切片

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。

如果第一個索引是0，還可以省略：

>>> L =['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']
>>> L[:3] ['Michael', 'Sarah', 'Tracy'] 也可以從索引1開始，取出2個元素出來： >>> L[1:3] ['Sarah', 'Tracy'] 類似的，既然Python支持L[-1]取倒數第一個元素，那么它同樣支持倒數切片， >>> L[-2:] ['Bob', 'Jack'] >>> L[-2:-1] ['Bob'] 記住倒數第一個元素的索引是-1。

切片操作十分有用。我們先創建一個0-99的數列：

>>> L = list(range(100)) [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]

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，唯一區別是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' 在很多編程語言中，針對字符串提供了很多各種截取函數（例如，substring），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。 S = "abcdefg" print(S[:2]) # ab print(S[::2]) # aceg print(S[::3]) # adg?

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，而很多語言比如C或者Java，迭代list是通過下標完成的，Python的for循環抽象程度要高于Java的for循環，因為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。

list這種數據類型雖然有下標，但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，比如dict就可以迭代：

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

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()。

由于字符串也是可迭代對象，因此，也可以作用于for循環：

>>> for ch in 'ABC': ... print(ch) ... A B C

所以，當我們使用for循環時，只要作用于一個可迭代對象，for循環就可以正常運行，而我們不太關心該對象究竟是list還是其他數據類型。

那么，如何判斷一個對象是可迭代對象呢？方法是通過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

如果要對list實現類似Java那樣的下標循環怎么辦？Python內置的enumerate函數可以把一個list變成索引-元素對，這樣就可以在for循環中同時迭代索引和元素本身：

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

上面的for循環里，同時引用了兩個變量，在Python里是很常見的，比如下面的代碼：

>>> for x, y in [(1, 1), (2, 4), (3, 9)]: ... print(x, y)

任何可迭代對象都可以作用于for循環，包括我們自定義的數據類型，只要符合迭代條件，就可以使用for循環。

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建list的生成式。

舉個例子，要生成list?[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]可以用list(range(1, 11))

生成[1x1, 2x2, 3x3, ..., 10x10]怎么做？方法一是循環：

>>> L = [] >>> for x in range(1, 11): ... L.append(x * x) ... >>> L [1, 4, 9, 16, 25, 36, 49, 64, 81, 100] 列表生成式則可以用一行語句代替循環生成上面的list([1x1, 2x2, 3x3, ..., 10x10])： [x * x for x in range(1, 11)] 寫列表生成式時，把要生成的元素x * x放到前面，后面跟for循環，就可以把list創建出來

for循環后面還可以加上if判斷，這樣我們就可以篩選出僅偶數的平方：

>>> [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，可以生成全排列：

>>> [m + n for m in 'ABC' for n in 'XYZ'] ['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ'] 三層和三層以上的循環就很少用到 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']

for循環其實可以同時使用兩個甚至多個變量，比如dict的items()可以同時迭代key和value：

>>> d = {'x': 'A', 'y': 'B', 'z': 'C' } >>> for k, v in d.items(): ... print(k, '=', v) ... y = B x = A z = C

因此，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']

最后把一個list中所有的字符串變成小寫：

>>> L = ['Hello', 'World', 'IBM', 'Apple'] >>> [s.lower() for s in L]

練習2

L1 = ['Hello', 'World', 18, 'Apple', None] print([x.lower() if isinstance(x, str) else x for x in L1])

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：
g = (x * x for x in range(10)) <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。

如果要一個一個打印出來，可以通過next()函數獲得generator的下一個返回值：

next(g) 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。 不斷調用next(g)實在是太變態了，正確的方法是使用for循環，因為generator也是可迭代對象：
>>> g = (x * x for x in range(10)) >>> for n in g: ... print(n)

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，但是，用函數把它打印出來卻很容易：

def fib(max):n, a, b = 0, 0, 1while n < max:print(b)a, b = b, a + bn = n + 1return 'done' 仔細觀察，可以看出，fib函數實際上是定義了斐波拉契數列的推算規則，可以從第一個元素開始，推算出后續任意的元素，這種邏輯其實非常類似generator。

也就是說，上面的函數和generator僅一步之遙。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, 1while n < max:yield ba, b = b, a + bn = n + 1return '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) <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。
嘗試：在上面yield b 下邊添加一行print(b)，調用fib(6)，并沒有任何輸出，只有遍歷f的時候才會有輸出。

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 1print('step 2')yield(3)print('step 3')yield(5) 調用該generator時，首先要生成一個generator對象，然后用next()函數不斷獲得下一個返回值： >>> o = odd() >>> next(o) step 1 1 >>> next(o) step 2 3 >>> next(o) step 3 5 >>> next(o) Traceback (most recent call last):File "<stdin>", line 1, in <module> StopIteration

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(o)就報錯。

把函數改成generator后，我們基本上從來不會用next()來獲取下一個返回值，而是直接使用for循環來迭代：

>>> for n in fib(6): ... print(n)

但是用for循環調用generator時，發現拿不到generator的return語句的返回值。如果想要拿到返回值，必須捕獲StopIteration錯誤，返回值包含在StopIteration的value中：

>>> g = fib(6) >>> while True: ... try: ... x = next(g) ... print('g:', x) ... except StopIteration as e: ... print('Generator return value:', e.value) ... break

?

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

?

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。

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。

>>> 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

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。

小結

• 凡是可作用于for循環的對象都是Iterable類型；
• 凡是可作用于next()函數的對象都是Iterator類型，它們表示一個惰性計算的序列；
• 集合數據類型如list、dict、str等是Iterable但不是Iterator，不過可以通過iter()函數獲得一個Iterator對象。

Python的for循環本質上就是通過不斷調用next()函數實現的

for x in [1, 2, 3, 4, 5]:pass

實際上完全等價于：

# 首先獲得Iterator對象: it = iter([1, 2, 3, 4, 5]) # 循環: while True:try:# 獲得下一個值:x = next(it)except StopIteration:# 遇到StopIteration就退出循環break

?

轉載于:https://www.cnblogs.com/284628487a/p/5585654.html

《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的Python3 高级特性的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。