Python 高级特性 2
列表生成式
列表生成式就是指类似这样的代码：[x for x in range(1, 11)]
>>> L = [x for x in range(1, 11)]
>>> L
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]生成了一个列表L，从1到10的列表，一共(11-1)-1 = 9个元素。
L这个列表也可以这样生成：L = list(range())。
>>> L= list(range(1, 11))
>>> L
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]关于列表生成式，我们在介绍几个实例：
要生成[1x1, 2x2, 3x3, …, 10x10]怎么做？
>>> [x * x for x in range(1, 11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]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']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
L = [d for d in os.listdir('.')] # os.listdir可以列出文件和目录
print(L)运行：
['.idea', 'dict_set.py', 'qiepian.py']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' }
L = [k + '=' + v for k, v in d.items()]
print(L)运行：
['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']
l = [s.lower() for s in L]
print(l)运行：
['hello', 'world', 'ibm', 'apple']总结：
列表生成式生成的是list。使用的是[]符号。
生成器 （generator）
介绍生成器
创建一个生成器，只要把一个列表生成式的[]改成()。
>>> 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>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。
Q：生成器是干什么用的？
A：受到内存限制，列表容量肯定是有限的。创建一个包含100万个元素的列表，会占用很大的存储空间。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。
通过next()函数获得generator的下一个返回值：
>>> next(g)
0
>>> next(g)
1
>>> next(g)
4
>>> next(g)
9
>>> next(g)
16
>>> next(g)
25
>>> next(g)
36
>>> next(g)
49
>>> next(g)
64
>>> next(g)
81
>>> next(g)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration后面没有更多的元素时，抛出
StopIteration的错误。
不断调用next(g)函数是一种麻烦的方法，正确的方法是使用for循环：
>>> g = (x * x for x in range(10))
>>> for n in g:
... print(n)
...
0
1
4
9
16
25
36
49
64
81通过
for循环来迭代它，并且不需要关心StopIteration的错误。
创建一个函数生成器 （generator function）
迭代器（Iterator）
讲过了迭代（Iterable）。现在讲讲迭代器：
Q：什么是迭代器？
A：可以直接作用于for循环的对象统称为可迭代对象：Iterable；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。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。
Python的Iterator对象表示的是一个数据流.
判断一个对象是否是可迭代对象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)
False总结：
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。
判断一个对象是否是迭代器Iterator
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总结：
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。
生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。
如何将一个Iterable变成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总结：
Python的for循环本质上就是通过不断调用next()函数实现的，例如：for x in [1, 2, 3, 4, 5]: pass实际上完全等价于：
# 首先获得Iterator对象: it = iter([1, 2, 3, 4, 5]) # 循环: while True: try: # 获得下一个值: x = next(it) except StopIteration: # 遇到StopIteration就退出循环 break