取一个list或tuple的部分元素是非常常见的操作。比如，一个list如下：
>>> L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']对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。
>>> 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[:3] ['Michael', 'Sarah', 'Tracy']
类似的，既然Python支持L[-1]取倒数第一个元素，那么它同样支持倒数切片，试试：
>>> L[-2:] ['Bob', 'Jack'] >>> L[-2:-1] ['Bob']所有数，每5个取一个：
L = list(range(100))>>> L[::5][0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]二、迭代
通过for ... in循环来遍历这个list或tuple，这种遍历我们称为迭代（Iteration）
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
最后一个小问题，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三、列表生成式 List Comprehensions，可以用来创建list的生成式。
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
>>> [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 for循环后面加上if判断，这样我们就可以筛选出仅偶数的平方 L = ['Hello','WORLD'] print([s.lower() for s in L]) >>> [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']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。 因此，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'] 最后把一个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']非字符串类型没有lower()方法，可以使用内建的isinstance()函数可以判断一个变量是不是字符串
L1 = ['Hello', 'World', 18, 'Apple', None] L2 = [s.lower() for s in L1 if isinstance(s, str)] print(L2)L = ['Hello','WORLD'] print([s.lower() for s in L]) # 生成列表 print(list(s.lower() for s in L)) # 生成器表达式四、生成器
一边循环一边计算的机制，称为生成器：generator。
创建方法：
1、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> 可以通过next()函数获得generator的下一个返回值 g = (x * x for x in range(10)) >>> g <generator object <genexpr> at 0x1022ef630>>>> next(g) 0 >>> next(g) 1 >>> next(g) 4我们讲过，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。或者使用for循环 >>> g = (x * x for x in range(10)) >>> for n in g: ... print(n)2、若函数定义中包含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(max1): n, a, b = 0, 0, 1 while n < max1: print(b) #返回b yield b a, b = b, a+b n += 1 return 'done'for i in fib(6): print(i) f = fib(6) next(f) next(f) next(f)。 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。捕获错误：
如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中
while True: ... try: ... x = next(g) ... print('g:', x) ... except StopIteration as e: ... print('Generator return value:', e.value) ... breakg: 1 g: 1 g: 2 g: 3 g: 5 g: 8 Generator return value: done五、迭代器
1、可迭代对象Iterable：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) False2、迭代器Iterator：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 Iterator对象表示的是一个数据流，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。而使用list是永远不可能存储全体自然数的。
总结：
1、迭代器是一种支持next()操作的对象. 它包含一组元素, 当执行next()操作时, 返回其中的一个元素; 当所有元素被返回后, 给出StopIteration异常.
生成器是一种迭代器,也是一种特殊的函数, 使用yeild操作来将函数构造成迭代器. 普通的函数只有一个入口, 有一个返回值. 但是生成器有多个多个入口, 多个返回值.
2、凡是可作用于for循环的对象都是可迭代对象Iterable类型；
凡是可作用于next()函数的对象都是迭代器Iterator类型，它们表示一个惰性计算的序列；
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。
Python的for循环本质上就是通过不断调用next()函数实现的
