https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/0014317568446245b3e1c8837414168bcd2d485e553779e000
        在Python中，代码不是越多越好，而是越少越好。代码不是越复杂越好，而是越简单越好。
        基于这一思想，我们来介绍Python中非常有用的高级特性，1行代码能实现的功能，
    决不写5行代码。请始终牢记，代码越少，开发效率越高。
高级特性
1.切片
    这种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，能大大简化这种操作。
        >>> L = [\'Michael\', \'Sarah\', \'Tracy\', \'Bob\', \'Jack\']

        >>> L[0:3]
        [\'Michael\', \'Sarah\', \'Tracy\']

        L[0:3]表示，从索引0开始取，直到索引3为止，但不包括索引3。即索引0，1，2，正好是3个元素。

        如果第一个索引是0，还可以省略
            >>> L[1:3]

        L[-1]取倒数第一个元素，那么它同样支持倒数切片
            >>> L[-2:]
            [\'Bob\', \'Jack\']
            >>> L[-2:-1]
            [\'Bob\']

        记住倒数第一个元素的索引是-1

        通过切片轻松取出某一段数列。比如前10个数
        >>> L = list(range(100))
        >>> L[:10]
        [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

        后10个数：
        >>> L[-10:]

        前11-20个数：
        >>> L[10:20]

        前10个数，每两个取一个
        >>> L[:10:2]

        所有数，每5个取一个：
        >>> L[::5]


        甚至什么都不写，只写[:]就可以原样复制一个list
        >>> L[:]

        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

        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

        >>> \'ABCDEFG\'[:3]
        \'ABC\'
        >>> \'ABCDEFG\'[::2]
        \'ACEG\'

             针对字符串提供了很多各种截取函数（例如，substring），其实目的就是对字符串切片。
        Python没有针对字符串的截取函数，只需要切片一个操作就可以完成，非常简单。


2.迭代
    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）。
        迭代是通过for ... in来完成的，而很多语言比如C或者Java，迭代list是通过下标完成的，比如Java代码：
            for (i=0; i<list.length; i++) {
                n = list[i];
            }

    因为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。
        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()。

    由于字符串也是可迭代对象，因此，也可以作用于for循环：
        >>> for ch in \'ABC\':
        ...     print(ch)

        所以，当我们使用for循环时，只要作用于一个可迭代对象，for循环就可以正常运行，
    而我们不太关心该对象究竟是list还是其他数据类型。
        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，
    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
        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：
            >>> for x, y in [(1, 1), (2, 4), (3, 9)]:
            ...     print(x, y)
            ...
            1 1
            2 4
            3 9


    小结：
        任何可迭代对象都可以作用于for循环，包括我们自定义的数据类型，只要符合迭代条件，就可以使用for循环。

3.列表生成式
    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。
        举个例子：要生成list [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]可以用list(range(1, 11))：
            >>> list(range(1, 11))
            [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]


        如果要生成[1x1, 2x2, 3x3, ..., 10x10]怎么做？方法一是循环：
            >>> L = []
            >>> for x in range(1, 11):
            ...    L.append(x * x)
            ...
            >>> L
            [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
        但是循环太繁琐，而列表生成式则可以用一行语句代替循环生成上面的list：
            >>> [x * x for x in range(1, 11)]
            [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

    写列表生成式时，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，十分有用，多写几次，很快就可以熟悉这种语法。

        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\']

    运用列表生成式，可以写出非常简洁的代码。例如，列出当前目录下的所有文件和目录名，可以通过一行代码实现：
        >>> import os # 导入os模块，模块的概念后面讲到
        >>> [d for d in os.listdir(\'.\')] # os.listdir可以列出文件和目录
        [\'.emacs.d\', \'.ssh\', \'.Trash\', \'Adlm\', \'Applications\', \'Desktop\', \'Documents\', \'Downloads\', \'Library\', \'Movies\', \'Music\', \'Pictures\', \'Public\', \'VirtualBox VMs\', \'Workspace\', \'XCode\']

    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：
        >>> d = {\'x\': \'A\', \'y\': \'B\', \'z\': \'C\' }
        >>> for k, v in d.items():
        ...     print(k, \'=\', v)
        ...
        y = B
        x = A
        z = C

    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\']

    把一个list中所有的字符串变成小写:
        >>> L = [\'Hello\', \'World\', \'IBM\', \'Apple\']
        >>> [s.lower() for s in L]
        [\'hello\', \'world\', \'ibm\', \'apple\']


4.生成器
        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。

        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。

     要创建一个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：
            >>> 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>

        创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator。
            如果要一个一个打印出来，可以通过next()函数获得generator的下一个返回值
                >>> 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 "<stdin>", line 1, in <module>
                StopIteration

            generator保存的是算法，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。

        当然，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：

            >>> g = (x * x for x in range(10))
            >>> for n in g:
            ...     print(n)
            ...
            0
            1
            4
            9
            16
            25
            36
            49
            64
            8
        我们创建了一个generator后，基本上永远不会调用next()，而是通过for循环来迭代它，并且不需要关心StopIteration的错误。


     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：
            def fib(max):
                n, a, b = 0, 0, 1
                while n < max:
                    yield b
                    a, b = b, a + b
                    n = n + 1
                return \'done\'

         这里，最难理解的就是generator和函数的执行流程不一样。
     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。
            举个简单的例子，定义一个generator，依次返回数字1，3，5：
                def odd():
                print(\'step 1\')
                yield 1
                print(\'step 2\')
                yield(3)
                print(\'step 3\')
                yield(5)
            调用该generator时，首先要生成一个generator对象，然后用next()函数不断获得下一个返回值：
                >>> o = odd()
                >>> next(o)
                step 1
                1
                >>> next(o)
                step 2
                3
                >>> next(o)
                step 3
                5
                >>> next(o)
                Traceback (most recent call last):
                  File "<stdin>", line 1, in <module>
                StopIteration


    小结
        generator是非常强大的工具，在Python中，可以简单地把列表生成式改成generator，也可以通过函数实现复杂逻辑的generator。

        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。

        请注意区分普通函数和generator函数，普通函数调用直接返回结果：

        >>> r = abs(6)
        >>> r
        6
        generator函数的“调用”实际返回一个generator对象：

        >>> g = fib(6)
        >>> g
        <generator object fib at 0x1022ef948>

5.迭代器
    我们已经知道，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：
        >>> 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：

        >>> from collections import Iterator
        >>> isinstance((x for x in range(10)), Iterator)
        True
        >>> isinstance([], Iterator)
        False
        >>> isinstance({}, Iterator)
        False
        >>> isinstance(\'abc\', Iterator)
        False

        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：
        >>> isinstance(iter([]), Iterator)
        True
        >>> isinstance(iter(\'abc\'), Iterator)
        True

        你可能会问，为什么list、dict、str等数据类型不是Iterator？
            这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，
        直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长
        度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据
        时它才会计算。

    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：
            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