据廖雪峰python3教程----python学习第十天

列表生成式（List Comprehensions）

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))：

生成[1x1,2x2,3x3,...,10x10] :

另一种简化的写法：

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：

列出当前目录下的文件：

把一个list 中的字符窜变成小写

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：

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。

要打印generator 的每一个元素我们需要用到next():

当计算到最后一个元素时，跑出 StopIteration 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：

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：

要把 上面的 fib 函数改为 generator 仅需要把 print（b） 改为  yield b 就可以了：

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：

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。

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：

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：

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。

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。把list、dict、str等Iterable变成Iterator可以使用iter()函数：

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，lterator 对象可以被 next（） 函数调用并不断返回下一个数据，知道没有数据抛出 stopIteration 错误。可以吧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，只能不断通过函数next（）函数实现按需计算下一格数据，所以 Iterator 的计算是惰性的，只有在需要返回下一个数据时他才会计算。

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。

高阶函数

一个最简单的高阶函数：

map（）/ reduce（）

map（）函数接受两个参数，一个是函数，一个是Iterable，map 将传入的函数依次作用到序列的每个元素，并把结果作为新的 Iterator 返回。

我们要把函数 f(x)= x²,要把这个函数作用在一个list[1,2,3,4,5,6,7,8,9]上，就可以用map（）实现如下：

reduce（） --->  reduce 把一个函数作用在一个序列[x1,x2,x3,.....]上，这个函数必须接受两个参数，reduce 把结果继续和序列的下一个元素做积累计算，其效果就是：

计算一个序列的和，就可以用到reduce实现：

当然也可以用python内建函数sum（），没必要用reduce。

如果把序列[1,3,5,7,9]变换成整数13579.reduce就可以派上用场：

filter -----> Python内建的filter()函数用于过滤序列。

filter（）也接受一个函数和一个序列。和map（）不同的是，filter（）把传入的函数依次作用于每个元素，然后根据返回值是True还是False决定保留还是丢弃该元素。

eg:在一个list中，删掉偶数，只保留奇数：

删除字符串中的空字符：

回数是指从左向右读和从右向左读都是一样的数，例如12321，909。请利用filter()滤掉非回数：