前言
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後，許多作業也是能用 python 就用 python，基本拋棄了 C++。但還是有些過於急躁了，能夠寫一些簡短的程式碼，但是對於 python 的很多特性都不知道或者忘記了，這裡回去廖大教程複習一下，順便記錄下我覺得比較重要的地方。
開始
本文主要記錄廖大教程中高級特性這一節的內容，並寫下我的一些理解。在我看來，這些特性是很pythonic 的，用在程式碼中很有bigger 啊~
列表生成式(List Comprehensions)
切片和迭代就不說了，這裡直接先看一下列表生成式吧，從名字就能大概猜出這是產生清單的一些方法，例如：如何產生[1*1, 2*2, ... ,10*10]？可以用循環不斷在列表尾部添加元素，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]
登入後複製
後面還能跟上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]
登入後複製
這樣，本來需要使用循環寫4， 5行的程式碼，使用一行就解決了，直覺明了。
還能使用兩個 for 迴圈產生全排列：
>>> [m + n for m in 'ABC' for n in 'XYZ']
['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']
登入後複製
這樣如何加入 if 判斷呢？可以在每個for 語句後面加，或者在最後加上：
>>> [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']
登入後複製
也可以同時在一個for 語句中迭代多個變量，例如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']登入後複製
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。
生成器(Generator)
為什麼要使用生成器？廖大的教學中說得很詳細，這裡再簡述一下：
因為列表的內容放在記憶體中，而受到記憶體限制，列表的容量有限。
如果我們只訪問極少的元素，那麼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，並且不會佔用大量內存。
這裡只是簡單介紹一下，更詳細的請 Google 哈~
如何創建生成器？第一種方法類似前面講到的列表產生式，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
<generator object <genexpr> at 0x1022ef630>
登入後複製
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，並且只能被迭代一次，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 "<stdin>", line 1, in <module>
StopIteration
登入後複製
不過當我們創建了一個generator後，基本上永遠不會呼叫next()，而是透過for循環來迭代它，並且不需要關心StopIteration的錯誤。
如果推算的演算法比較複雜，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'登入後複製
關於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，大家搜尋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。廖大的教學中是這樣說的：
函數是順序執行，遇到return語句或最後一行函數語句就回傳。而變成generator的函數，在每次呼叫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，函數中還可以加入 return，在一個 generator function 中，如果沒有 return，則預設執行至函數完畢，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，我們在迭代時發現並沒有出現'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登入後複製
迭代器(Iterator )
可直接作用於for 迴圈的物件稱為可迭代對象，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登入後複製
而可以被next()函數呼叫並不斷傳回下一個值的對象稱為迭代器：Iterator。當然，仍然可以使用isinstance()判斷一個物件是否是Iterator物件：
>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False登入後複製
透過上面兩個例子，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。那麼能否直接將 Iterable 物件轉換成 Iterator 物件呢？
可以使用iter()函數：
>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True登入後複製
其实，Iterator 对象表示的是一个数据流，我们可以把这个数据流看做是一个有序序列，但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，但 list，tuple 什么的是不可能这样的。
更多关于 python 的一些高级特性相关文章请关注PHP中文网！
