概述

所說高級特性包括切片、迭代、列表生成式、迭代器、生成器。

切片

Python學習一(基礎)中列表和元組的基本操作已經介紹，但如果要取得list或tuple的指定位置的部分元素。Python提供了切片(Slice)操作符。
列表L：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，直到索引3為止但不包括3。
如果第一個索引是0，可以省略L[:3]。如果什么都不寫L[:]就可以原樣復制一個list。
同樣，索引可以是負數：

>>> L[-2:]
['Bob', 'Jack']
>>> L[-2:-1]
['Bob']

還可以實現每隔n個元素取一個元素的操作：

>>> L = list(range(100))
>>> L
[0, 1, 2, 3, ..., 99]
#前十個元素每兩個取一個
>>> L[:10:2]
[0, 2, 4, 6, 8]

tuple也是一種list，因此tuple也可以用切邊操作，但結果依然是tuple。
字符串也可以看成是一種list，每個字符一是一個元素。

>>> '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.

>>> d = {'a',  2, 'c'}
>>> for x in d:
...     print(x)
...
'a'
2
'c'

如果需要同時獲得元素的下標可以使用enumerate函數

>>> for i, value in enumerate(['A', 'B', 'C']):
...     print(i, value)
...
0 A
1 B
2 C

Python的for循環不僅可以用在list或tuple上，還可以作用在其他可迭代對象上.

>>> d = {'a': 1, 'b': 2, 'c': 3}
>>> for key in d:
...     print(key)
...
a
c
b

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()。

>>> d = {'a': 1, 'b': 2, 'c': 3}
>>> for k,v in d.items():
...     print(k:v)
...
a:1
b:2
c:3

判斷一個對象是可迭代對象是通過collections模塊的Iterable類型判斷：

>>> 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) # 整數是否可迭代
False

列表生成式

有列表[0,1,2,3,4,5,6,7,8,9]，需求是把列表中每個元素都加一。
可以用for循環：

a = [1,3,4,6,7,7,8,9,11]

for index,i in enumerate(a):
    a[index] +=1
print(a)

但是可以用列表生成式更簡潔的實現：

>>> [x +1 for x in a]
[1,2,3,4,5,6,7,8,9,10]

寫列表生成式時將生成的元素x+1放在前面，for循環放在后邊，用[]括起來。
也可以使用兩層循環：

>>> [m + n for m in 'ABC' for n in 'XYZ']
['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']

利用列表生成式可以快速生成list，可以通過一個list推導出另一個list。

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，那我們可以在循環的過程中不斷推算出后續的元素。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 +1 for x in range(10)]
>>> L
[1, 2, 3, 4, 5, 6, 6, 8, 9, 10]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x1022ef630>

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。
一個一個打印出生成器的元素用 next()函數

>>> next(g)
1
>>> next(g)
2
>>> next(g)
3
>>> next(g)
4
>>> next(g)
5
>>> next(g)
6
>>> next(g)
7
>>> next(g)
8
>>> next(g)
9
>>> next(g)
10
>>> next(g)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

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.
我們創建了一個generator后，基本上永遠不會調用next()，而是通過for循環來迭代它，并且不需要關心StopIteration的錯誤。

>>> g = (x * x for x in range(10))
>>> for n in g:
...     print(n)
... 
0
1
4
9
16
25
36
49
64
81

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，例如著名的斐波拉契數列，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.....

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        print(b)
        a, b = b, a + b
        n = n + 1
    return 'done'
>>> fib(6)
1
1
2
3
5
8
'done'

要把fib函數變成generator，只需要把print(b)改為yield b就可以了：

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
    return 'done'

這就是定義generator的另一種方法。如果一個函數定義中包含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：

>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0>

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。

迭代器

我們已經知道，可以直接作用于for循環的數據類型有以下幾種：
一類是集合數據類型，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循環的對象統稱為可迭代對象：Iterable。
可以使用isinstance()判斷一個對象是否是Iterable對象。
而生成器不但可以作用于for循環，還可以被next()函數不斷調用并返回下一個值，直到最后拋出StopIteration錯誤表示無法繼續返回下一個值了。
可以被next()函數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：

>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True

你可能會問，為什么list、dict、str等數據類型不是Iterator？

這是因為Python的Iterator對象表示的是一個數據流，Iterator對象可以被next()函數調用并不斷返回下一個數據，直到沒有數據時拋出StopIteration錯誤。可以把這個數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()函數實現按需計算下一個數據，所以Iterator的計算是惰性的，只有在需要返回下一個數據時它才會計算。
Iterator甚至可以表示一個無限大的數據流，例如全體自然數。而使用list是永遠不可能存儲全體自然數的。