列表生成式(list comprehensions)
切片和迭代就不說了，這裡直接先看一下列表生成式吧，從名字就能大概猜出這是生成列表的一些方法，比如：如何生成 [1*1, 2*2, ... ,10*10] ？可以用迴圈不斷向列表尾部新增元素，如果使用 pythonic 的方法，也就是列表生成式，則是：
>>> [x * x for x in range(1, 11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
後面還能跟上 if 判斷，例如：
>>> [x * x for x in range(1, 11) if x%2==0]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
這樣，本來需要使用迴圈寫4，5行的**，使用一行就解決了，直觀明了。
還能使用兩個 for 迴圈生成全排列：
>>> [m + n for m in 'abc' for n in 'xyz']
['ax', 'ay', 'az', 'bx', 'by', 'bz', 'cx', 'cy', 'cz']
這樣如何新增 if 判斷呢？可以在每個 for 語句後新增，或者在最後新增：
>>> [m + n for m in 'abc' if m < 'c' for n in 'xyz' if n < 'z']
['ax', 'ay', 'bx', 'by']>>> [m + n for m in 'abc' for n in 'xyz' if n < 'z' and m < 'c']
['ax', 'ay', 'bx', 'by']
也可以同時在乙個 for 語句中迭代多個變數，比如dict的items()可以同時迭代key和value：
>>> d = >>> [k + '=' + v for k, v in d.items()]
['y=b', 'x=a', 'z=c']
差不多就是這樣了~
但是以前總是寫 c++ ，這種思維模式很難改過來，只能慢慢在使用中熟悉這種語法，習慣了就能夠在下意識中寫出來了。
生成器(generator)
為什麼要使用生成器？廖大的教程中說得很詳細，這裡再簡述一下：
1.因為列表的內容放在記憶體中，而受到記憶體限制，列表的容量有限。
2.如果我們只訪問極少的元素，那麼存在極大的空間浪費。
3.而生成器可以一邊迭代一邊計算下乙個值，理論上，該過程可以無限進行下去，並且不會占用大量記憶體。
這裡只是簡單介紹一下，更詳細的請 google 哈~
如何建立生成器？第一種方法類似於前面講到的列表生成式，只需要將改為()即可：
>>> 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
可以看到，方法上大致相同，得到的是乙個已經得到所有值的列表，()得到的是乙個生成器，它們都能使用 for 迴圈來迭代，但是生成器不能使用下標訪問，並且只能被迭代一次，再次迭代則會有 stopiteration 的異常：
>>> for i in g:... print(i)
...0149162536496481>>> for i in g:... print(i)
...>>> next(g)
traceback (most recent call last):
file "", line 1, in
stopiteration
不過當我們建立了乙個generator後，基本上永遠不會呼叫next()，而是通過for迴圈來迭代它，並且不需要關心stopiteration的錯誤。
如果推算的演算法比較複雜，用類似列表生成式的for迴圈無法實現的時候，還可以用函式來實現，比如，著名的斐波那契數列：
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
return 'done'
關於 yield 這個關鍵字，我在剛學 python 的時候也糾結了很久，直到看到生成器的時候才大致明白，大家搜尋一下就能大致明白了，我覺得這東西說起來麻煩，只說一兩句又怕說錯。廖大的教程中是這樣說的：
函式是順序執行，遇到return語句或者最後一行函式語句就返回。而變成generator的函式，在每次呼叫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。
可能有點難理解，不過明白了就很好說了。
當然，函式中還可以新增 return，在乙個 generator function 中，如果沒有 return，則預設執行至函式完畢，如果在執行過程中 return，則直接丟擲 stopiteration 終止迭代。
例如上面的例子，我們在迭代時發現並沒有出現 'done' 這串字元，是因為 return 的值被當作 exception value 了，如果要顯示出來，則可以這樣：
>>> 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)
可直接作用於 for 迴圈的物件被稱為可迭代物件，可以用 isinstance() 函式判斷是否為可迭代物件：
>>> 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
而可以被next()函式呼叫並不斷返回下乙個值的物件稱為迭代器：iterator。當然，仍然可以使用isinstance()判斷乙個物件是否是iterator物件：
>>> from collections import iterator>>> isinstance((x for x in range(10)), iterator)true>>> isinstance(, iterator)false>>> isinstance({}, iterator)false>>> isinstance('abc', iterator)false
通過上面兩個例子，可以這樣理解：生成器和 list，tuple，str 等都是 iterable 物件，生成器同時還是 iterator 物件，而 list 等不是。那麼能否直接將 iterable 物件轉換成 iterator 物件呢？
可以使用iter()函式：
>>> isinstance(iter(), iterator)
true
>>> isinstance(iter('abc'), iterator)
true
其實，iterator 物件表示的是乙個資料流，我們可以把這個資料流看做是乙個有序序列，但卻不能提前知道序列的長度，只能不斷通過next()函式實現按需計算下乙個資料，所以 iterator 的計算是惰性的，只有在需要返回下乙個資料時它才會計算。iterator甚至可以表示乙個無限大的資料流，但 list，tuple 什麼的是不可能這樣的。
總結過了個寒假沒碰**，相當於複習了一遍啊，其實這裡說到的特性是很淺顯的，理解起來不難，等全部差不多複習完還得再深入一點，理解更多才行。
python學習之高階特性
切片 對列表 元組 字串 字典取中間的一部分，在c中一般是通過for迴圈拷貝 memcpy strcat等操作。而python提供了更方便的切片操作符 m n 前閉後開，如果從0取m可以省略 如果只用 就是切整片 也可以從尾端切片 m 前後的閉區間。列表生成式 list range m,n 構造乙個...
Python之高階特性（2）
一 列表生成式 1 生成abc與def的全排列 2 1 輸出列表裡的名字 並且第乙個字母大寫 2 當列表裡有名字是非法字元時候，輸出列表裡的名字 並且第乙個字母大寫 3 找出指定目錄下以.log結尾的檔案 import os模組 os.listdir 檔名 檢視目錄下面的所有檔案 二 生成器 為什麼...
Python自學之高階語法特性
1 切片 切片用於提取一組資料list tuple等中的一部分，個人感覺和matlab語法很相似，例如l 0 3 表示取l 0 l 1 l 2 l 3 與上面等價，初始或者結束為首尾位置，則可以縮寫 l 2 0 表示取倒數第乙個l 1 和倒數第二個l 2 l 2 與上面等價 l 0 5 2 表示以2...