ 两边只能是同类型的相加
#逗号， 两边可以是不同类型的，甚至是运算
#加号更多地理解为加号的运算，逗号更大程度上就是连接，将内容连接起来——————————————————————————————————————
#因此，列表生成式也可以使用两个变量来生成list：
d={'x':'A','y':'B','z':'C'}
[k+'='+v for k,v in d.items()] #这个+号是干啥用的？——应该可以参照上面+和逗号，的notes
['x=A', 'y=B', 'z=C']
#最后把一个list中所有的字符串变成小写：
L
['Hello', 'World', 'IBM', 'Apple']
[s.lower() for s in L]
['hello', 'world', 'ibm', 'apple']
L='hellOWorldIBMApple'
[s.lower() for s in L]
#outcome
['h', 'e', 'l', 'l', 'o', 'w', 'o', 'r', 'l', 'd', 'i', 'b', 'm', 'a', 'p', 'p', 'l', 'e']————————————————————————————————————
#练习题：
L
['Hello', 'World', 18, 'Apple', None]
[s.lower() for s in L]
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "<stdin>", line 1, in <listcomp>
AttributeError: 'int' object has no attribute 'lower'
#这里由于非字符串类型没有lower()方法所以列表的生成式会报错
#使用内建的isinstance()函数可以判断一个变量是不是字符串str
x='abc'
y=123
isinstance(x,str)
True
isinstance(y,str)
False
#请修改列表生成式，通过添加if语句保证列表生成式能正确地执行：
L1 = ['Hello', 'World', 18, 'Apple', None]
L
['Hello', 'World', 18, 'Apple', None]
L2=[s.lower() for s in L if isinstance(s,str) is True]
L2
['hello', 'world', 'apple']
#用L2=[s.lower() for s in L if isinstance(s,str)]省略is True也可以小结
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。
4. 生成器
要创建一个generator，有很多种方法——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。
请注意区分普通函数和generator函数
（1）普通函数调用直接返回结果：
r = abs(6)
r
6（2）generator函数的“调用”实际返回一个generator对象：
g = fib(6)
g
<generator object fib at 0x1022ef948>- 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：
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 0x000001CB02752D00>
#如何打印generator的每一个元素？
next(g)
0
next(g)
1
next(g)
4
next(g)
9
next(g)
16#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。
#当然，上面这种不断调用next(g)实在是太变态了
from collections import Iterable
isinstance(g, Iterable)
True
#说明generator生成器是可迭代的
#正确的方法是使用for循环，因为generator也是可迭代对象：
g=(x*x for x in range(10))
for i in g:
... print(i)
...
0
1
4
9
16
25
36
49
64
81#generator非常强大。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。
def fib(max):
... n,a,b=0,0,1
... while n<max:
... print(b)
... a,b=b,a+b
... n=n+1
... return 'done'
# outcome：
fib(1)
1
'done'
fib(2)
1
1
'done'
fib(3)
1
1
2
'done'
fib(4)
1
1
2
3
'done'
fib(5)
1
1
2
3
5
'done'也就是说，上面的函数和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:
yield b #注意这里是yield b
#这就是定义generator的另一种方法
#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
#相当于生成一个tuple元组t=(b,a+b)
#然后a=t[0],b=t[1]
#所以不存在重复加总
n=n+1
return 'done'
from JJJtest1 import fib
f=fib(5)
f
<generator object fib at 0x000002CDD597A468>
#把函数改成generator后，基本上不会使用next()来获取下一个返回值
#而是直接使用for循环来迭代：
for n in fib(6):
... print(n)
...
1
1
2
3
5
8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。
举个简单的例子，定义一个generator，依次返回数字1，3，5：
def odd():
print('step 1')
yield 1
print('step 2')
yield(3)
print('step 3')
yield(5)#调用该generator时先生成一个generator对象，然后用next()函数不断获得下一个返回值
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，odd不是普通函数，而是generator，在执行过程中，遇到yield就中断，下次又继续执行
#执行3次yield后，已经没有yield可以执行了，所以，第4次调用next(o)就报错。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：(???没怎么看懂）
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关于如何捕获错误，后面的错误处理还会详细讲解。
#做练习才！！！！！！！！！！！！！！！
#Notes
#加号+拼接
print('awf'+'wk')
awfwk #输出中间没有空格
#逗号，拼接
print('zwf','wk')
zwf wk#使用逗号拼接两者中间会多一个空格
#加号+ 两边只能是同类型的相加
#逗号， 两边可以是不同类型的，甚至是运算
#加号更多地理解为加号的运算，逗号更大程度上就是连接，将内容连接起来
def triangles():
L = [1]
while True:
yield L
L = [1] + [L[i] + L[i+1] for i in range(len(L)-1)] + [1]
from JJJtest1 import triangles
o=triangles()
#输出结果
next(o)
[1]
next(o)
[1, 1]
next(o)
[1, 2, 1]
next(o)
[1, 3, 3, 1]
next(o)
[1, 4, 6, 4, 1]
next(o)
[1, 5, 10, 10, 5, 1]
next(o)
[1, 6, 15, 20, 15, 6, 1]5. 迭代器 Iterator
- 生成器generator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。（generator有max iteration depth的限制？？？
- 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（可以无线不断返回下一个值）。
可以使用isinstance()判断一个对象是否是Iterator对象：
from collections import Iterable
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generator都是Iterator迭代器对象
但list、dict、str虽然是Iterable可迭代的，却不是Iterator迭代器。
把list、dict、str等Iterable可迭代类变成Iterator迭代器可以使用iter()函数：
isinstance(iter([]),Iterator)
True
isinstance(iter('abc'),Iterator)
True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。
小结
凡是可作用于for循环的对象都是Iterable可迭代类型；
凡是可作用于next()函数的对象都是Iterator迭代器类型，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，但是可以通过iter()函数获得一个Iterator对象。
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
