掌握了Python的数据类型、语句和函数，基本上就可以编写出很多有用的程序了。
比如构造一个1, 3, 5, 7, ..., 99的列表，可以通过循环实现：
L = []
n = 1
while n <= 99:
L.append(n)
n = n + 2
取list的前一半的元素，也可以通过循环实现。
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，一行代码能实现的功能，决不写5行代码。
切片
切片是指取指定索引范围的操作，如：
>>> L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']
>>> L[0:3] #取list的0到3个元素，不包括第三个，相当于坐闭右开区间
['Michael', 'Sarah', 'Tracy']
>>> L[:3] #索引默认是从0开始的，所以第一个索引是0可以省略
['Michael', 'Sarah', 'Tracy']
>>> L[1:3] #取L的1到3个元素
['Sarah', 'Tracy']
>>> L[-2:] #从倒数第二个元素开始取，倒数第一个元素是-1
切片操作十分有用。我们先创建一个0-99的数列：
>>> L = range(100)
>>> L
[0, 1, 2, 3, ..., 99]
可以通过切片轻松取出某一段数列。比如前10个数：
>>> L[:10]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
后10个数：
>>> L[-10:]
[90, 91, 92, 93, 94, 95, 96, 97, 98, 99]
前11-20个数：
>>> L[10:20]
[10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
前10个数，每两个取一个：
>>> L[:10:2]
[0, 2, 4, 6, 8]
所有数，每5个取一个：
>>> L[::5]
[0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]
甚至什么都不写，只写[:]
就可以原样复制一个list：
>>> L[:]
[0, 1, 2, 3, ..., 99]
tuple也是一种list，同样可以切片，只是操作返回结果还是tupl
字符串'xxx'或Unicode字符串u'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'
总结：对于一个list、tuple或者字符串可以使用[x:y:z]进行切片，对list切片返回结果是list，对tuple切片，返回结果还是tuple，对字符串切片返回结果函数字符串。第一个参数x表示从哪开始取，可以是负数，负数表示从倒数第几个开始。省略时默认是0，规定第一个元素的索引为0，倒数第一个（最后一个）索引为-1；第二个参数是取到第几个但是不包括这个元素，同样可以为负数，省略表示取到最后；第三个参数可以省略不写，表示每隔几个取一次
在很多编程语言中，针对字符串提供了很多各种截取函数，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。
迭代
通过for循环遍历list或者tuple成为迭代。迭代是通过for...in...完成的
除了list和tuple外，还有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：
>>> d = {'a' : 1, 'b' : 2, 'c' : 3}
>>> for key in d:
... print key
...
a
c
b
因为dict存储不像list一样按顺序排列，所以，迭代出的结果顺序可能不一样。
对dict迭代，默认迭代的是key，如果要迭代value，可以用for value in d.itervalues()，如果要同时迭代key和value，可以使用for k, v in d.iteritems()
d = {'a':'A','b':'B','c':'C'}
for k,v in d.iteritems():
print k,v
同样，字符串也是可迭代对象，也可以进行迭代：
>>> for ch in 'ABC':
... print ch
...
A
B
C
可以使用collections模块的lterable类型判断一个对象是否可以进行迭代：
from collections import Iterable
isinstance('abc', Iterable) #结果为True
isinstance(123, Iterable) #结果为False
如果想对list实现类似C语言的下标循环，可以使用Python内置的函数enumerate()把一个list变成索引的形式，这样就可以迭代出索引了：
>>> for i, value in enumerate(['A', 'B', 'C']):
... print i, value
...
0 A
1 B
2 C
在for循环中利用两个变量还可以这样：
>>> for x, y in [(1, 1),(2, 4),(3, 9)]:
... print x, y
...
1 1
2 4
3 9
列表生成式
列表生成式是python内置的可以用来创建list的生成式，如：
生成1到10每个数的平方，可以这样：
>>> [x * x for x in range(1, 11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
列表生成式的写法：使用方括号[]，把要生成的元素放到最前边，可以是变量，也可以是表达式，后边跟for循环，就可以创建一个list了，如果需要，后边还可以加上if语句进行判断。如：
生成1到10中仅偶数的平方
>>> [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，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']
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.iteritems()]
['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']
如果这个list中既包含字符串，又包含整数，由于非字符串没有lower()方法，所以会报错，可以这样修改：
[s.lower() if isinstance(x, str) else s for s in L]
如果这样写就会报错：
[s.lower() for s in L if isinstance(x, str) else s]
列表生成式后面只能有if不能有else：
[process(x) for x in L if should_keep(x)]
因为这个if是说“要不要保留x”，加个else整个逻辑就没法解释了
但是for前面的process(x)是可以用if...else来写的：
[x if x > 0 else -x for x in L]
相当于：
def process(x):
return x if x > 0 else -x
[process(x) for x in L]
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。
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）。
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 0x104feab40>
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。
list中的元素可以直接打印出来，generator中的只能通过next()方法打印，generator类似于一个链表，每调用一次next()方法，就计算出下一个元素的值，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。
>>> g.next()
0
>>> g.next()
1
>>> g.next()
4
>>> g.next()
9
>>> g.next()
16
>>> g.next()
25
>>> g.next()
36
>>> g.next()
49
>>> g.next()
64
>>> g.next()
81
>>> g.next()
Traceback (most recent call last): File "<stdin>", line 1, in <module>StopIteration
这种不断调用next()方法的迭代太复杂了，其实generator也是可迭代对象，可以使用for循环遍历
>>> g = (x * x for x in range(10))
>>> for n in g
:... print n,
...
0 1 4 9 16 25 36 49 64 81
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。
比如著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：
1, 1, 2, 3, 5, 8, 13, 21, 34, ...
斐波拉契数列用列表生成式写不出来，可以用函数实现：
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
这个函数定义中包含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：
>>> fib(6)
<generator object fib at 0x104feaaa0>
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。
使用for循环迭代：
>>> for n in fib(6):
... print n,
...
1 1 2 3 5 8
再举个简单的例子，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
...
>>> o = odd()
>>> o.next()
step 1
1
>>> o.next()
step 2
3
>>> o.next()
step 3
5
>>> o.next()
Traceback (most recent call last): File "<stdin>", line 1, in <module>StopIteration
可以看到，odd不是普通函数，而是generator，在执行过程中，遇到yield就中断，下次又继续执行。执行3次yield后，已经没有yield可以执行了，所以，第4次调用next()就报错。
小结：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。
end
