python的高级特性：切片，迭代，列表生成式，生成器，迭代器

python的高级特性：切片，迭代，列表生成式，生成器，迭代器

 #演示切片
 k="abcdefghijklmnopqrstuvwxyz"
 #取前5个元素
 k[0:5]
 k[:5]
 #后5个元素
 k[-5:]   #vwxyz
 #每隔一个取一个
 k[::2]  #acegikmoqsuwy
 #原样复制一个
 k[:]

 #演示迭代
 d={'a':1,'b':2,'c':3}
 for key in d:
     print(key)
 #结果输出abc, 即输出key， 而且要注意dict的迭代顺序不像list是顺序排列的

 for v in d.values():
     print(v)
 #按值输出， 1,2,3

 for k,v in d.items():
     print(k+":"+str(v))
 #按键值对输出，a:1,b:2,c:3

 ary=range(10)
 for i,v in enumerate(ary):
     print(str(i)+" "+str(v))
 #enumerate函数可以把一个list变为索引元素对，这样我们迭代元素就可以同时取得索引

 for x,y in [(1,1),(2,4),(3,7)]:
     print(x,y)
 #for循环里，引用两个变量是比较常见的

 #下面演示 列表生成式
 k=list(range(1,11))
 print(k)
 #显示 [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

 k=[x*x for x in range(1,11)]
 print(k)
 #显示 [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

 k=[x*(x+1) for x in range(1,11,2)]
 print(k)
 #显示 [2, 12, 30, 56, 90]

 #在列表生成器中我们还可以在后面附加if条件语句
 def toUppers(L):
     return [x.upper() for x in L if isinstance(x,str)]

 print(toUppers(['hello','world',100]))
 #显示 ['HELLO', 'WORLD']

 #在列表生成式中，也可以用多层 for 循环来生成列表
 print([m*100+n*10+z for m in range(1,10) for n in range(0,10)
        for z in range(1,10) if m*100+n*10+z==z*100+n*10+m])

 #结果
 #[101, 111, 121, 131, 141, 151, 161, 171, 181, 191, 202, 212, 222, 232, 242,
 # 252, 262, 272, 282, 292, 303, 313, 323, 333, 343, 353, 363, 373, 383, 393,
 #  404, 414, 424, 434, 444, 454, 464, 474, 484, 494, 505, 515, 525, 535, 545,
 # 555, 565, 575, 585, 595, 606, 616, 626, 636, 646, 656, 666, 676, 686, 696,
 # 707, 717, 727, 737, 747, 757, 767, 777, 787, 797, 808, 818, 828, 838, 848,
 # 858, 868, 878, 888, 898, 909, 919, 929, 939, 949, 959, 969, 979, 989, 999]

 print([m+n for m in 'ABC' for n in 'XYZ'])
 #结果  ['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']

 #列出当前目录下的所有文件与目录名
 import  os
 print([d for d in os.listdir('.')])

 #下面演示 生成器
 #生成器类似于C#中的滞后执行机制，只在迭代时占用资源。其目的是不会一次把
 #100万个列表一次载入内存。
 list1=[x*x for x in range(10)]
 print(list1)
 #输出 [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

 #下面的g就是一个生成器 generator
 g=(x*x for x in range(10))
 print(g)
 #输出  <generator object <genexpr> at 0x0000021FAC0A3B48>
 #如果要输出generator的每个元素，可以用next()函数
 print(next(g))  #
 print(next(g))  #
 print(next(g))  #
 #正常的方式还是使用forgrgi循环迭代对象
 for n in g:
     print(n)

 #斐波拉契数列生成的函数
 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)
 #输出 1 1 2 3 5 8

 #我们把上面的函数改成generator, 只需要把print(b) 改为yield b
 #这就是定义generator的另一种方法，一个函数中包含yield关键字，它就不
 #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)
 #输出 <generator object fib at 0x000001F82E3C3C50>

 #用for循环generator时，会发现拿不return的返回值，其实必须要捕获
 #StopIteration错误，才可以。
 g=fib(6)
 while True:
     try:
         x=next(g)
         print('g:',x)
     except StopIteration as e:
         print('Generator return value:',e.value)
         break;

 #输出
 #g: 1
 #g: 1
 #g: 2
 #g: 3
 #g: 5
 #g: 8
 #Generator return value: done

 #再举一个简单的例子，可以看到generator的执行流程
 def odd():
     print('step1')
     yield  1
     print('step2')
     yield (3)
     print('step3')
     yield (5)

 #调用
 o=odd()
 next(o)  #step1
 next(o)  #step2
 next(o)  #step3
 #next(o)  #StopIteration

 #总结一下：
 #能用于for循环的类型有
 #（一）集合类型  list,tuple,dict,set,str等
 #（二) generator, 包括生成器和带yield的generator function
 #这些对象统称为可迭代的对象: Iterable

 #可以使用isinstance判断一个对象是否是Iterable对象：
 from collections import Iterable
 print(isinstance([],Iterable))     #True
 print(isinstance('abc',Iterable)) #True
 print(isinstance(100,Iterable))  #False

 #而可以被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()判断是否为Iterator对象
 from collections import Iterator
 print(isinstance((x for x in range(10)),Iterator))
 print(isinstance([2,3,4],Iterator))

 #生成器都是Iterator对象，但是list,dict,str虽然是Iterable，去不是Iterator
 #把list,dict,str转为Iterator可以使用iter()函数
 print(isinstance(iter('abcdefg'),Iterator))
 #结果  True

 #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是不可能存储全体自然数的