記得曾經在學Java的時候，通常是這麼學的，從基礎的語法高階特性，這一塊統稱為JavaSE,然後再到JavaWeb，最後到框架這一塊。那麼Python也有其對應的高階特性。其實在聰哥哥我看來，無論任何程式語言，基本都是這一套。只不過每個程式設計在其特有的領域有其特定的優勢。比如拿區塊鏈來說，其實Java也可以做。只不過沒有Python或者是Go做起來相對那麼輕鬆。

再比如Java可以用於開發客戶端應用、網頁端(web應用)等等，同樣Python也可以。

今天聰哥哥說高階特性，主要圍繞這麼幾個方面?

(1)切片;

(2)迭代;

(3)列表生成式;

(4)生成器;

(5)迭代器;

一、切片

切片這個玩意不好用語言來表達，不過聰哥哥我還是得說一下。

經常取指定範圍的索引叫做切片，一聽切片切片，肯定是切一個整體的某一部分。

沒有切片之前，我們是怎麼取資料的

示例一(取前三個資料):

# -*- coding: utf-8 -*-
L = ['A', 'B', 'C', 'D', 'E']
print([L[0], L[1], L[2]])

通過L[0]這種方式去取，感覺很麻煩是不是，或許有人說，寫個for迴圈直接遍歷就行。那麼如果是比遍歷的話，就需要加對應的判斷程式碼，因為我需要的是某一段資料值，遍歷還是太麻煩了。

不過別怕，Python高階特性之一的切片即能做到非常的簡化，又能達到對應的目的。

示例二:

# -*- coding: utf-8 -*-
L = ['A', 'B', 'C', 'D', 'E']
print(L[:3])

示例一和示例二的效果是一樣的，但是示例二比示例一更簡化。

L[:3] 所代表的就是初索引為0，往前取三個值。如果初索引不為0，你就需要指定，例如L[1:3]這樣的。

二、迭代

什麼是迭代?

引用百度百科:

迭代是重複反饋過程的活動，其目的通常是為了逼近所需目標或結果。每一次對過程的重複稱為一次“迭代”，而每一次迭代得到的結果會作為下一次迭代的初始值。

重複執行一系列運算步驟，從前面的量依次求出後面的量的過程。此過程的每一次結果，都是由對前一次所得結果施行相同的運算步驟得到的。例如利用迭代法*求某一數學問題的解。

對計算機特定程式中需要反覆執行的子程式*(一組指令)，進行一次重複，即重複執行程式中的迴圈，直到滿足某條件為止，亦稱為迭代。

在這所表示的是:如果給定一個list或tuple，我們可以通過for迴圈來遍歷這個list或tuple，這種遍歷我們稱為迭代（Iteration）。

示例一:

# -*- coding: utf-8 -*-
d = {'a': 1, 'b': 2, 'c': 3}
for key in d:
	print(key)

這裡或許會有人疑問，如何判斷這個物件是可迭代的？

通過collections模組的Iterable型別判斷

示例二(如何判斷這個物件是可迭代的):

# -*- coding: utf-8 -*-
from collections import Iterable
print(isinstance('abc', Iterable))

當最終輸出的結果為True，就表示這個物件是可迭代的。

任何可迭代物件都可以作用於for迴圈，包括我們自定義的資料型別，只要符合迭代條件，就可以使用for迴圈

三、列表生成式

列表生成式即List Comprehensions，是Python內建的非常簡單卻強大的可以用來建立list的生成式。

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

原來我們是怎麼做的?

示例一:

# -*- coding: utf-8 -*-
print(list(range(1, 11)))

資料範圍比較小還行，如果換成這樣：

要生成[1x1, 2x2, 3x3, ..., 10x10]這樣的，怎麼做？

肯定是要用到迴圈的。

示例二:

# -*- coding: utf-8 -*-
L = []
for x in range(1, 11):
   L.append(x * x)
print(L)

但是迴圈太繁瑣，而列表生成式則可以用一行語句代替迴圈生成上面的list：

示例三:

# -*- coding: utf-8 -*-
print([x * x for x in range(1, 11)])

示例三同示例二的效果是一樣的，但是從簡潔性來看似乎示例三稍微比for迴圈要好點。或許有人說:我覺得還是for迴圈好，這裡了也看不出比for迴圈好在那。聰哥哥我也不能說的太細，說的太細，過於高深，反而講偏。一句話：仁者見仁，智者見智。

接下來可能有人會罵我說。好吧，我只能硬著頭皮說說呢，就拿L.append說事，每次追加資料，都相當於新增一個地址和引用會有一定的記憶體開銷。少的資料還好，如果是大資料呢。

再比如使用列表生成式可以使程式碼更簡潔，例如我要獲取當前目錄下的所有檔案:

示例四:

# -*- coding: utf-8 -*-
import os
print([d for d in os.listdir('.')])

聰哥哥有話說:運用列表生成式，可以快速生成list，可以通過一個list推匯出另一個list，而程式碼卻十分簡潔。

四、生成器

通過列表生成式，我們可以直接建立一個列表。但是，受到記憶體限制，列表容量肯定是有限的。而且，建立一個包含100萬個元素的列表，不僅佔用很大的儲存空間，如果我們僅僅需要訪問前面幾個元素，那後面絕大多數元素佔用的空間都白白浪費了。所以，如果列表元素可以按照某種演算法推算出來，那我們是否可以在迴圈的過程中不斷推算出後續的元素呢？這樣就不必建立完整的list，從而節省大量的空間。在Python中，這種一邊迴圈一邊計算的機制，稱為生成器：generator。

示例(簡單示例):

# -*- coding: utf-8 -*-
g = (x * x for x in range(10))
for n in g:
    print(n)

聰哥哥有話說:

generator是非常強大的工具，在Python中，可以簡單地把列表生成式改成generator，也可以通過函式實現複雜邏輯的generator。要理解generator的工作原理，它是在for迴圈的過程中不斷計算出下一個元素，並在適當的條件結束for迴圈。對於函式改成的generator來說，遇到return語句或者執行到函式體最後一行語句，就是結束generator的指令，for迴圈隨之結束。

五、迭代器

我們已經知道，可以直接作用於for迴圈的資料型別有以下幾種：

一類是集合資料型別，如list、tuple、dict、set、str等；

一類是generator，包括生成器和帶yield的generator function。

這些可以直接作用於for迴圈的物件統稱為可迭代物件：Iterable。

示例一:

# -*- coding: utf-8 -*-
from collections import Iterator
print(isinstance((x for x in range(10)), Iterator))

生成器都是Iterator物件，但list、dict、str雖然是Iterable，卻不是Iterator。

示例二(把list、dict、str等Iterable變成Iterator可以使用iter()函式）:

# -*- coding: utf-8 -*-
from collections import Iterator
print(isinstance(iter([]), Iterator))

你可能會問，為什麼list、dict、str等資料型別不是Iterator？

這是因為Python的Iterator物件表示的是一個數據流，Iterator物件可以被next()函式呼叫並不斷返回下一個資料，直到沒有資料時丟擲StopIteration錯誤。可以把這個資料流看做是一個有序序列，但我們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一個資料，所以Iterator的計算是惰性的，只有在需要返回下一個資料時它才會計算。

Iterator甚至可以表示一個無限大的資料流，例如全體自然數。而使用list是永遠不可能儲存全體自然數的。

最後聰哥哥有話說:

凡是可作用於for迴圈的物件都是Iterable型別；

凡是可作用於next()函式的物件都是Iterator型別，它們表示一個惰性計算的序列；

集合資料型別如list、dict、str等是Iterable但不是Iterator，不過可以通過iter()函式獲得一個Iterator物件。