一、切片
1、定义：
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。
2、语法：
A[1:3] 取出1到3，都是正数的情况下，缺填的为0（第一个），end（最后一个）B[-3:] 取出倒数第三个到倒数第一个，都是负数的情况下，缺填的为-1（最后一个）C[1:10:2] 从1到10，每2个取一个
跟matlab差不多的语法，就是对一个向量可以进行矩阵操作。可以对List.tuple,string,dict,set等使用
二、切片
1、定义：
如果给定一个list或tuple，我们可以通过for循环来遍历这个list或tuple，这种遍历我们称为迭代（Iteration）。
2、Python迭代特殊点：
Python的 for循环 抽象程度要高于Java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：
>>> d = {'a': 1, 'b': 2, 'c': 3}>>> for key in d:... print(key)...acb 由于dict不是顺序排列的，所以迭代出来的结果，可能顺序不同。
3、dict迭代注意点：
（1）可以按照key（默认）迭代，如上
（2）也可以按照value迭代
for value in d.values()
（3）也可以两者同时迭代（python特殊点）
for k, v in d.items()
4、如何判断是否可迭代：使用collections模块的iterable类型进行判断
>>> 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
5、如何实现C语言的下标实现：Python内置的enumerate函数可以把一个list变成索引-元素对
>>> for i, value in enumerate(['A', 'B', 'C']):... print(i, value)...0 A1 B2 C
三、列表生成器
1、定义：
列表生成式即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。
2、语法：
（1）基础式：
>>> list(range(1, 11))[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
（2）提高式：
>>> [x * x for x in range(1, 11)][1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
即：前面为运算，后面跟一个迭代
（3）双循环式:
>>> [m + n for m in 'ABC' for n in 'XYZ']['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']
（4）多变量式
>>> d = {'x': 'A', 'y': 'B', 'z': 'C' }>>> [k + '=' + v for k, v in d.items()]['y=B', 'x=A', 'z=C']
（5）判断式：
>>> [x * x for x in range(1, 11) if x % 2 == 0][4, 16, 36, 64, 100]
四、生成器：
1、定义：
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。所以，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。
2、列表生成式改良创建生成器：
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))>>> gat 0x1022ef630>
3、打印方法：
（1）next()
>>> next(g)0>>> next(g)1>>> next(g)4>>> next(g)9>>> next(g)16>>> next(g)25>>> next(g)36>>> next(g)49>>> next(g)64>>> next(g)81>>> next(g)Traceback (most recent call last): File "", line 1, in StopIteration
（2）for循环打印
>>> g = (x * x for x in range(10))>>> for n in g:... print(n)... 0149162536496481
4、使用函数创建生成器
（1）斐波那契数列打印函数：
def fib(max): n, a, b = 0, 0, 1 while n < max: print(b) a, b = b, a + b n = n + 1 return 'done'
（2）斐波那契数列生成器：
def fib(max): n, a, b = 0, 0, 1 while n < max: yield 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
（3）定义：
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
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。
（4）练习：
def triangles(): L = [1] while True: yield L L.append(0) L = [L[i - 1] + L[i] for i in range(len(L))]
n = 0for t in triangles(): print(t) n = n + 1 if n == 10: break
5、讨论：
（1）要理解generator的工作原理，它是在for循环的过程中不断计算出下一个元素，并在适当的条件结束for循环。对于函数改成的generator来说，遇到return语句或者执行到函数体最后一行语句，就是结束generator的指令，for循环随之结束。
（2）函数与generator区别
五、迭代器
1、可迭代对象
（1）定义：
可以直接作用于for循环的对象统称为可迭代对象：Iterable。
（2）分类：
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。
（3）判断方法:
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
2、生成器：
（1）定义：
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。
（2）判断方法:
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
（3）生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。
（4）Iterable 转换成 Iterator
>>> isinstance(iter([]), Iterator)True>>> isinstance(iter('abc'), Iterator)True
3、讨论
（1）凡是可作用于for循环的对象都是Iterable类型；
（2）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，只有在需要返回下一个数据时它才会计算
（3）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。
（4）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