本文为学习笔记，参考资料《廖雪峰-Python3教程》
目录
- 切片
- 迭代
- 列表生成式
- 生成器
- 迭代器
掌握了 Python 的数据类型、语句和函数，基本上就可以编写出很多有用的程序了。但是我们还需要掌握 Python 的一些高级特性，精简代码。一行代码能实现的功能，绝不写 5 行代码。Python 的高级特性：切片，迭代，列表生成式，生成器，迭代器。
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。取前 3 个元素，用一行代码就可以完成切片：
注意：tuple 也是一种 list，唯一区别是 tuple 不可变。因此， tuple 也可以用切片操作，只是操作的结果仍是 tuple：
迭代
只要是可迭代对象，都可以用切片、索引、enumarate 等操作。
如果给定一个 list 或 tuple，我们可以通过 for 循环来遍历这个 list 或tuple，这种遍历我们称为迭代（Iteration），迭代时 Python 最强大的功能之一，是访问集合元素的一种方式。list 这种数据类型虽然有下标，但很多其他数据类型是没有下标的，但是，只要是可迭代对象，无论有无下标，都可以迭代，比如 dict 就可以迭代：
因为 dict 的存储不是按照 list 的方式顺序排列，所以，迭代出的结果顺序很可能不一样（key 是无序的）。默认情况下， dict 迭代的是 key。
- 如果要迭代 value，可以用 for value dict.values()。
- 如果要同时迭代 key 和 value，可以用 for k, v in dict.items()。 想要使用 dict 时，Key 是有序的，可以用 OrderedDict，如下：
字符串也是可迭代对象，因此，也可以作用于for 循环：
所以，当我们使用 for 循环时，只要作用于一个可迭代对象， for 循环就可以正常运行，而我们不太关心该对象究竟是 list 还是其他数据类型。可通过 collections 模块的 Iterable 类型判断一个对象是否可迭代。list，tuple，dict，字符串对象都是可迭代对象。注意：Python 内置的 enumerate 函数可以把一个 list 变成索引-元素对，这样就可以在 for 循环中迭代索引和列表元素本身。例子如下：
列表生成式
列表生成式即 List Comprehensions，是 Python 内置的非常简单却强大的可以用来创建 list 的生成式，可以让代码更简洁好看。比如实际项目中，如果碰到需要改变列表（迭代器）元素值的情况，简单写法是用 for 循环遍历出元素，然后处理，但是当循环体的代码只有一行或者比较简单时，可以考虑用列表生成式的高级写法代替原先的简单写法，让代码更简洁。如以下代码可用列表生成式写法代替：
>>> L = []>>> for x in range(1, 11):... L.append(x * x)...>>> L[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]很明显，上述代码的循环太繁琐，而列表生成式则可以用一行语句代替循环生成上面的 list。写列表生成式时，我们把要生成的元素 x * x 放到前面，后面跟 for 循环，就可以把 list 创建出来，代码如下。
对于两层 for 循环的情况左边的循环是外层循环，右边的循环是内层循环，三层和三层以上的循环也等效，不过实际项目中很少用到。运用列表生成式，可以写出非常简洁的代码。例如，把一个 list 中所有的字符串变成小写，可以通过一行代码实现：
Python列表生成式配合 if else
代码示例如下：
print([i for i in range(10) if i%2 == 0])print([i if i == 0 else 100 for i in range(10)])程序输出如下：
[0, 2, 4, 6, 8] [0, 100, 100, 100, 100, 100, 100, 100, 100, 100]
列表生成式和和 zip 函数结合使用
语法：[expression for x, y in zip(list1, list2)]， 列表 list1 和 list2 长度要相等，如果不相等，则按照小的列表长度来遍历元素。 示例代码如下：
import numpy as nplist1 = np.arange(0,51) # 创建序列数组list2 = np.linspace(0, 100,51, dtype=int)ret1 = [x1+y1 for x1,y1 in zip(list1, list2)] # 列表 list1 和 list2 长度相等print(ret1, len(ret1))程序运行结果如下：
[0, 3, 6, 9, 12, 15, 18, 21, 24, 27, 30, 33, 36, 39, 42, 45, 48, 51, 54, 57, 60, 63, 66, 69, 72, 75, 78, 81, 84, 87, 90, 93, 96, 99, 102, 105, 108, 111, 114, 117, 120, 123, 126, 129, 132, 135, 138, 141, 144, 147, 150] 51
小结
运用列表生成式，可以快速生成 list，可以通过一个 list 推导出另一个 list，而代码却十分简洁。 在一个列表生成式中，for 前面的 ...if ... else... 是三元表达式写法，而 for 后面的 if 是过滤条件，不能带 else。注意：列表生成式只能判断最最基础的 if else 语句，不适用于 elif 语句。
>>> [x for x in range(1, 11) if x % 2 == 0][2, 4, 6, 8, 10]>>> [x if x % 2 == 0 else -x for x in range(1, 11)][-1, 2, -3, 4, -5, 6, -7, 8, -9, 10]
迭代器
先了解下什么是可迭代对象（Iterable）。我们知道，可以直接作用于 for 循环的数据类型有以下几种：
- 一类是集合数据类型，如 list、 tuple、 dict、 set、 str 等；
- 一类是 generator，包括生成器和带 yield 的 generator function。
这些可以直接作用于 for 循环的对象统称为可迭代对象： Iterable：
- 迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退。
- 迭代器有两个基本的方法：iter() 和 next()。
- 字符串，列表或元组对象都可用于创建迭代器
可以使用 isinstance() 判断一个对象是否是 Iterable 对象：
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。可以使用 isinstance()判断一个对象是否是 Iterator 对象： 把 list、 dict、 str 等 Iterable 变成 Iterator 可以使用 iter()函数：
为什么 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， 迭代器 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 。
小结
- 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。
生成器（Generator）
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。
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：
g = (x*x for x in np.arange(10))创建列表生成式 L 和 迭代器 g 的区别仅在于最外层的 [] 和 ()， L 是一个 list，而 g 是一个generator。除了用列表生成式的 for 循环方式创建 generator，还可以使用函数来实现，在 Python 中，使用了 yield 的函数被称为生成器（generator）。
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。如用 yield 实现斐波那契数列生成器函数：
斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到。
import sysdef fibonacci(n): # 生成器函数 - 斐波那契 a, b, counter = 0, 1, 0 while True: if (counter > n): return yield a a, b = b, a + b counter += 1f = fibonacci(10) # f 是一个迭代器，由生成器返回生成while True: try: print (next(f), end=" ") except StopIteration: sys.exit()程序输出如下：
0 1 1 2 3 5 8 13 21 34 55
小结
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。
参考资料