前言
本篇是Python学习笔记系列的第（四）篇，主要介绍了Python的一些高级特性
高级特性
Python的哲学是代码越简单越好，所以Python中有很多高级特性来支持这一条原则。
切片（Slice）
取一个list或tuple的部分元素（对tuple进行切片操作，结果仍然是tuple，不可变）
# 从索引0开始取，直到索引3为止，但不包括索引3。
>>> L[0:3]
['Michael', 'Sarah', 'Tracy']
# 前10个数，每两个取一个：
>>> L = list(range(100))
>>> L[:10:2]
[0, 2, 4, 6, 8]
字符串 'xxx' 也可以看成是一种list，每个元素就是一个字符。所以字符串也可以进行切片操作，操作结果仍是字符串：
>>> 'ABCDEFG'[:3]
'ABC'
>>> 'ABCDEFG'[::2]
'ACEG'
迭代（Iteration）
在Python中，迭代是通过 for ... in 来完成的，不仅可以用在list或tuple上，还可以作用在其他可迭代对象上。
比如dict也可以迭代：
>>> d = {'a': 1, 'b': 2, 'c': 3}
>>> for key in d:
... print(key)
...
a
c
b
注：默认情况下，dict迭代的是key。如果要迭代value，可以用 for value in d.values()，如果要同时迭代key和value，可以用 for k, v in d.items()。
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
如果要对list实现下标循环怎么办？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, value in enumerate(['A', 'B', 'C']):
... print(i, value)
...
0 A
1 B
2 C
列表生成式（List Comprehensions）
Python内置了非常简单却强大的可以用来创建list的生成式。写列表生成式时，把要生成的元素比如 x * x 放到前面，后面跟for循环，就可以把list创建出来。
>>> [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
>>> [m + n for m in 'ABC' for n in 'XYZ']
['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
>>> d = {'x': 'A', 'y': 'B', 'z': 'C' }
>>> [k + '=' + v for k, v in d.items()]
['y=B', 'x=A', 'z=C']
生成器（generator）
通过上一节的列表生成器，可以直接创建一个列表。但是由于受到内存的限制，列表容量肯定是有限的。在Python中，还存在一种边循环边计算的机制，称为生成器：generator。
把一个列表生成式的 [] 改成 () ，就创建了一个generator：
>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x1022ef630>
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。
generator非常强大。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。
# 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
return 'done'
# 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:
yield b
a, b = b, a + b
n = n + 1
return 'done'
用 for 循环调用generator时，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：
>>> 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
迭代器（Iterator）
可以直接作用于 for 循环的数据类型：
- 集合数据类型，如
list、tuple、dict、set、str等 generator，包括生成器和带yield的生成器函数
这些可以直接作用于 for 循环的对象统称为可迭代对象：Iterable。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 Iterable 对象
>>> from collections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance(100, Iterable)
False
# 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
⚠️注：生成器都是 Iterator 对象，但 list、dict、str 虽然是 Iterable，却不是 Iterator。可以使用 iter() 函数把 list、dict、str 等 Iterable 变成 Iterator。