一、高级特性切片
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，能大大简化这种操作。
L = ['java','php','c','python']
print(L[0:2])
tuple也是一种list，唯一区别是tuple不可变。因此，tuple也可以用切片操作，只是操作的结果仍是tuple：
字符串'xxx'也可以看成是一种list，每个元素就是一个字符。因此，字符串也可以用切片操作，只是操作结果仍是字符串：
在很多编程语言中，针对字符串提供了很多各种截取函数（例如，substring），其实目的就是对字符串切片。Python没有针对字符串的截取函数，只需要切片一个操作就可以完成，非常简单
二、迭代
如果给定一个list或tuple，我们可以通过for循环来遍历这个list或tuple，这种遍历我们称为迭代（Iteration）。
默认情况下，dict迭代的是key。如果要迭代value，可以用for value in d.values()，如果要同时迭代key和value，可以用for k, v in d.items()。
d = {'a':1,'b':2,'c':3}
for key in d:
print(key)
Python的for循环不仅可以用在list或tuple上，还可以作用在其他可迭代对象上
字符串也是可迭代对象，因此，也可以作用于for循环
for ch in 'ABC':
print(ch)
三、列表生成式
列表生成式即List Comprehensions，是Python内置的非常简单却强大的可以用来创建list的生成式。
list1 = list(range(1,11))
print(list1)
输出结果：[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
如果要生成[1x1, 2x2, 3x3, ..., 10x10]怎么做？方法一是循环：
L = []
for x in range(1,11):
L.append(x*x)
print(L)
但是循环太繁琐，而列表生成式则可以用一行语句代替循环生成上面的list：
print([x*x for x in range(1,11)])
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，十分有用，多写几次，很快就可以熟悉这种语法。
但是循环太繁琐，而列表生成式则可以用一行语句代替循环生成上面的list：
print([x-x for x in range(1,11)])
for循环后面还可以加上if判断，这样我们就可以筛选出仅偶数的平方
print([x*x for x in range(1,11) if x % 2 == 0])
还可以使用两层循环，可以生成全排列：
print([m + n for m in 'ABC' for n in 'zxc'])
运用列表生成式，可以写出非常简洁的代码。例如，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
print(d for d in os.listdir('.'))#os.listdir可以累出文件和目录
for 循环其实可以同时使用两个甚至更多个变量，比如dict的items（）可以同时迭代key和value
d = {'x':'X','y':'Y','z':'Z'}
for k,v in d.items():
print(k,'=',v)
因此，列表生成式也可以使用两个变量来生成list：
print([k + '=' + v for k, v in d.items()])
最后把一个list中的所有字符串变成小写
L = ['JavA','PHp','PYthon']
print([s.lower() for s in L])
如果list中既包含字符串，又包含整数，由于非字符串类型没有lower()方法，所以列表生成式会报错：
使用內建对象isinstance函数可以判断一个变量是不是字符串：
J = ['Hello','Java',56,'Php']
print([s.lower() for s in J if isinstance(s,str)])
生成器
通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。
所以，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。
g = (x*x for x in range(10))
for n in g:
print(n)
所以，我们创建了一个generator后，基本上永远不会调用next()，而是通过for循环来迭代它，并且不需要关心StopIteration的错误
generator非常强大。如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。
比如，著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：
def fib(max):
n,a,b = 0,0,1
while n < max:
print(b)
#注意，赋值语句
a,b = b,a+b #相当于：t = (b, a + b) # t是一个tuple a = t[0] b = t[1]
n = n + 1
return 'done'
print(fib(6))
这就是定义generator的另一种方法。如果一个函数定义中包含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(max):
n,a,b = 0,0,1
while n < max:
yield(b)
#注意，赋值语句
a,b = b,a+b #相当于：t = (b, a + b) # t是一个tuple a = t[0] b = t[1]
n = n + 1
return 'done'
for x in fib(6):
print(x)
但是用for循环调用generator时，发现拿不到generator的return语句的返回值。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：
g = fib(6)
while True:
try:
x = next(g)
print("g",x)
except StopIteration as e:
#捕获当前异常
print('Generator return value:',e.value)
break
迭代器
我们已经知道，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
print(isinstance([],Iterable)) true
print(isinstance({},Iterable)) true
print(isinstance('abc',Iterable)) true
而生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。
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。
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
为什么list、dict、str等数据类型不是Iterator？
这是因为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。
小结
凡是可作用于for循环的对象都是Iterable类型；
凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；
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。
