切片
切片:取指定索引范圍的操作
L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']
取前三個元素
>>> L[0:3]
['Michael', 'Sarah', 'Tracy']
#L[0:3]表示，從索引0開始取，直到索引3為止，但不包括索引3。即索引0，1，2，正好是3個元素
#如果是0也可以省略.即L[:3]
Python支持L[-1]取倒數(shù)第一個元素，那么它同樣支持倒數(shù)切片
>>> L[-2:]
['Bob', 'Jack']
>>> L[-2:-1]
['Bob']
切片操作十分有用。我們先創(chuàng)建一個0-99的數(shù)列：
>>> L = list(range(100))
>>> L
[0, 1, 2, 3, ..., 99]
可以通過切片輕松取出某一段數(shù)列。比如前10個數(shù)：
>>> L[:10]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
后十個數(shù)
>>>L[-10:]
[90, 91, 92, 93, 94, 95, 96, 97, 98, 99]
前11-20個數(shù)：
>>>L[10:20]
[10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
前10個數(shù)，每兩個取一個：
>>>L[:10:2]
[0, 2, 4, 6, 8]
所有數(shù)，每5個取一個：
>>>L[::5]
[0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]
將一個字符串反向輸出
>>>str = 'abcd'
>>>str2 = str[::-1]
>>>print(str2)
dcba
tuple也是一種list，唯一區(qū)別是tuple不可變。因此，tuple也可以用切片操作，只是操作的結果仍是tuple：
>>> (0, 1, 2, 3, 4, 5)[:3]
(0, 1, 2)
字符串'xxx'也可以看成是一種list，每個元素就是一個字符。因此，字符串也可以用切片操作，只是操作結果仍是字符串：
>>> 'ABCDEFG'[:3]
'ABC'
>>> 'ABCDEFG'[::2]
'ACEG'
迭代
如果給定一個list或tuple，我們可以通過for循環(huán)來遍歷這個list或tuple，這種遍歷我們稱為迭代（Iteration）。
在Python中，迭代是通過for ... in來完成的,和swift和OC里的for ... in類似.
>>> d = {'a': 1, 'b': 2, 'c': 3}
>>> for key in d:
... print(key)
...
a
b
c
#因為dict的存儲不是按照list的方式順序排列，所以，迭代出的結果順序很可能不一樣。
默認情況下，dict迭代的是key。如果要迭代value，可以用for value in d.values()，如果要同時迭代key和value，可以用for k, v in d.items()。
for k, v in d.items():
print(k,v)
a ,1
b ,2
c ,3
由于字符串也是可迭代對象，因此，也可以作用于for循環(huán)：
>>> for ch in 'ABC':
... print(ch)
...
A
B
C
所以，當我們使用for循環(huán)時，只要作用于一個可迭代對象，for循環(huán)就可以正常運行，而我們不太關心該對象究竟是list還是其他數(shù)據類型。
判斷是否為可迭代對象
>>> from collections 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) # 整數(shù)是否可迭代
False
如果要對list實現(xiàn)類似Java那樣的下標循環(huán)怎么辦？Python內置的enumerate函數(shù)可以把一個list變成索引-元素對，這樣就可以在for循環(huán)中同時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
列表生成式
列表生成式即List Comprehensions，是Python內置的非常簡單卻強大的可以用來創(chuàng)建list的生成式。
要生成list [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]可以用list(range(1, 11))：
>>> list(range(1, 11))
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
要生成[1x1, 2x2, 3x3, ..., 10x10]:
>>> [x * x for x in range(1, 11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
篩選出僅偶數(shù)的平方:
>>> [x * x for x in range(1, 11) if x % 2 == 0]
[4, 16, 36, 64, 100]
列表生成式也可以使用兩個變量來生成list：
>>> d = {'x': 'A', 'y': 'B', 'z': 'C' }
>>> [k + '=' + v for k, v in d.items()]
['y=B', 'x=A', 'z=C']
L = ['Hello', 'World', 18, 'Apple', None]
將L的所有字符串變成小寫輸出,輸出結果:['hello', 'world', 'apple']
>>>[x.lower() for x in L if isinstance(x,str)]
['hello', 'world', 'apple']
生成器
通過列表生成式，我們可以直接創(chuàng)建一個列表。但是，受到內存限制，列表容量肯定是有限的。而且，創(chuàng)建一個包含100萬個元素的列表，不僅占用很大的存儲空間，如果我們僅僅需要訪問前面幾個元素，那后面絕大多數(shù)元素占用的空間都白白浪費了。
所以，如果列表元素可以按照某種算法推算出來，那我們是否可以在循環(huán)的過程中不斷推算出后續(xù)的元素呢？這樣就不必創(chuàng)建完整的list，從而節(jié)省大量的空間。在Python中，這種一邊循環(huán)一邊計算的機制，稱為生成器：generator。
一丶創(chuàng)建一個generator:把一個列表生成式的[]改成()，就創(chuàng)建了一個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 0x1022ef630>
#創(chuàng)建L和g的區(qū)別僅在于最外層的[]和()，L是一個list，而g是一個generator。
generator保存的是算法，每次調用next(g)，就計算出g的下一個元素的值，直到計算到最后一個元素，沒有更多的元素時，拋出StopIteration的錯誤。但是我們創(chuàng)建了一個generator后，基本上永遠不會調用next()，而是通過for循環(huán)來迭代它，并且不需要關心StopIteration的錯誤。
二丶定義generator的另一種方法。如果一個函數(shù)定義中包含yield
關鍵字，那么這個函數(shù)就不再是一個普通函數(shù)，而是一個generator
#斐波拉契數(shù)列（Fibonacci）
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和函數(shù)的執(zhí)行流程不一樣。函數(shù)是順序執(zhí)行，遇到return
語句或者最后一行函數(shù)語句就返回。而變成generator的函數(shù)，在每次調用next()的時候執(zhí)行，遇到yield語句返回，再次執(zhí)行時從上次返回的yield語句處繼續(xù)執(zhí)行
迭代器
可以直接作用于for循環(huán)的數(shù)據類型有以下幾種：
一類是集合數(shù)據類型，如list、tuple、dict、set、str等；
一類是generator，包括生成器和帶yield的generator function。
這些可以直接作用于for循環(huán)的對象統(tǒng)稱為可迭代對象：Iterable。
可以使用isinstance()判斷一個對象是否是Iterable對象：
>>> from collections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance('abc', Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100, Iterable)
False
而生成器不但可以作用于for循環(huán)，還可以被next()函數(shù)不斷調用并返回下一個值，直到最后拋出StopIteration錯誤表示無法繼續(xù)返回下一個值了。
可以被next()函數(shù)調用并不斷返回下一個值的對象稱為迭代器：Iterator。
可以使用isinstance()判斷一個對象是否是Iterator對象：
>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False
生成器都是Iterator對象，但list、dict、str雖然是Iterable，卻不是Iterator。把list、dict、str等Iterable變成Iterator可以使用iter()函數(shù)：
>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True
**
為什么list、dict、str等數(shù)據類型不是Iterator？
**
這是因為Python的Iterator對象表示的是一個數(shù)據流，Iterator對象可以被next()函數(shù)調用并不斷返回下一個數(shù)據，直到沒有數(shù)據時拋出StopIteration錯誤。可以把這個數(shù)據流看做是一個有序序列，但我們卻不能提前知道序列的長度，只能不斷通過next()函數(shù)實現(xiàn)按需計算下一個數(shù)據，所以Iterator的計算是惰性的，只有在需要返回下一個數(shù)據時它才會計算。
Iterator甚至可以表示一個無限大的數(shù)據流，例如全體自然數(shù)。而使用list是永遠不可能存儲全體自然數(shù)的。
