6.高階特性 6.1迭代 如果給定一個list或tuple，我們可以通過for迴圈來遍歷這個list或tuple，這種遍歷我們稱為迭代（Iteration）。在Python中，迭代是通過for ... in來完成的。 因為dict的存儲不是按照list的方式順序排列，所以，迭代出的結果順序很可能不一 ...
6.高階特性
6.1迭代
如果給定一個list或tuple，我們可以通過for迴圈來遍歷這個list或tuple，這種遍歷我們稱為迭代（Iteration）。在Python中，迭代是通過for ... in來完成的。
因為dict的存儲不是按照list的方式順序排列，所以，迭代出的結果順序很可能不一樣。預設情況下，dict迭代的是key。如果要迭代value，可以用for value in d.values()，如果要同時迭代key和value，可以用for k, v in d.items()。
由於字元串也是可迭代對象，因此，也可以作用於for迴圈：
|
>>> for ch in 'ABC': ... print(ch) ... A B C |
判斷一個對象是可迭代對象呢？方法是通過collections模塊的Iterable類型判斷：
|
>>> from collections import Iterable >>> isinstance('abc', Iterable) # str是否可迭代 True >>> isinstance([1,2,3], Iterable) # list是否可迭代 True >>> isinstance(123, Iterable) # 整數是否可迭代 False |
如果要對list實現類似Java那樣的下標迴圈怎麼辦？Python內置的enumerate函數可以把一個list變成索引-元素對，這樣就可以在for迴圈中同時迭代索引和元素本身：
|
>>> for i, value in enumerate(['A', 'B', 'C']): ... print(i, value) ... 0 A 1 B 2 C |
6.2列表推導
列表生成式即List Comprehensions，是Python內置的非常簡單卻強大的可以用來創建list的生成式。
要生成list [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]可以用list(range(1, 11))。
寫列表生成式時，把要生成的元素x * x放到前面，後面跟for迴圈，就可以把list創建出來，十分有用，多寫幾次，很快就可以熟悉這種語法。for迴圈後面還可以加上if判斷，這樣我們就可以篩選出僅偶數的平方：
|
>>> [x * x for x in range(1, 11) if x % 2 == 0] [4, 16, 36, 64, 100] |
還可以使用兩層迴圈，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'] |
列表生成式也可以使用兩個變數來生成list：
|
>>> d = {'x': 'A', 'y': 'B', 'z': 'C' } >>> [k + '=' + v for k, v in d.items()] ['y=B', 'x=A', 'z=C'] |
最後把一個list中所有的字元串變成小寫：
|
>>> L = ['Hello', 'World', 'IBM', 'Apple'] >>> [s.lower() for s in L] ['hello', 'world', 'ibm', 'apple'] |
6.3生成器表達式
如果列表元素可以按照某種演算法推算出來，可以在迴圈的過程中不斷推算出後續的元素，在Python中，這種一邊迴圈一邊計算的機制，稱為生成器：generator。
要創建一個generator，有很多種方法。第一種方法很簡單，只要把一個列表生成式的[]改成()，就創建了一個generator：
|
>>> 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> |
創建L和g的區別僅在於最外層的[]和()，L是一個list，而g是一個generator。如果要一個一個列印出來，可以通過next()函數獲得generator的下一個返回值。我們講過，generator保存的是演算法，每次調用next(g)，就計算出g的下一個元素的值，直到計算到最後一個元素，沒有更多的元素時，拋出StopIteration的錯誤。
|
>>> 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 |
正確的方法是使用for迴圈，因為generator也是可迭代對象：
|
>>> g = (x * x for x in range(10)) >>> for n in g: ... print(n) ... 0 1 4 9 16 25 36 49 64 81 |
定義generator的另一種方法。如果一個函數定義中包含yield關鍵字，那麼這個函數就不再是一個普通函數，而是一個generator：
|
def fib(max): n, a, b = 0, 0, 1 while n < max: yield b a, b = b, a + b n = n + 1 return 'done' |
6.4元組拆包
我們把元組 ('Tokyo', 2003, 32450, 0.66, 8014) 里的元素分別賦值 給變數 city、year、pop、chg 和 area，而這所有的賦值我們只用一行聲明就寫完了。 同樣，在後面一行中，一個 % 運算符就把 passport 元組裡的元素對應到了 print 函數 的格式字元串空檔中。這兩個都是對元組拆包的應用。
最好辨認的元組拆包形式就是平行賦值，也就是說把一個可迭代對象里的元素，一併賦 值到由對應的變數組成的元組中。
平行賦值：
|
>>> lax_coordinates = (33.9425, -118.408056) >>> latitude, longitude = lax_coordinates # 元組拆包 >>> latitude 33.9425 >>> longitude -118.408056 |
以用 * 運算符把一個可迭代對象拆開作為函數的參數：
|
>>> divmod(20, 8) (2, 4) >>> t = (20, 8) >>> divmod(*t) (2, 4) >>> quotient, remainder = divmod(*t) >>> quotient, remainder (2, 4) |
這裡元組拆包的用法則是讓一個函數可以用元組的形式返回多個值， 然後調用函數的代碼就能輕鬆地接受這些返回值。比如 os.path.split() 函數就會返回 以路徑和最後一個文件名組成的元組 (path, last_part):
|
>>> import os >>> _, filename = os.path.split('/home/luciano/.ssh/idrsa.pub') >>> filename 'idrsa.pub’ |
在 Python 中，函數用 *args 來獲取不確定數量的參數算是一種經典寫法了。
Python 3 里，這個概念被擴展到了平行賦值中：
|
>>> a, b, *rest = range(5) >>> a, b, rest (0, 1, [2, 3, 4]) >>> a, b, *rest = range(3) >>> a, b, rest (0, 1, [2]) >>> a, b, *rest = range(2) >>> a, b, rest (0, 1, []) |
在平行賦值中，* 首碼只能用在一個變數名前面，但是這個變數可以出現在賦值表達式的任意位置：
|
>>> a, *body, c, d = range(5) >>> a, body, c, d (0, [1, 2], 3, 4) >>> *head, b, c, d = range(5) >>> head, b, c, d ([0, 1], 2, 3, 4) |
