高级特性

朱雀 2022-05-18 07:18 265阅读 0赞

**切片**

取一个list或tuple的部分元素是非常常见的操作。比如，一个list如下：

>>> L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']

取前3个元素，应该怎么做？

笨办法：

>>> [L[0], L[1], L[2]]
    ['Michael', 'Sarah', 'Tracy']

之所以是笨办法是因为扩展一下，取前N个元素就没辙了。

取前N个元素，也就是索引为0-(N-1)的元素，可以用循环：

>>> r = []
    >>> n = 3
    >>> for i in range(n):
    ...     r.append(L[i])
    ... 
    >>> r
    ['Michael', 'Sarah', 'Tracy']

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。

对应上面的问题，取前3个元素，用一行代码就可以完成切片：

>>> L[0:3]
    ['Michael', 'Sarah', 'Tracy']

`L[0:3]`表示，从索引`0`开始取，直到索引`3`为止，但不包括索引`3`。即索引`0`，`1`，`2`，正好是3个元素。

如果第一个索引是`0`，还可以省略：

>>> L[:3]
    ['Michael', 'Sarah', 'Tracy']

也可以从索引1开始，取出2个元素出来：

>>> L[1:3]
    ['Sarah', 'Tracy']

类似的，既然Python支持`L[-1]`取倒数第一个元素，那么它同样支持倒数切片，试试：

>>> L[-2:]
    ['Bob', 'Jack']
    >>> L[-2:-1]
    ['Bob']

记住倒数第一个元素的索引是`-1`。

切片操作十分有用。我们先创建一个0-99的数列：

>>> L = list(range(100))
    >>> L
    [0, 1, 2, 3, ..., 99]

可以通过切片轻松取出某一段数列。比如前10个数：

>>> L[:10]
    [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

后10个数：

>>> L[-10:]
    [90, 91, 92, 93, 94, 95, 96, 97, 98, 99]

前11-20个数：

>>> L[10:20]
    [10, 11, 12, 13, 14, 15, 16, 17, 18, 19]

前10个数，每两个取一个：

>>> L[:10:2]
    [0, 2, 4, 6, 8]

所有数，每5个取一个：

>>> L[::5]
    [0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]

甚至什么都不写，只写`[:]`就可以原样复制一个list：

>>> L[:]
    [0, 1, 2, 3, ..., 99]

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：

>>> (0, 1, 2, 3, 4, 5)[:3]
    (0, 1, 2)

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：

>>> 'ABCDEFG'[:3]
    'ABC'
    >>> 'ABCDEFG'[::2]
    'ACEG'

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。

# 首先判断字符串的长度是否为0，如果是，直接返回字符串
    # 第二，循环判断字符串的首部是否有空格，如果有，去掉空格，再判断字符串的长度是否为0，如果是，直接返回字符串
    # 第三，循环判断字符串的尾部是否有空格，如果有，去掉空格，再判断字符串的长度是否为0，如果是，直接返回字符串
    # 最后，返回字符串
    def trim(s):
        if 0 == len(s):
            return s
        while ' ' == s[0]:
            s = s[1:]
            if 0 == len(s):
                return s
        while ' ' == s[-1]:
            s = s[:-1]
            if 0 == len(s):
                return s
        return s
    #######################################################################################
    from abstest import trim
    L = []
    n = 1
    while n <= 99:
        L.append(n)
        n = n + 2
        print(n)
    
    L = list(range(100))
    # 可以通过切片轻松取出某一段数列。比如前10个数：
    print(L[:10])
    # 通过切片轻松得到 后10个数：
    print(L[-10:])
    # 前11-20个数：
    print(L[10:20])
    # 前10个数，每两个取一个：
    print(L[:10:2])
    # 所有数，每5个取一个：
    print(L[::5])
    # 甚至什么都不写，只写[:]就可以原样复制一个list：
    print(L[:])
    # 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：
    LL = (0, 1, 2, 3, 4, 5)
    print(LL[:])
    print(LL[:2])
    print(LL[-2:])
    print(LL[::2])
    print(LL[:6:2])
    # 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
    LLL = 'ABCDEFG'
    print(LLL[:])
    print(LLL[:2])
    print(LLL[-2:])
    print(LLL[:7:2])
    print(LLL[::2])
    
    if trim('hello   ') != 'hello':
        print('测试失败!')
    elif trim('  hello') != 'hello':
        print('测试失败!')
    elif trim('   hello  ') != 'hello':
        print('测试失败！')
    elif trim(' ') != '':
        print('测试失败！')
    elif trim('   ') != '':
        print('测试失败！')
    else:
        print('测试成功！')

**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）。

在Python中，迭代是通过`for ... in`来完成的，而很多语言比如C语言，迭代list是通过下标完成的，比如Java代码：

for (i=0; i<list.length; i++) {
        n = list[i];
    }

可以看出，Python的`for`循环抽象程度要高于C的`for`循环，因为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。

list这种数据类型虽然有下标，但很多其他数据类型是没有下标的，但是，只要是可迭代对象，无论有无下标，都可以迭代，比如dict就可以迭代：

>>> d = {'a': 1, 'b': 2, 'c': 3}
    >>> for key in d:
    ...     print(key)
    ...
    a
    c
    b

因为dict的存储不是按照list的方式顺序排列，所以，迭代出的结果顺序很可能不一样。

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()`。

由于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)
    ...
    A
    B
    C

所以，当我们使用`for`循环时，只要作用于一个可迭代对象，`for`循环就可以正常运行，而我们不太关心该对象究竟是list还是其他数据类型。

那么，如何判断一个对象是可迭代对象呢？方法是通过collections模块的Iterable类型判断：

>>> 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) # 整数是否可迭代
    False

最后一个小问题，如果要对list实现类似Java那样的下标循环怎么办？Python内置的`enumerate`函数可以把一个list变成索引-元素对，这样就可以在`for`循环中同时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

上面的`for`循环里，同时引用了两个变量，在Python里是很常见的，比如下面的代码：

>>> for x, y in [(1, 1), (2, 4), (3, 9)]:
    ...     print(x, y)
    ...
    1 1
    2 4
    3 9

def findMinAndMax(L):
        if L != []:
            max = L[0]
            min = L[0]
            for x in L:
                if max < x:
                    max = x
                if min > x:
                    min = x
            return (min, max)
        else:
            return (None, None)
    ########################################################################################
    from collections import Iterable
    from abstest import findMinAndMax
    # 当我们使用for循环时，只要作用于一个可迭代对象，for循环就可以正常运行，而我们不太关心该对象究竟是list还是其他数据类型。
    d = {'a': 1, 'b': 2, 'c': 3}
    for key in d:
        print(key)
    for ch in 'ABC':
        print(ch)
    # 如何判断一个对象是可迭代对象呢？方法是通过collections模块的Iterable类型判断：
    # str是否可迭代
    print(isinstance('abc', Iterable))
    
    # list是否可迭代
    print(isinstance([1, 2, 3], Iterable))
    # 如果要对list实现类似Java那样的下标循环怎么办？
    # Python内置的enumerate函数可以把一个list变成索引-元素对，这样就可以在for循环中同时迭代索引和元素本身：
    for i, value in enumerate(['A', 'B', 'C']):
        print(i, value)
    # 上面的for循环里，同时引用了两个变量，在Python里是很常见的，比如下面的代码：
    for x, y in[(1, 1), (2, 4), (3, 9)]:
        print(x, y)
    # 请使用迭代查找一个list中最小和最大值，并返回一个tuple：
    if findMinAndMax([]) !=(None, None):
        print('测试失败')
    elif findMinAndMax([7]) != (7, 7):
        print('测试失败')
    elif findMinAndMax([7, 1]) != (1, 7):
        print('测试失败')
    elif findMinAndMax([7, 1, 3, 9, 5]) != (1, 9):
        print('测试失败!++++4', findMinAndMax([7, 1, 3, 9, 5]))
    else:
        print('测试成功!')

**列表生成式**

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。

举个例子，要生成list `[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]`可以用`list(range(1, 11))`：

>>> list(range(1, 11))
    [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

但如果要生成`[1x1, 2x2, 3x3, ..., 10x10]`怎么做？方法一是循环：

>>> L = []
    >>> for x in range(1, 11):
    ...    L.append(x * x)
    ...
    >>> L
    [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

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：

>>> [x * x for x in range(1, 11)]
    [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

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。

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：

>>> [x * x for x in range(1, 11) if x % 2 == 0]
    [4, 16, 36, 64, 100]

还可以使用两层循环，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']

三层和三层以上的循环就很少用到了。

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，模块的概念后面讲到
    >>> [d for d in os.listdir('.')] # os.listdir可以列出文件和目录
    ['.emacs.d', '.ssh', '.Trash', 'Adlm', 'Applications', 'Desktop', 'Documents', 'Downloads', 'Library', 'Movies', 'Music', 'Pictures', 'Public', 'VirtualBox VMs', 'Workspace', 'XCode']

`for`循环其实可以同时使用两个甚至多个变量，比如`dict`的`items()`可以同时迭代key和value：

>>> d = {'x': 'A', 'y': 'B', 'z': 'C' }
    >>> for k, v in d.items():
    ...     print(k, '=', v)
    ...
    y = B
    x = A
    z = C

因此，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' }
    >>> [k + '=' + v for k, v in d.items()]
    ['y=B', 'x=A', 'z=C']

最后把一个list中所有的字符串变成小写：

>>> L = ['Hello', 'World', 'IBM', 'Apple']
    >>> [s.lower() for s in L]
    ['hello', 'world', 'ibm', 'apple']

# 导入os模块，模块的概念后面讲到
    import os
    # 要生成list [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]可以用list(range(1, 11))：
    A = list(range(1, 11))
    print(A)
    # 但如果要生成[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)
    # 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：
    B= [x * x for x in range(1, 11) if x % 2 == 0]
    print(B)
    
    # 还可以使用两层循环，可以生成全排列：
    C = [m + n for m in 'ABC' for n in 'XYZ']
    print(C)
    # os.listdir可以列出文件和目录
    # 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：
    D = [d for d in os.listdir('.')]
    print(D)
    # for循环其实可以同时使用两个甚至多个变量，比如dict的items()可以同时迭代key和value：
    d = {'x': 'A', 'y': 'B', 'z': 'C' }
    for k, v in d.items():
        print(k, '=', v)
    
    # 列表生成式也可以使用两个变量来生成list：
    E = [k + '=' + v for k, v in d.items()]
    print(E)
    # 最后把一个list中所有的字符串变成小写：
    L = ['Hello', 'World', 'IBM', 'Apple']
    F = [s.lower() for s in L]
    print(F)

# 使用内建的isinstance函数可以判断一个变量是不是字符串：
    x = 'abc'
    y = 123
    A = isinstance(x, str)
    B = isinstance(y, str)
    print(A)
    print(B)
    # 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：
    L = ['Hello', 'World', 18, 'Apple', None]
    # 将list中的字符串全部变为小写的列表生成式为
    B = [s.lower() for s in L if isinstance(s, str)]
    print(B)
    # A = [s.lower() for s in L] err
    # 如果将其中的非字符串也输出 那么列表生成式为
    A = [s.lower() if isinstance(s, str) else s for s in L]
    print(A)

** 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。**

要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的`[]`改成`()`，就创建了一个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>

**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。**

我们可以直接打印出list的每一个元素，但我们怎么打印出generator的每一个元素呢？

**如果要一个一个打印出来，可以通过`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

我们讲过，generator保存的是算法，每次调用`next(g)`，就计算出`g`的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出`StopIteration`的错误。

当然，上面这种不断调用`next(g)`实在是太变态了，正确的方法是使用`for`循环，因为generator也是可迭代对象：

>>> g = (x * x for x in range(10))
    >>> for n in g:
    ...     print(n)
    ... 
    0
    1
    4
    9
    16
    25
    36
    49
    64
    81

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：

1, 1, 2, 3, 5, 8, 13, 21, 34, ...

斐波拉契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易：

def fib(max):
        n, a, b = 0, 0, 1
        while n < max:
            print(b)
            a, b = b, a + b
            n = n + 1
        return 'done'

*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]

但不必显式写出临时变量t就可以赋值。

上面的函数可以输出斐波那契数列的前N个数：

>>> fib(6)
    1
    1
    2
    3
    5
    8
    'done'

仔细观察，可以看出，`fib`函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。

也就是说，上面的函数和generator仅一步之遥。要把`fib`函数变成generator，只需要把`print(b)`改为`yield b`就可以了：

def fib(max):
        n, a, b = 0, 0, 1
        while n < max:
            yield b
            a, b = b, a + b
            n = n + 1
        return 'done'

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：

>>> f = fib(6)
    >>> f
    <generator object fib at 0x104feaaa0>

**这里，最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到`return`语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用`next()`的时候执行，遇到`yield`语句返回，再次执行时从上次返回的`yield`语句处继续执行。**

举个简单的例子，定义一个generator，依次返回数字1，3，5：

def odd():
        print('step 1')
        yield 1
        print('step 2')
        yield(3)
        print('step 3')
        yield(5)

调用该generator时，首先要生成一个generator对象，然后用`next()`函数不断获得下一个返回值：

>>> o = odd()
    >>> next(o)
    step 1
    1
    >>> next(o)
    step 2
    3
    >>> next(o)
    step 3
    5
    >>> next(o)
    Traceback (most recent call last):
      File "<stdin>", line 1, in <module>
    StopIteration

可以看到，`odd`不是普通函数，而是generator，在执行过程中，遇到`yield`就中断，下次又继续执行。执行3次`yield`后，已经没有`yield`可以执行了，所以，第4次调用`next(o)`就报错。

回到`fib`的例子，我们在循环过程中不断调用`yield`，就会不断中断。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来。

同样的，把函数改成generator后，我们基本上从来不会用`next()`来获取下一个返回值，而是直接使用`for`循环来迭代：

>>> for n in fib(6):
    ...     print(n)
    ...
    1
    1
    2
    3
    5
    8

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:
    ...         print('Generator return value:', e.value)
    ...         break
    ...
    g: 1
    g: 1
    g: 2
    g: 3
    g: 5
    g: 8
    Generator return value: done

# 要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator
    L = [x * x for x in range(10)]
    print(L)
    
    g = (x * x for x in range(10))
    print(g)
    
    # 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。
    # 我们可以直接打印出list的每一个元素，但我们怎么打印出generator的每一个元素呢？
    # 如果要一个一个打印出来，可以通过next()函数获得generator的下一个返回值：
    print(next(g))
    print(next(g))
    print(next(g))
    print(next(g))
    print(next(g))
    
    print(next(g))
    print(next(g))
    print(next(g))
    print(next(g))
    print(next(g))
    # 我们讲过，generator保存的是算法，每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。
    # 上面这种不断调用next(g)实在是太变态了，正确的方法是使用for循环，因为generator也是可迭代对象：
    for n in g:
        print(n)
    # 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)
            a, b = b, a+b
            n = n + 1
        return 'done'
    
    fib(6)
    # 上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print(b)改为yield b就可以了
    def fib1(max):
        n, a, b = 0, 0, 1
        while n < max:
            yield b
            a, b = b, a+b
            n = n + 1
        return 'done'
    # 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：
    fib1(6)
    # 这里，最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。
    # 举个简单的例子，定义一个generator，依次返回数字1，3，5：
    def odd():
        print('step 1')
        yield 1
        print('step 2')
        yield (3)
        print('step 3')
        yield (5)
    # 调用该generator时，首先要生成一个generator对象，然后用next()函数不断获得下一个返回值：
    o = odd()
    next(o)
    
    next(o)
    
    next(o)

# 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)
            # 好奇为什么写这个打印出来会有尾巴 因为
            # 这里，最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()
            # 的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。
            #  yield b
            a, b = b, a+b
            n = n + 1
        return 'done'
    
    
    # 可以看到，odd不是普通函数，而是generator，在执行过程中，遇到yield就中断，下次又继续执行。执行3次yield后，已经没有yield可以执行了，所以，第4次调用next(o)就报错。
    print('=============================')
    for n in fib(6):
         print(n)
    print('=============================')

首先附上我们需要求得的杨辉三角：

[1]
    [1, 1]
    [1, 2, 1]
    [1, 3, 3, 1]
    [1, 4, 6, 4, 1]
    [1, 5, 10, 10, 5, 1]
    [1, 6, 15, 20, 15, 6, 1]
    [1, 7, 21, 35, 35, 21, 7, 1]
    [1, 8, 28, 56, 70, 56, 28, 8, 1]
    [1, 9, 36, 84, 126, 126, 84, 36, 9, 1]

很显然，是按照一行一个数列（list）实现的，也就是说，我们得在程序中不断的返回每一行的list并且打印出来

第一步：先找规律，抽象化问题：

首先我们观察到，第一行为\[1\]，我们直接赋给一个变量：初始化数列 p = \[1\]

其次我们观察到，下面的每一行的开头结尾都是\[1\],那么我们可以推导出每一行的规律为：\[1\]+.........+\[1\]

那么我们发现，从第三行开始中间的 \[2\]，第四行中间的 \[3，3\]，第五行中间的 \[4,6,4\] 等等以此类推才是我们需要推导的部分

第一行：\[1\] 设 p = \[1\]

第二行：\[1\]+\[1\] 设 p = \[1,1\]

第三行：\[1\]+\[2\]+\[1\] 设 p = \[1,2,1\]

第四行：\[1\]+\[3\]+\[3\]+\[1\]设 p = \[1,3,3,1\]

经过找规律，我们发现，每一个新的list中间的部分，都等于上一行list的：第0个元素+第1个元素，第1个元素+第2个元素，第2个元素+第3个元素,.......

加上头尾也就是\[1\] +\[p\[0\]+p\[1\]\]+\[p\[1\]+p\[2\]\].....+\[1\]

比如上面第三行：p\[0\] = 1, p\[1\] = 2, p\[3\] = \[1\]

那么第四行就是：\[1\] + \[1+2\] *\# p\[0\]+p\[1\]*\+ \[2+1\]*\# p\[2\]+p\[3\]*\+ \[1\]

后面以此类推

既然核心点是这个除去首位两个 \[1\] 的中间部分：\[p\[0\] + p\[1\]\]+\[p\[1\] + p\[2\]\]+\[p\[2\] + p\[3\]\]........

我们很容易得到规律：\[p\[i\] + p\[i+1\]\]*\# for i  in range(x)*

如果还没看懂，你可以找一张纸，将每一行都按照这个规律写出来：

new p代表本行list的中间部分，p代表上一行list：

[1]
    [1]+[1]
    [1]+[2]+[1] new p = p[0] + p[1] / i = 0,1 需要 i in range(1) 
    # range(1) = 0,根据[p[i] + p[i+1]]即可实现p[0]+p[0+1]
    [1]+[3]+[3]+[1] new p = p[0] + p[1], p[1] + p[2] /i = 0,1,2 需要  i in range(2)
    [1]+[4]+[6]+[4]+[1] new p = p[0] + p[1], p[1] + p[2], p[2] + p[3] /i = 0,1,2,3 需要  i in range(3)
    [1]+[5]+[10]+[10]+[5]+[1] new p = p[0] + p[1], p[1] + p[2], p[2] + p[3], p[3] + p[4] /i = 0,1,2,3,4需要  i in range(4)

i的规律为上一行list元素个数-1，也就是len(p) - 1

至此，已经可以得出推导式：

[1] + [p[i] + p[i + 1] for i in range(len(p) - 1)] + [1]

# 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：
    # 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)
            # 好奇为什么写这个打印出来会有尾巴 因为
            # 这里，最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()
            # 的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。
            yield b
            a, b = b, a+b
            n = n + 1
        return 'done'
    
    g = fib(6)
    # 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：
    while True:
        try:
            x = next(g)
            print('g:', x)
        except StopIteration as e:
            print('Generator return value:', e.value)
            break
    
    # 杨辉三角
    def triangles():
     p = [1]
     # 以后遇到了IndentationError: unexpected
     # indent你就要知道python编译器是在告诉你“Hi，老兄，你的文件里格式不对了，可能是tab和空格没对齐的问题，你需要检查下tab和空格了”。
     while True:
         yield p
         p = [1] + [ p[i] + p[i+1] for i in range(len(p)-1) ] + [1]
    n = 0
    for t in triangles():
        print(t)
        n = n + 1
        if n == 10:
         break

**迭代器**

from collections import Iterable
    from collections import Iterator
    
    # 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：
    print(isinstance([], Iterable))
    print(isinstance({}, Iterable))
    print(isinstance('abc', Iterable))
    print((x for x in range(10)), Iterable)
    
    print(isinstance(100, 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。
    # 可以使用isinstance()判断一个对象是否是Iterator对象：
    # 生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。
    print(isinstance([], Iterator))
    print(isinstance({}, Iterator))
    print(isinstance('abc', Iterator))
    print((x for x in range(10)), Iterator)
    # 把list、dict、str等Iterable变成Iterator可以使用iter()函数：
    print(isinstance(iter([]), Iterator))
    print(isinstance(iter('abc'), 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。**

# 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