L = []
n = 1
while n < 100:
L.append(n)
n = n + 2
在Python中，代码不是越多越好，而是越少越好
取一个list或tuple的部分元素是非常常见的操作
L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']
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
L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']
L[0:3]
# ['Michael', 'Sarah', 'Tracy']
L[:3]
# ['Michael', 'Sarah', 'Tracy']
L[1:3]
# ['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
如果第一个索引是0，还可以省略
也可以从索引1开始，取出2个元素出来
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
L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']
>>> 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
可以通过切片轻松取出某一段数列
比如前10个数
后10个数
前11-20个数
前10个数，每两个取一个
所有数，每5个取一个
甚至什么都不写，只写[:]就可以原样复制一个list
L = list(range(100))
L # [0, 1, 2, 3, ..., 99]
L[:10]
# [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
L[-10:]
# [90, 91, 92, 93, 94, 95, 96, 97, 98, 99]
L[10:20]
# [10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
L[:10:2]
# [0, 2, 4, 6, 8]
L[::5]
# [0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]
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
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C代码
for(i = 0; i < length; i++){
printf('%d', 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.abc模块的Iterable类型判断
>>> from collections.abc 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
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
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
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]
# 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
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]
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
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
可以通过next()函数获得generator的下一个返回值
enerator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
更正确的方法是使用for循环，因为generator也是可迭代对象
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
下面是定义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函数，调用一个generator函数将返回一个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'
f = fib(6)
f # <generator object fib at 0x104feaaa0>
正确的写法是创建一个generator对象，然后不断对这一个generator对象调用next()
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文章来源：https://www.toymoban.com/news/detail-726602.html
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li文章来源地址https://www.toymoban.com/news/detail-726602.html
到了这里，关于【Python 4】列表与元组slice切片 迭代 列表生成式 生成器generator 迭代器Iterator对象的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
