1、常用推导式

• 推导式是从一个或者多个迭代器快速简洁创建数据结构的一种方法。

1.1 _ 列表推导式

• 最简单的形式:  [exprssion for item in iterable]
  • 示例：  number_list = [x for x in range(,)] 
• 加上条件表达式的形式:  [exprsssion for item in iterable if condition] 
  • 示例： a_list = [x for x in range(,) if x % ==]
• 多个for的嵌套表达式： [（x,y） for x in x_list for y in y_list]  生成一个x,y的元组的列表。

1.2 _ 字典推导式

• 最简单的形式： {key_expression:value_expression for expression in iterable}
  • 示例： word = 'letter',let_dict = {let:word.count(let) for let in word} 
  • 上一例子有字母出现两次，浪费时间用set来改善  let_dict = {let:word.count(let) for let in set(word)} 


1.3 _ 集合推导式

• 与列表和字典相似：  {expression for expression in iterable} 


1.4 _ 生成器推导式

• 元组没有推导式，它的圆括号是用来坐生成器推导式
  •  t_generotor = (x for x in range(1,8)) 
• 生成器可以转化成列表推导式  t_list = list(t_generotor)
• 一个生成器只能运行一次，运行完就没有了。列表、集合字符串和字典都是存储在内存中，但是生成器仅在运行中产生值，不会被存储下来，所以不能重新使用或者备份一个生成器。

2、生成器

• 生成器是用来创建一个python序列的一个对象。使用它可以迭代庞大序列，且不需要在内存创建和存储整个序列。
• 每次迭代生成器时，它会记录上一次调用的位置，并且返回下一个值。这一点和普通的函数是不一样的，一般函数都不会记录上一次调用，而且都会在函数的第一行开始执行。

• 创建一个比较大序列，使用生成器推导式的代码会很长，可以写一个生成器函数。生成器函数和普通函数类似，但是它的返回值使用yield语句声明而不是return。

  • def my_range(first=0, last=10, step=1):
    
    <ul><li>number = first</li>
    
    <li>while number < last:</li>
    
    <li>yield number</li>
    
    <li>number+=step
    

• my_range 返回的是一个生成器对象，可以使用这个生成器对象进行迭代： for x in my_range():print x

3、使用zip并行迭代

• 使用迭代的时候，可以通过zip()对多个序列进行并行迭代.

  • days= {'monday' , 'tuesday', 'wednesday'}</li>
    
    <li>fruit= {'banana', 'orange', 'peach'}</li>
    
    <li>dessert = {'misc', 'drink', 'ice', 'pudding'}</li>
    
    <li>for day,fru,drink in zip(days,fruit,dessert):</li>
    
    <li>print day,fru,drink
    

• zip()函数在最短序列用完就会停止，上述最长的列表后面的元素无法填充
• 配合ditc()函数和zip()函数的返回值可以得到一个字典. 
  •  dict(zip(list_1,list_2)) 

4、迭代器

• 4.1 迭代器规则
  • 迭代的意思是重复做一些事很多次——就想循环中那样。
  • __iter__的方法返回一个迭代器（iterator）,所谓的迭代器就是具有next方法（这个方法在调用时不需要传递任何参数）。在调用next方法时，迭代器会返回它的下一个值。如果next方法被调用，但迭代器没有值可以返回，就会引发一个stopIteration异常。[3.0中是__next__]
  • 一个实现了__iter__方法的对象是可迭代的，一个实现了next方法的对象则是迭代器