# 高級特性
[TOC]
## 切片
```python
L = list(range(100))
L[0:3] # 取前3個元素
L[:3] # 第一個索引是0，還可以省略
L[-2:] # 取倒數兩個
L[-2:-1]; # 取倒數第一個元素
L[10:20]; # 取十到二十個
L[:10:2] # 前10個數，每兩個取一個
L[::5] # 所有數，每5個取一個
L[:] # 原樣復制一個list
(0, 1, 2, 3, 4, 5)[:3] # tuple也是一種list,tuple也可以用切片操作
'ABCDEFG'[::2] # ACEG 字符串也可以看成是一種list，每個元素就是一個字符
```
## 迭代
```python
list = list(range(100))
for v in list:
print(v)
# dict的迭代只能迭代出key
d = {'a': 1, 'b': 2, 'c': 3}
for key in d:
print(key)
# 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)
# 判斷可迭代對象
from collections import Iterable
isinstance('abcdefg',Iterable) # True
isinstance([1,2,3], Iterable) # True
isinstance(123, Iterable) # False
# Python內置的enumerate函數可以把一個list變成索引-元素對
for i, value in enumerate(['A', 'B', 'C']):
print(i, value)
# 迭代出list中的tuple
for x, y in [(1, 1), (2, 4), (3, 9)]:
print(x, y)
```
### 列表生成式
```python
# 生成[1x1, 2x2, 3x3, ..., 10x10]
# [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
[x * x for x in range(1, 11)]
# 只生成偶數的
[x * x for x in range(1,20) if x % 2 == 0]
# 雙層遍歷輸出 ['Ax', 'Ay', 'Az', 'Bx', 'By', 'Bz', 'Cx', 'Cy', 'Cz']
[m+n for m in 'ABC' for n in 'xyz']
# 列出cmd-markdown目錄下的所有文件和目錄名
import os
[d for d in os.listdir('../cmd-markdown')]
# 變小寫
L = ['Hello', 'World', 'IBM', 'Apple']
[s.lower() for s in L]
# 只對字符串變小寫
L = ['Hello', 'World', 18, 'Apple', None]
[s.lower() for s in L if isinstance(s , str)]
# 通過列表生成式生成
def func(name):
args = {'zxg' : 'name','caiwen' : 'nickname', 'gangge' : 'membername'}
return args[name];
names = ['zxg','caiwen','gangge']
dict1 = {func(name) : name for name in names} # {'name': 'zxg', 'nickname': 'caiwen', 'membername': 'gangge'}
dict2 = {name for name in names} # 變成集合，具有無序的特性
```
### 生成器（generator）
1. generator保存的是算法
2. 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
```python
# 創建一個generator: 把一個列表生成式的[]改成();
L = [x * x for x in range(10)] # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
g = (x * x for x in range(10)) # <generator object <genexpr> at 0x00000294CD5DA468>
for n in g:
print(n)
# 斐波拉契數列 : 1, 1, 2, 3, 5, 8, 13, 21, 34, ...
def fib(max):
c , p , n = 0 , 0 , 1
while c < max:
yield n # yield n 變成generator
p , n = n , n + p
c += 1
return 'done'
for v in fib(9):
print(v)
# <generator object fib at 0x0000012EE03EA468>
g = fib(10);
```
在 for 循環執行時，每次循環都會執行 fib 函數內部的代碼，執行到 yield n 時，fib 函數就返回一個迭代值，**下次迭代時，代碼從 yield n 的下一條語句繼續執行**，而函數的本地變量看起來和上次中斷執行前是完全一樣的，于是函數繼續執行，直到再次遇到 yield。看起來就好像一個函數在正常執行的過程中被 yield 中斷了數次，每次中斷都會通過 yield 返回當前的迭代值。
#### yield 與 return
yield和return都是用在函數體中，但是yield表示生成（類似輸出），而return是結束并返回值
#### yield from
使用`yield from`語法可以把復雜的生成器重構成小型的嵌套生成器，省去之前把生成器的工作委托給子生成器所需的大量模板代碼。
```python
def fab3(max):
n, a, b = 0, 0, 1
while n < max:
yield b
# print b
a, b = b, a + b
n = n + 1
# yield from iterable本質上等于for item in iterable: yield item的縮寫版
# 不使用yield from iterable
def f_wrapper1(f):
for g in f:
yield g
# 生成器fab3(5再委托給子生成器f_wrapper1(f)
wrap = f_wrapper1(fab3(5))
for i in wrap:
print(i,end=' ')
# 使用yield from iterable
def f_wrapper2(f):
yield from f
wrap = f_wrapper2(fab3(5))
for i in wrap:
print(i,end=' ')
# yield from包含多個子程序
def g(x):
yield from range(x, 0, -1)
yield from range(x)
print(list(g(6)))
print(list(g(10)))
for g in g(6):
print(g,end=' ')
```
### 迭代器
1. 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。生成器都是Iterator對象
1. 可以使用isinstance()判斷一個對象是否是Iterator對象
1. 注意：**list、dict、str雖然是Iterable，卻不是Iterator**。因為Iterator可以表示無限大的數據流，而其它集合數據卻不可以
1. 把list、dict、str等Iterable變成Iterator可以使用iter()函數：
```python
from collections import Iterator
isinstance(iter([]), Iterator) # True
isinstance(iter('abc'), Iterator) # True
```
> 1. 凡是可作用于for循環的對象都是Iterable類型
> 1. 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；
