摘要：開始本文主要記錄廖大教程中高級特性這一節的內容，并寫下我的一些理解。廖大的教程中是這樣說的函數是順序執行，遇到語句或者最后一行函數語句就返回。

用 python 差不多半年多了，從去年暑假開始接觸，從開始的懵逼，到寫了一些小爬蟲總算入門之后，許多作業也是能用 python 就用 python，基本拋棄了 C++。但是還是有些過于急躁了，能夠寫一些簡短的代碼，但是對于 python 的很多特性都不知道或者忘記了，這里回去廖大教程復習一下，順便記錄下我覺得比較重要的地方。

本文主要記錄廖大教程中高級特性這一節的內容，并寫下我的一些理解。在我看來，這些特性是很 pythonic 的，用在代碼中很有 bigger 啊~

切片和迭代就不說了，這里直接先看一下列表生成式吧，從名字就能大概猜出這是生成列表的一些方法，比如：如何生成[1*1, 2*2, ... ,10*10]？可以用循環不斷向列表尾部添加元素，如果使用 pythonic 的方法，也就是列表生成式，則是：

>>> [x * x for x in range(1, 11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

后面還能跟上 if 判斷，例如：

>>> [x * x for x in range(1, 11) if x%2==0]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

這樣，本來需要使用循環寫4，5行的代碼，使用一行就解決了，直觀明了。

還能使用兩個 for 循環生成全排列：

>>> [m + n for m in "ABC" for n in "XYZ"]
["AX", "AY", "AZ", "BX", "BY", "BZ", "CX", "CY", "CZ"]

這樣如何添加 if 判斷呢？可以在每個 for 語句后添加，或者在最后添加：

>>> [m + n for m in "ABC" if m < "C" for n in "XYZ" if n < "Z"]
["AX", "AY", "BX", "BY"]
>>> [m + n for m in "ABC" for n in "XYZ" if n < "Z" and m < "C"]
["AX", "AY", "BX", "BY"]

也可以同時在一個 for 語句中迭代多個變量，比如dict的items()可以同時迭代key和value：

>>> d = {"x": "A", "y": "B", "z": "C" }
>>> [k + "=" + v for k, v in d.items()]
["y=B", "x=A", "z=C"]

差不多就是這樣了~

但是以前總是寫 C++ ，這種思維模式很難改過來，只能慢慢在使用中熟悉這種語法，習慣了就能夠在下意識中寫出來了。

為什么要使用生成器？廖大的教程中說得很詳細，這里再簡述一下：

因為列表的內容放在內存中，而受到內存限制，列表的容量有限。

如果我們只訪問極少的元素，那么存在極大的空間浪費。

而生成器可以一邊迭代一邊計算下一個值，理論上，該過程可以無限進行下去，并且不會占用大量內存。

這里只是簡單介紹一下，更詳細的請 Google 哈~

如何創建生成器？第一種方法類似于前面講到的列表生成式，只需要將[]改為()即可：

>>> 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
 at 0x1022ef630>

可以看到，方法上大致相同，[]得到的是一個已經得到所有值的列表，()得到的是一個生成器，它們都能使用 for 循環來迭代，但是生成器不能使用下標訪問，并且只能被迭代一次，再次迭代則會有 StopIteration 的異常：

>>> for i in g:
...     print(i)
...
0
1
4
9
16
25
36
49
64
81
>>> for i in g:
...     print(i)
...
>>> next(g)
Traceback (most recent call last):
  File "", line 1, in 
StopIteration

不過當我們創建了一個generator后，基本上永遠不會調用next()，而是通過for循環來迭代它，并且不需要關心StopIteration的錯誤。

如果推算的算法比較復雜，用類似列表生成式的for循環無法實現的時候，還可以用函數來實現，比如，著名的斐波那契數列：

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

關于 yield 這個關鍵字，我在剛學 python 的時候也糾結了很久，直到看到生成器的時候才大致明白，大家搜索一下就能大致明白了，我覺得這東西說起來麻煩，只說一兩句又怕說錯。廖大的教程中是這樣說的：

函數是順序執行，遇到return語句或者最后一行函數語句就返回。而變成generator的函數，在每次調用next()的時候執行，遇到yield語句返回，再次執行時從上次返回的yield語句處繼續執行。

可能有點難理解，不過明白了就很好說了。

當然，函數中還可以添加 return，在一個 generator function 中，如果沒有 return，則默認執行至函數完畢，如果在執行過程中 return，則直接拋出 StopIteration 終止迭代。

例如上面的例子，我們在迭代時發現并沒有出現 "done" 這串字符，是因為 return 的值被當作 Exception Value 了，如果要顯示出來，則可以這樣：

>>> g = fib(6)
>>> while True:
...     try:
...         x = next(g)
...         print("g:", x)
...     except StopIteration as e:
...         print("Generator return value:", e.value)
...         break
...
g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
Generator return value: done

可直接作用于 for 循環的對象被稱為可迭代對象，可以用 isinstance() 函數判斷是否為可迭代對象：

>>> 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

而可以被next()函數調用并不斷返回下一個值的對象稱為迭代器：Iterator。當然，仍然可以使用isinstance()判斷一個對象是否是Iterator對象：

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

通過上面兩個例子，可以這樣理解：生成器和 list，tuple，str 等都是 Iterable 對象，生成器同時還是 Iterator 對象，而 list 等不是。那么能否直接將 Iterable 對象轉換成 Iterator 對象呢？

可以使用iter()函數：

>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter("abc"), Iterator)
True

其實，Iterator 對象表示的是一個數據流，我們可以把這個數據流看做是一個有序序列，但卻不能提前知道序列的長度，只能不斷通過next()函數實現按需計算下一個數據，所以 Iterator 的計算是惰性的，只有在需要返回下一個數據時它才會計算。Iterator甚至可以表示一個無限大的數據流，但 list，tuple 什么的是不可能這樣的。

過了個寒假沒碰代碼，相當于復習了一遍啊，其實這里說到的特性是很淺顯的，理解起來不難，等全部差不多復習完還得再深入一點，理解更多才行。

以上~