1、切片（slice）
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]
也可以从索引1开始，取出2个元素出来：L[1:3]
前10个数，每两个取一个：L[:10:2]
所有数，每5个取一个：L[::5]
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：
2、迭代（iteration）
在Python中，迭代是通过for ... in来完成的，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} \#迭代key值 for key in d: print(key) \#迭代value值 for value in d.values(): print(value) \#迭代key value for k,v in d.items(): print(k, v)
结果：
a b c 1 2 3 a 1 b 2 c 3 [Finished in 0.1s]
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 s1 = isinstance('abc', Iterable) s2 = isinstance([1,2,3],Iterable) s3 = isinstance(123,Iterable) print(s1, s2, s3)
结果：
True True False [Finished in 0.1s]
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)
结果：
0 a 1 b 2 c [Finished in 0.1s]
3、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。
但如果要生成[1x1, 2x2, 3x3, ..., 10x10]怎么做？方法一是循环：
\#通过循环生成list L = [] for x in range(1,11): L.append(x*x) print(L) \#通过列表生成式生成list s = [x * x for x in range(1, 11)] print(s)
结果:
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100] [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。
还可以使用两层循环，可以生成全排列：
x = [m + n for m in 'ABC' for n in 'XYZ'] print(x)
结果：
['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']
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'} y = [k + '=' + v for k,v in d.items()] print(y)
结果：
['x=A', 'y=B', 'z=C']
4、生成器（generator）
在python中，可以一边循环一边计算的机制，称为生成器：generator。
这样在创建list的时候，可以节省大量的空间。
创建一个generator有很多种方法，第一种方法，只要把列表生成式的[ ]改为( )就可以：
g = (x * x for x in range(10))\#创建生成器 print(g) g1 = next(g)\#获取生成器的元素 g2 = next(g) print(g1, g2)
结果：
at 0x000002702100AA40> 0 1 4 9 16 25 36 49 64 81 [Finished in 0.1s]
创建列表生成式和生成器的区别在于，前者是一个list，后者是一个gengrator。
通过next()方法获取生成器的元素有点麻烦，可以通过for循环迭代生成器。
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, ...
分别用函数打印和生成器生成：
\#这是输出斐波那契数列的函数 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(10) \#这是输出斐波那契数列的生成器 def fib_generaor(max): n, a, b = 0, 0, 1 while n < max: yield b#区别在于这点 a, b = b, a+b n = n +1 return 'done' for x in fib_generaor(10): print(x)
结果：
1 1 2 3 5 8 13 21 34 55 [Finished in 0.1s]
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就可了。
5、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。
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。