python学习笔记（三）---高级特性
一、切片
取无数多个list元素 不用一个个取得笨方法就用切片
对这种经常取指定索引范围的操作，用循环十分繁琐，因此，Python提供了切片（Slice）操作符，能大大简化这种操作。
对应上面的问题，取前3个元素，用一行代码就可以完成切片：
记住倒数第一个元素的索引是-1，第一个数的索引是0
#1.传统方法
L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']
R = []
#取前N个元素，也就是索引为0-(N-1)的元素，可以用循环
n=3
for i in range(n):
R.append(L[i])
print( R )
#2 切片方法
print( L[0:3] )
print( L[:3] )
print( L[-2:] )
print( L[-2:-1] )
#切片操作十分有用。我们先创建一个0-99的数列
L = list(range(100))
print("前10个数")
print ( L[:10])
print("\n前10个数 隔2个取1个数")
print ( L[:10:2])
print("\n所有数，正向，每10个取一个数")
print(L[::10])
print("后10个数")
print(L[-10:])
print('直接定义取几个数')
print ( 'ABCDEFG'[:3] )
print ( 'ABCDEFG'[::2] )
print((0, 1, 2, 3, 4, 5)[:3])
print( L[:] )
其实是substring
二、迭代
给定一个对象（tuple、list、dict、string字符串），我们可以通过for循环来遍历，这种遍历我们称为迭代（Iteration）
在Python中，迭代是通过以下内容来完成的
for ... in
只要当前对象是可迭代对象，则for循环就可正常运行，判断当前对象是否可迭代,且对当前对象进行迭代
# -*- coding: utf-8 -*-
#判断当前对象是否为可迭代对象
from collections import Iterable 运行会出现如下警告
DeprecationWarning: Using or importing the ABCs from 'collections' instead of from 'collections.abc' is deprecated since Python 3.3, and in 3.10 it will stop working
from collections import Iterable
弃用警告：从collections中导入ABCs已被弃用，并在python3.8中将停止工作，可使用collections.abc代替它进行使用
from collections.abc import Iterable
#1.str是否可迭代
print(isinstance('abc', Iterable))
#2.list是否可迭代
print(isinstance([1,2,3],Iterable))
#3.tuple是否可迭代
print(isinstance((1,2,3),Iterable))
#1.迭代打印list for i in [4,5,6]: print(i) #2.迭代打印tuple for i in (6,7,8): print (i) #3.迭代打印dict #使用当前的迭代可以输出key、输出value、输出key和value d={'a':1,'b':2,'c':3} for value in d.values(): print(value) for key in d.keys(): print(key) for key,value in d.items(): print (key,value) for x,y in [(1,1),(2,4),(3,9)]: print(x,y) #4.迭代字符串 for i in 'ABC': print (i)
结果：
三、列表生成式
print('1.生成顺序的数字列表生成式')
print( list(range(1,11)) )
print('2.生成循环x的平方列表生成式 并 筛选出偶数的平方')
#出现问题print(x * x for x in range(1,11)if x%2==0) <generator object <genexpr> at 0x000002B0B4E9BF20>
#当前生成list外层需要中括号括起来
a=[x * x for x in range(1,11)if x%2==0]
print(a)
print('3.两层循环 全排列 实现 拼接字符')
b=[x+y for x in 'ABC' for y in 'XYZ']
print(b)
print('4.调用dict输出2个变量 实现 拼接字符')
dict={'A':'x','B':'Y','C':'Z'}
c=[x+y for x,y in dict.items()]
print(c)
print('5.把list的所有字符串变成小写')
d=['ABBY','AMY','BOBBY','JIMMY']
d=[i.lower() for i in d ]
print(d)
print('6.输出文件中的所有文件和目录')
import os
print( [e for e in os.listdir('.')] )
结果：
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。
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。
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。
请注意区分普通函数和generator函数，普通函数调用直接返回结果：
>>> r = abs(6)
>>> r
6
generator函数的“调用”实际返回一个generator对象：
>>> g = fib(6)
>>> g
<generator object fib at 0x1022ef948>fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator
#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
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
return 'done'
f=fib(6)
print(f)
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，如下面这个函数显示的内容一样。
def odd():
print('step 1')
yield 1
print('step 2')
yield(3)
print('step 3')
yield(5)
o=odd()
next(o)
next(o)
next(o)
next(o)
回到fib的例子，我们在循环过程中不断调用yield，就会不断中断。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来。
同样的，把函数改成generator后，我们基本上从来不会用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)
#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
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
return 'done'
# f=fib(6)
# print(f)
print('第一种打印方式')
for n in fib(6):
print(n)
#使用这种方式没有办法打印出真的值
print('第二种打印方式')
f=fib(6)
next(f)
#当前使用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 返回值在Iteration的value中
print('第三种打印方式')
g=fib(6)
while True:
try:
x=next(g)
print('g:',x)
except StopIteration as e:
print('Generator return value:',e.value)
break
结果
五、迭代器
什么是迭代器？可以直接作用于for循环的对象统称为可迭代对象：Iterable，包括
1.集合类数据类型：list、tuple、dict、set、str
2.generator：包括生成器和带yield的generator function
怎么判断是迭代器？
from collections.abc import Iterable
print(isinstance([], Iterable))
print(isinstance((), Iterable))
print(isinstance('abc', Iterable))
print(isinstance((x for x in range(10)), Iterable))
生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。
把list、dict、str等Iterable变成Iterator可以使用iter()函数：
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。
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。
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
# 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
