Python之高级特性(2)

01

列表生成

加入我们想要生成一个list，它的内容是从1到8的整数，我们可以用list(range(1:9))来进行生成：

其中range是一个左闭右开的区间，从1开始，到9结束，不包含9本身，在这个基础上，如果我们生成[1*1，2*2，3*3，...8*8]，而且不能使用循环的方法，此时我们需要怎么做呢？Python中提供了一种简单的方法来处理这种情况，也就是使用列表生成，如下：

直接在写的时候，就写成一个循环的样子，循环过程中的映射关系写在循环体的前面即可。值得注意的是，这样的写法后面还可以根据我们自己定义的条件进行数字筛选，例如下面这样：

除此之外，可以使用双层循环，从而对循环中的变量进行相应处理：

再来几个例子：

字符拼接类型

大写字母转化为小写：

02

生成器

当我们处理一个包含100个数字的列表的时候，我们可以通过列表生成，采用循环的方式，生成我们想要的list，但是由于计算机的内存是有限制的，一个很大的list必然浪费很多空间，所以如果可以通过某种算法计算出来列表的值，在使用的时候再拿到它的值，就会节省大量的存储空间。

在python中，提供了生成器来实现这种需求，也称之为generator

先来看看如下两个语句：

这两个语句只是最外层的括号不一样，我们可以看到L是一个lsit，g就是我们所说的生成器，那么我们需要怎么查看g的值呢？

可以使用next(g)来获取对应下标的g的值，实际上每次调用next(g)的时候，都是调用生成器里面的算法，但是这种方式不是很方便，可以使用更简洁的方法，也就是搭配for循环来获取g里面的值，能够这样做的前提是generator也是一个可迭代对象：

03

迭代器

目前，我们知道的可迭代对象包含：list，tuple，dict，set，str，generator

这些可以直接使用for进行循环的对象我们称之为可迭代对象：Iterable

我们可以使用isinstance来判断一个对象是否是Iterable对象，如下：

我们可以看到，最后的100是一个数字，显然不是一个可迭代对象。

这里引入生成器的概念，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。请注意Iterable和Iterator不是相同的概念，前者是可迭代对象，后者是迭代器

我们重新判断上面的那些类型是不是迭代器：

可以看到，list类型、dict类型、str类型，虽然是Iterable，但是不是Iterator

把list、dict、str等Iterable变成Iterator可以使用iter()函数：

为什么list、dict、str等数据类型不是Iterator？

查阅资料，给出如下解释：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。