切片

取一个list或tuple的部分元素。

  1. # 从索引0开始取，直到索引3为止，但不包括索引3。
  2. >>> L[0:3]
  3. ['Michael', 'Sarah', 'Tracy']
  5. # 如果第一个索引是0，还可以省略：
  6. >>> L[:3]
  7. ['Michael', 'Sarah', 'Tracy']
  9. # Python支持L[-1]取倒数第一个元素，那么它同样支持倒数切片，试试：
  10. >>> L[-2:]
  11. ['Bob', 'Jack']
  12. >>> L[-2:-1]
  13. ['Bob']

切片操作十分有用。我们先创建一个0-99的数列：

  1. >>> L = list(range(100))
  2. >>> L
  3. [0, 1, 2, 3, ..., 99]

可以通过切片轻松取出某一段数列。比如：

  1. >>> L[:10]                # 前10个数 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
  2. >>> L[-10:]                # 后10个数 [90, 91, 92, 93, 94, 95, 96, 97, 98, 99]
  3. >>> L[10:20]            # 前11-20个数 [10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
  4. >>> L[:10:2]            # 前10个数，每两个取一个 [0, 2, 4, 6, 8]
  5. >>> L[::5]                # 所有数，每5个取一个 [0, 5, 10, 15, ....., 70, 75, 80, 85, 90, 95]
  6. >>> L[:]                # 原样复制一个list [0, 1, 2, 3, ..., 99]

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：

  1. >>> (0, 1, 2, 3, 4, 5)[:3]
  2. (0, 1, 2)

字符串'xxx'也可以看成是一种list，每个元素就是一个字符。因此，字符串也可以用切片操作，只是操作结果仍是字符串：

  1. >>> 'ABCDEFG'[:3]
  2. 'ABC'
  3. >>> 'ABCDEFG'[::2]
  4. 'ACEG'

迭代

给定一个list或tuple，我通过for循环来遍历这个list或tuple，称为迭代（Iteration）。
在Python中，迭代是通过for ... in来完成的。
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。

  1. d = {'a': 1, 'b': 2, 'c': 3}
  3. # 默认情况下，dict迭代的是key
  4. for key in d:
  5.     print(key)            # #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
  7. # 迭代value
  8. for value in d.values():
  9.     print(value)
  11. # 同时迭代key和value
  12. for k, v in d.items():
  13.     print(k, ':', v)

由于字符串也是可迭代对象，因此，也可以作用于for循环：

  1. >>> for ch in 'ABC':
  2. ...     print(ch)
  3. ...
  4. A
  5. B
  6. C

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：

  1. >>> from collections.abc import Iterable
  2. >>> isinstance('abc', Iterable) # str是否可迭代
  3. True
  4. >>> isinstance([1,2,3], Iterable) # list是否可迭代
  5. True
  6. >>> isinstance(123, Iterable) # 整数是否可迭代
  7. 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，就可以在for循环中同时迭代索引和元素本身：

  1. >>> for i, value in enumerate(['A', 'B', 'C']):
  2. ...     print(i, value)
  3. ...
  4. 0 A
  5. 1 B
  6. 2 C

上面的for循环里，同时引用了两个变量，在Python里是很常见的，比如下面的代码：

  1. >>> for x, y in [(1, 1), (2, 4), (3, 9)]:
  2. ...     print(x, y)
  3. ...
  4. 1 1
  5. 2 4
  6. 3 9

有点像ES6的解构，自己尝试了一下：

  1. >>> for x, (y, z) in enumerate([(1, 1), (2, 4), (3, 9)]):
  2. ...    print(x, y, z)
  3. ...
  5. 0 1 1
  6. 1 2 4
  7. 2 3 9

列表生成式

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

  1. # 生成list [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
  2. list(range(1, 11))
  4. # 生成list [1x1, 2x2, 3x3, ..., 10x10]
  5.     # 方法1 循环
  6.     L = []
  7.     for x in range(1, 11):
  8.         L.append(x * x)
  10.     # 方法2 使用列表生成式，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
  11.     [x * x for x in range(1, 11)]
  13.     # 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
  14.     [x * x for x in range(1, 11) if x % 2 == 0]
  16.     # 还可以使用两层循环，可以生成全排列
  17.     >>> [m + n for m in 'ABC' for n in 'XYZ']
  18.     ['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']

for循环其实可以同时使用两个甚至多个变量，比如dict的items()可以同时迭代key和value：

  1. >>> d = {'x': 'A', 'y': 'B', 'z': 'C' }
  2. >>> for k, v in d.items():
  3. ...     print(k, '=', v)
  5. # 列表生成式也可以使用两个变量来生成list
  6. >>> d = {'x': 'A', 'y': 'B', 'z': 'C' }
  7. >>> [k + '=' + v for k, v in d.items()]
  8. ['y=B', 'x=A', 'z=C']

if … else

  1. >>> [x if x % 2 == 0 else -x for x in range(1, 11)]
  2. [-1, 2, -3, 4, -5, 6, -7, 8, -9, 10]

上述for前面的表达式x if x % 2 == 0 else -x才能根据x计算出确定的结果。
在一个列表生成式中，**for**前面的**if ... else**是表达式，而**for**后面的**if**是过滤条件，不能带**else**。

生成器

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。
第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator：

  1. >>> L = [x * x for x in range(10)]        # L是一个list
  2. >>> L
  3. [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
  4. >>> g = (x * x for x in range(10))            # g是一个generator
  5. >>> g
  6. <generator object <genexpr> at 0x1022ef630>

打印出generator的每一个元素，可以通过next()函数获得generator的下一个返回值。
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。

  1. >>> next(g)
  2. 0
  3. >>> next(g)
  4. 1
  5. （略）...
  6. >>> next(g)
  7. 64
  8. >>> next(g)
  9. 81
  10. >>> next(g)
  11. Traceback (most recent call last):
  12.   File "<stdin>", line 1, in <module>
  13. StopIteration
  16. # 上面这种不断调用next(g)实在是太变态了，正确的方法是使用for循环，因为generator也是可迭代对象
  17. >>> g = (x * x for x in range(10))
  18. >>> for n in g:
  19. ...     print(n)

**yield**关键字

定义generator的另一种方法。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：

  1. def fib(max):
  2.     n, a, b = 0, 0, 1
  3.     while n < max:
  4.         yield b
  5.         a, b = b, a + b
  6.         n = n + 1
  7.     return 'done'
  9. >>> f = fib(6)
  10. >>> f
  11. <generator object fib at 0x104feaaa0>

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。

把函数改成generator后，我们基本上从来不会用next()来获取下一个返回值，而是直接使用for循环来迭代：

  1. >>> for n in fib(6):
  2. ...     print(n)
  3. ...

StopIteration错误

但是用for循环调用generator时，发现拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中：

  1. >>> g = fib(6)
  2. >>> while True:
  3. ...     try:
  4. ...         x = next(g)
  5. ...         print('g:', x)
  6. ...     except StopIteration as e:
  7. ...         print('Generator return value:', e.value)
  8. ...         break
  9. ...
  10. g: 1
  11. g: 1
  12. g: 2
  13. g: 3
  14. g: 5
  15. g: 8
  16. Generator return value: done

关于如何捕获错误，后面的错误处理还会详细讲解。

迭代器

Iterable

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：

  1. >>> from collections import Iterable
  2. >>> isinstance([], Iterable)
  3. True
  4. >>> isinstance({}, Iterable)
  5. True
  6. >>> isinstance('abc', Iterable)
  7. True
  8. >>> isinstance((x for x in range(10)), Iterable)
  9. True
  10. >>> isinstance(100, Iterable)
  11. False

Iterator

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：

  1. >>> from collections import Iterator
  2. >>> isinstance((x for x in range(10)), Iterator)
  3. True
  4. >>> isinstance([], Iterator)
  5. False
  6. >>> isinstance({}, Iterator)
  7. False
  8. >>> isinstance('abc', Iterator)
  9. False

iter()函数

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：

  1. >>> isinstance(iter([]), Iterator)
  2. True
  3. >>> isinstance(iter('abc'), Iterator)
  4. 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：

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

实际上完全等价于：

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