# 高级特性
[TOC]
## 切片
```python
L = list(range(100))
L[0:3] # 取前3个元素
L[:3] # 第一个索引是0，还可以省略
L[-2:] # 取倒数两个
L[-2:-1]; # 取倒数第一个元素
L[10:20]; # 取十到二十个
L[:10:2] # 前10个数，每两个取一个
L[::5] # 所有数，每5个取一个
L[:] # 原样复制一个list
(0, 1, 2, 3, 4, 5)[:3] # tuple也是一种list,tuple也可以用切片操作
'ABCDEFG'[::2] # ACEG 字符串也可以看成是一种list，每个元素就是一个字符
```
## 迭代
```python
list = list(range(100))
for v in list:
print(v)
# dict的迭代只能迭代出key
d = {'a': 1, 'b': 2, 'c': 3}
for key in d:
print(key)
# 如果要同时迭代key和value，可以用for k, v in d.items()
d = {'a': 1, 'b': 2, 'c': 3}
for k,v in d.items():
print(k, ':', v)
# 判断可迭代对象
from collections import Iterable
isinstance('abcdefg',Iterable) # True
isinstance([1,2,3], Iterable) # True
isinstance(123, Iterable) # False
# Python内置的enumerate函数可以把一个list变成索引-元素对
for i, value in enumerate(['A', 'B', 'C']):
print(i, value)
# 迭代出list中的tuple
for x, y in [(1, 1), (2, 4), (3, 9)]:
print(x, y)
```
### 列表生成式
```python
# 生成[1x1, 2x2, 3x3, ..., 10x10]
# [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
[x * x for x in range(1, 11)]
# 只生成偶数的
[x * x for x in range(1,20) if x % 2 == 0]
# 双层遍历输出 ['Ax', 'Ay', 'Az', 'Bx', 'By', 'Bz', 'Cx', 'Cy', 'Cz']
[m+n for m in 'ABC' for n in 'xyz']
# 列出cmd-markdown目录下的所有文件和目录名
import os
[d for d in os.listdir('../cmd-markdown')]
# 变小写
L = ['Hello', 'World', 'IBM', 'Apple']
[s.lower() for s in L]
# 只对字符串变小写
L = ['Hello', 'World', 18, 'Apple', None]
[s.lower() for s in L if isinstance(s , str)]
# 通过列表生成式生成
def func(name):
args = {'zxg' : 'name','caiwen' : 'nickname', 'gangge' : 'membername'}
return args[name];
names = ['zxg','caiwen','gangge']
dict1 = {func(name) : name for name in names} # {'name': 'zxg', 'nickname': 'caiwen', 'membername': 'gangge'}
dict2 = {name for name in names} # 变成集合，具有无序的特性
```
### 生成器（generator）
1. generator保存的是算法
2. 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
```python
# 创建一个generator: 把一个列表生成式的[]改成();
L = [x * x for x in range(10)] # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
g = (x * x for x in range(10)) # <generator object <genexpr> at 0x00000294CD5DA468>
for n in g:
print(n)
# 斐波拉契数列 : 1, 1, 2, 3, 5, 8, 13, 21, 34, ...
def fib(max):
c , p , n = 0 , 0 , 1
while c < max:
yield n # yield n 变成generator
p , n = n , n + p
c += 1
return 'done'
for v in fib(9):
print(v)
# <generator object fib at 0x0000012EE03EA468>
g = fib(10);
```
在 for 循环执行时，每次循环都会执行 fib 函数内部的代码，执行到 yield n 时，fib 函数就返回一个迭代值，**下次迭代时，代码从 yield n 的下一条语句继续执行**，而函数的本地变量看起来和上次中断执行前是完全一样的，于是函数继续执行，直到再次遇到 yield。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次，每次中断都会通过 yield 返回当前的迭代值。
#### yield 与 return
yield和return都是用在函数体中，但是yield表示生成（类似输出），而return是结束并返回值
#### yield from
使用`yield from`语法可以把复杂的生成器重构成小型的嵌套生成器，省去之前把生成器的工作委托给子生成器所需的大量模板代码。
```python
def fab3(max):
n, a, b = 0, 0, 1
while n < max:
yield b
# print b
a, b = b, a + b
n = n + 1
# yield from iterable本质上等于for item in iterable: yield item的缩写版
# 不使用yield from iterable
def f_wrapper1(f):
for g in f:
yield g
# 生成器fab3(5再委托给子生成器f_wrapper1(f)
wrap = f_wrapper1(fab3(5))
for i in wrap:
print(i,end=' ')
# 使用yield from iterable
def f_wrapper2(f):
yield from f
wrap = f_wrapper2(fab3(5))
for i in wrap:
print(i,end=' ')
# yield from包含多个子程序
def g(x):
yield from range(x, 0, -1)
yield from range(x)
print(list(g(6)))
print(list(g(10)))
for g in g(6):
print(g,end=' ')
```
### 迭代器
1. 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。生成器都是Iterator对象
1. 可以使用isinstance()判断一个对象是否是Iterator对象
1. 注意：**list、dict、str虽然是Iterable，却不是Iterator**。因为Iterator可以表示无限大的数据流，而其它集合数据却不可以
1. 把list、dict、str等Iterable变成Iterator可以使用iter()函数：
```python
from collections import Iterator
isinstance(iter([]), Iterator) # True
isinstance(iter('abc'), Iterator) # True
```
> 1. 凡是可作用于for循环的对象都是Iterable类型
> 1. 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；
