Python(七)语法 高级特性 切片 | 迭代（循环）| 列表生成式 | 生成器 | 迭代器

切片

取一个list或tuple的部分元素是非常常见的操作

有一个list[0,1,2,3,4,5]如果我们要取前n个元素比如说3个数

一般做法是

>>> L=[]
>>> n=3
>>> for i in range(n):
...  L.append(list[i])
...
>>> L
[0, 1, 2]

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

得到整个list

>>> list[:]
[0, 1, 2, 3, 4, 5]

获得list中指定位置间元素如下 list[0:1]指从索引0到1 但是不包含1，包头不包尾，同时如果第一个是0可以省略

>>> list[0:1]
[0]
>>> list[:1]
[0]

Python支持L[-1]取倒数第一个元素，同样支持倒数切片list[-5:-1] 代表从-5位置到-1位置但是不包含-1，-1的元素就是 list最后一个元素

>>> list[-2:]
[4, 5]
>>> list[-5:]
[1, 2, 3, 4, 5]
>>> list[-5:-1]
[1, 2, 3, 4]

间隔取值前5个数，每两个取一个：

>>> list[:5:2]
[0, 2, 4]

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

>>> tuple=(1,2,3)
>>> tuple[:]
(1, 2, 3)

Python没有针对字符串的截取函数，只需要切片一个操作就可以完成，非常简单

>>> str='HELLO'
>>> str[:]
'HELLO'
>>> str[:3]
'HEL'
>>> str[2:]
'LLO'

利用切片操作，实现一个trim()函数，去除字符串首尾的空格，注意不要调用str的strip()方法：

# -*- coding: utf-8 -*-
def trim(s):
  if s[:1]!=' ' and s[-1:]!=' ':
  return s
 else:
  while s[:1]==' ':
   s=s[1:]
  while s[-1:]==' ':
   s=s[:-1]
  print(s)
  return s

# 测试:
if trim('hello  ') != 'hello':
    print('测试失败!')
elif trim('  hello') != 'hello':
    print('测试失败!')
elif trim('  hello  ') != 'hello':
    print('测试失败!')
elif trim('  hello  world  ') != 'hello  world':
    print('测试失败!')
elif trim('') != '':
    print('测试失败!')
elif trim('    ') != '':
    print('测试失败!')
else:
    print('测试成功!')

hello 
hello 
hello 
hello  world 

测试成功! 

迭代

在Python中，迭代是通过for ... in来完成的 java中迭代list是通过下标完成的

Python的for循环抽象程度要高于C的for循环，因为Python的for循环不仅可以用在list或tuple上，还可以作用在其他可迭代对象上。

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

>>> map={'key1':1,'key2':2,'key3':3}
>>> for key in map:
...  print(key)
...
key1
key2
key3

同时迭代key和value，可以用for k, v in d.items()

>>> for key , value in map.items():
...  print(key,'---',value)
...
key1 --- 1
key2 --- 2
key3 --- 3

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。

那么，如何判断一个对象是可迭代对象呢？方法是通过collections模块的Iterable类型判断

>>> 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) # 整数是否可迭代
False

最后一个小问题，如果要对list实现类似Java那样的下标循环怎么办？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循环中同时迭代索引和元素本身：

>>> for i,v in enumerate([1,2,3]):
...  print(i,v)
...
0 1
1 2
2 3
>>>

for循环中引用多个变量

>>> for a,b,c in [(1,2,3),(2,3,4),(4,5,6)]:
...  print(a,b,c)
...
1 2 3
2 3 4
4 5 6

练习：用迭代查找一个list中最小和最大值，并返回一个tuple

# -*- coding: utf-8 -*-
def findMinAndMax(L):
 if len(L)==0:
  return (None,None)   
 elif len(L)==1:
  return (L[0],L[0])
 else:
  min=L[0]
  max=L[0]
  for x in L:
   if min>x:
    min=x
   if max<x:
    max=x
  return (min,max)

# 测试
if findMinAndMax([]) != (None, None):
    print('测试失败!')
elif findMinAndMax([7]) != (7, 7):
    print('测试失败!')
elif findMinAndMax([7, 1]) != (1, 7):
    print('测试失败!')
elif findMinAndMax([7, 1, 3, 9, 5]) != (1, 9):
    print('测试失败!')
else:
    print('测试成功!')

列表生成式

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。

举个例子，要生成list [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]可以用list(range(1, 11))：

>>> list(range(1, 11))
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

但如果要生成[1x1, 2x2, 3x3, ..., 10x10]怎么做？方法一是循环：

>>> L = []
>>> for x in range(1, 11):
...    L.append(x * x)
...
>>> L
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

而列表生成式则可以用一行语句代替循环生成上面的list

>>> [x*x for x in range(1,11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

for循环后面还可以加上if判断，这样我们就可以筛选出仅偶数的平方：

>>> [x*x for x in range(1,11) if x%2==0]
[4, 16, 36, 64, 100]

还可以使用两层循环，可以生成全排列：

>>> [x+y for x in 'abc' for y in 'xyz']
['ax', 'ay', 'az', 'bx', 'by', 'bz', 'cx', 'cy', 'cz']

当然同样可以在后面添加if判断条件

>>> [x+y for x in 'abc' for y in 'xyz' if x+y!='ax']
['ay', 'az', 'bx', 'by', 'bz', 'cx', 'cy', 'cz']

列表生成式也可以使用两个变量来生成list

>>> map={'key1':1,'key2':2,'key3':3}
>>> [key+':'+str(value) for key,value in map.items()]
['key1:1', 'key2:2', 'key3:3']

把一个list中所有的字符串变成小写

>>> list=['A','B','C']
>>> [s.lower() for s in list]
['a', 'b', 'c']

生成器

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

创建一个generator，有很多种方法。

第一种方法:

只要把一个列表生成式的[]改成()，就创建了一个generator

>>> l=[x for x in range(1,11)]
>>> l
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

>>> g=(x for x in range(1,11))
>>> g
<generator object <genexpr> at 0x0000000002541750>

创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator。

我们可以直接打印出list的每一个元素，但我们怎么打印出generator的每一个元素呢？

如果要一个一个打印出来，可以通过next()函数获得generator的下一个返回值：

>>> next(g)
1
>>> next(g)
2
>>> next(g)
3
....
>>> 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，每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。

一般正确的方法是使用for循环，因为generator也是可迭代对象

>>> g=(x for x in range(1,11))
>>> for n in g:
...  print(n)
...
1
2
3
4
5
6
7
8
9
10

第二种方法：

如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现

如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator：

著名的斐波拉契数列（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：

1, 1, 2, 3, 5, 8, 13, 21, 34, ...

斐波拉契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易

>>> def fib(max):
...  n,a,b=0,0,1
...  while(n<max):
...   print(b)
...   a,b=b,a+b
...   n=n+1
...
>>> fib(10)
1
1
2
3
5
8
13
21
34
55

其中 a,b=b,a+b 等同于以下

tuple=(b,a+b)
a=tuple[0]
b=tuple[1]

也就是tuple(a,b)=tuple(b,a+b)

要把fib函数变成generator，只需要把print(b)改为yield b就可以了

>>> def fib(max):
...  n,a,b=0,0,1
...  while(n<max):
...   print('start')
...   yield b
...   print('next')
...   a,b=b,a+b
...   n=n+1
...
>>> f=fib(5)
>>> f
<generator object fib at 0x00000234065216D8>
>>> next(f)
start
1
>>> next(f)
next
start
1
>>> next(f)
next
start
2
>>> next(f)
next
start
3
>>> next(f)
next
start
5
>>> next(f)
next
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration
>>>

函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成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。

如上明显发现第一次的时候只输出start就返回1 证明执行到yield的时候生成器就返回了，第二次执行首先输出next再输出start，说明函数继续执行了第一次yield后面的代码，再执行下一次

直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。

同样我们一般会使用循环取值

>>> for x in fib(5):
...  print(x)
...
start
1
next
start
1
next
start
2
next
start
3
next
start
5
next

迭代器

我们已经知道，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。

可以使用isinstance()判断一个对象是否是Iterable对象：

>>> 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

而生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。

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：

>>> 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对象，但list、dict、str虽然是Iterable，却不是Iterator。

把list、dict、str等Iterable变成Iterator可以使用iter()函数：

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

你可能会问，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，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。

Python的for循环本质上就是通过不断调用next()函数实现的，例如：

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

实际上完全等价于：

# 首先获得Iterator对象:
it = iter([1, 2, 3, 4, 5])
# 循环:
while True:
    try:
        # 获得下一个值:
        x = next(it)
    except StopIteration:
        # 遇到StopIteration就退出循环
        break