掌握了Python的數據類型、語句和函數，基本上就可以編寫出很多有用的程序了。
比如構造一個1, 3, 5, 7, ..., 99的列表，可以通過循環實現：
L = []
n = 1
while n <= 99:
L.append(n)
n = n + 2
取list的前一半的元素，也可以通過循環實現。
在Python中，代碼不是越多越好，而是越少越好。代碼不是越復雜越好，而是越簡單越好。
基于這一思想，我們來介紹Python中非常有用的高級特性，一行代碼能實現的功能，決不寫5行代碼。
切片
切片是指取指定索引范圍的操作，如：
>>> L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']
>>> L[0:3] #取list的0到3個元素，不包括第三個，相當于坐閉右開區間
['Michael', 'Sarah', 'Tracy']
>>> L[:3] #索引默認是從0開始的，所以第一個索引是0可以省略
['Michael', 'Sarah', 'Tracy']
>>> L[1:3] #取L的1到3個元素
['Sarah', 'Tracy']
>>> L[-2:] #從倒數第二個元素開始取，倒數第一個元素是-1
切片操作十分有用。我們先創建一個0-99的數列：
>>> L = range(100)
>>> L
[0, 1, 2, 3, ..., 99]
可以通過切片輕松取出某一段數列。比如前10個數：
>>> L[:10]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
后10個數：
>>> L[-10:]
[90, 91, 92, 93, 94, 95, 96, 97, 98, 99]
前11-20個數：
>>> L[10:20]
[10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
前10個數，每兩個取一個：
>>> L[:10:2]
[0, 2, 4, 6, 8]
所有數，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]
甚至什么都不寫，只寫[:]
就可以原樣復制一個list：
>>> L[:]
[0, 1, 2, 3, ..., 99]
tuple也是一種list，同樣可以切片，只是操作返回結果還是tupl
字符串'xxx'或Unicode字符串u'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'
總結：對于一個list、tuple或者字符串可以使用[x:y:z]進行切片，對list切片返回結果是list，對tuple切片，返回結果還是tuple，對字符串切片返回結果函數字符串。第一個參數x表示從哪開始取，可以是負數，負數表示從倒數第幾個開始。省略時默認是0，規定第一個元素的索引為0，倒數第一個（最后一個）索引為-1；第二個參數是取到第幾個但是不包括這個元素，同樣可以為負數，省略表示取到最后；第三個參數可以省略不寫，表示每隔幾個取一次
在很多編程語言中，針對字符串提供了很多各種截取函數，其實目的就是對字符串切片。Python沒有針對字符串的截取函數，只需要切片一個操作就可以完成，非常簡單。
迭代
通過for循環遍歷list或者tuple成為迭代。迭代是通過for...in...完成的
除了list和tuple外，還有很多其他數據類型是沒有下標的，但是，只要是可迭代對象，無論有無下標，都可以迭代：
>>> d = {'a' : 1, 'b' : 2, 'c' : 3}
>>> for key in d:
... print key
...
a
c
b
因為dict存儲不像list一樣按順序排列，所以，迭代出的結果順序可能不一樣。
對dict迭代，默認迭代的是key，如果要迭代value，可以用for value in d.itervalues()，如果要同時迭代key和value，可以使用for k, v in d.iteritems()
d = {'a':'A','b':'B','c':'C'}
for k,v in d.iteritems():
print k,v
同樣，字符串也是可迭代對象，也可以進行迭代：
>>> for ch in 'ABC':
... print ch
...
A
B
C
可以使用collections模塊的lterable類型判斷一個對象是否可以進行迭代：
from collections import Iterable
isinstance('abc', Iterable) #結果為True
isinstance(123, Iterable) #結果為False
如果想對list實現類似C語言的下標循環，可以使用Python內置的函數enumerate()把一個list變成索引的形式，這樣就可以迭代出索引了：
>>> for i, value in enumerate(['A', 'B', 'C']):
... print i, value
...
0 A
1 B
2 C
在for循環中利用兩個變量還可以這樣：
>>> for x, y in [(1, 1),(2, 4),(3, 9)]:
... print x, y
...
1 1
2 4
3 9
列表生成式
列表生成式是python內置的可以用來創建list的生成式，如：
生成1到10每個數的平方，可以這樣：
>>> [x * x for x in range(1, 11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
列表生成式的寫法：使用方括號[]，把要生成的元素放到最前邊，可以是變量，也可以是表達式，后邊跟for循環，就可以創建一個list了，如果需要，后邊還可以加上if語句進行判斷。如：
生成1到10中僅偶數的平方
>>> [x * x for x in range(1, 11) if x % 2 == 0]
[4, 16, 36, 64, 100]
還可以使用兩層循環，生成全排列：
>>> [m + n for m in 'ABC' for n in 'XYZ']
['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']
運用列表生成式，可以寫出非常簡潔的代碼。例如，列出當前目錄下的所有文件和目錄名，可以通過一行代碼實現：
>>> import os # 導入os模塊，模塊的概念后面講到
>>> [d for d in os.listdir('.')] # os.listdir可以列出文件和目錄
['.emacs.d', '.ssh', '.Trash', 'Adlm', 'Applications', 'Desktop', 'Documents', 'Downloads', 'Library', 'Movies', 'Music', 'Pictures', 'Public', 'VirtualBox VMs', 'Workspace', 'XCode']
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.iteritems()]
['y=B', 'x=A', 'z=C']
把一個list中所有的字符串變成小寫：
>>> L = ['Hello', 'World', 'IBM', 'Apple']
>>> [s.lower() for s in L]
['hello', 'world', 'ibm', 'apple']
如果這個list中既包含字符串，又包含整數，由于非字符串沒有lower()方法，所以會報錯，可以這樣修改：
[s.lower() if isinstance(x, str) else s for s in L]
如果這樣寫就會報錯：
[s.lower() for s in L if isinstance(x, str) else s]
列表生成式后面只能有if不能有else：
[process(x) for x in L if should_keep(x)]
因為這個if是說“要不要保留x”，加個else整個邏輯就沒法解釋了
但是for前面的process(x)是可以用if...else來寫的：
[x if x > 0 else -x for x in L]
相當于：
def process(x):
return x if x > 0 else -x
[process(x) for x in L]
生成器
通過列表生成式，我們可以直接創建一個列表。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的過程中不斷推算出后續的元素呢？這樣就不必創建完整的list，從而節省大量的空間。在Python中，這種一邊循環一邊計算的機制，稱為生成器（Generator）。
要創建一個generator，有很多種方法。第一種方法很簡單，只要把一個列表生成式的[]改成()，就創建了一個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 0x104feab40>
創建L和g的區別僅在于最外層的[]和()，L是一個list，而g是一個generator。
list中的元素可以直接打印出來，generator中的只能通過next()方法打印，generator類似于一個鏈表，每調用一次next()方法，就計算出下一個元素的值，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。
>>> g.next()
0
>>> g.next()
1
>>> g.next()
4
>>> g.next()
9
>>> g.next()
16
>>> g.next()
25
>>> g.next()
36
>>> g.next()
49
>>> g.next()
64
>>> g.next()
81
>>> g.next()
Traceback (most recent call last): File "<stdin>", line 1, in <module>StopIteration
這種不斷調用next()方法的迭代太復雜了，其實generator也是可迭代對象，可以使用for循環遍歷
>>> g = (x * x for x in range(10))
>>> for n in g
:... print n,
...
0 1 4 9 16 25 36 49 64 81
generator非常強大。如果推算的算法比較復雜，用類似列表生成式的for
循環無法實現的時候，還可以用函數來實現。
比如著名的斐波拉契數列（Fibonacci），除第一個和第二個數外，任意一個數都可由前兩個數相加得到：
1, 1, 2, 3, 5, 8, 13, 21, 34, ...
斐波拉契數列用列表生成式寫不出來，可以用函數實現：
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
這個函數定義中包含yield關鍵字，那么這個函數就不再是一個普通函數，而是一個generator：
>>> fib(6)
<generator object fib at 0x104feaaa0>
這里，最難理解的就是generator和函數的執行流程不一樣。函數是順序執行，遇到return語句或者最后一行函數語句就返回。而變成generator的函數，在每次調用next()的時候執行，遇到yield語句返回，再次執行時從上次返回的yield語句處繼續執行。
使用for循環迭代：
>>> for n in fib(6):
... print n,
...
1 1 2 3 5 8
再舉個簡單的例子，定義一個generator，依次返回數字1，3，5：
>>> def odd():
... print 'step 1'
... yield 1
... print 'step 2'
... yield 3
... print 'step 3'
... yield 5
...
>>> o = odd()
>>> o.next()
step 1
1
>>> o.next()
step 2
3
>>> o.next()
step 3
5
>>> o.next()
Traceback (most recent call last): File "<stdin>", line 1, in <module>StopIteration
可以看到，odd不是普通函數，而是generator，在執行過程中，遇到yield就中斷，下次又繼續執行。執行3次yield后，已經沒有yield可以執行了，所以，第4次調用next()就報錯。
小結：要理解generator的工作原理，它是在for循環的過程中不斷計算出下一個元素，并在適當的條件結束for循環。對于函數改成的generator來說，遇到return語句或者執行到函數體最后一行語句，就是結束generator的指令，for循環隨之結束。
end
