1. 内置序列类型概览
-
容器序列
能存放不同类型数据，因为存放的是任意对象的引用 -
扁平序列
只能存放相同类型的数据，因为存放的是值
除了list、tuple和collections.deque，其他常见的序列都是扁平序列
除了tuple、str、bytes，其他常见序列都是可变序列（可以被修改）
2. 列表推导
列表推导、生成器表达式，以及同它们很相似的集合（set）推导和字典（dict）推导，在 Python 3 中都有自己的局部作用域，因此表达式内部的变量和赋值只在局部起作用
>>> x='ABC'
>>> dummy=[ord(x) for x in x]
>>> x
'ABC'
>>> dummy
[65,66,67]
3. 生成器表达式
生成器表达式的语法跟列表推导差不多，只不过把方括号换成圆括号而已。
生成器表达式相比列表推导是更好的选择，因为生成器表达式背后遵守了迭代器协议，可以逐个地产出元素，而不是先建立一个完整的列表，能够节省内存
colors=['black','white']
sizes=['S','M','L']
g=('%s %s' % (c,s) for c in colors for s in sizes)
for t in g:
print(t)
4. 元组
元组不仅仅是不可变的列表，元组其实是对数据的记录：元组中的每个元素位置固定，正是这个位置信息给数据赋予了意义。如：
# 表示经纬度
lax_coordinates = (33.9425, -118.408056)
值得注意的是，除了跟增减元素相关的方法之外，元组支持列表的其他所有方法
4.1.元组拆包
- 最好辨认的元组拆包形式就是平行赋值，也就是说把一个可迭代对象里的元素，就像下面这段代码：
接受表达式的元组可以是嵌套的，例如：(a, b, (c, d))>>> lax_coordinates = (33.9425, -118.408056) >>> latitude, longitude = lax_coordinates # 元组拆包 >>> latitude 33.9425 >>> longitude -118.408056 - 在元组拆包中使用 * 也可以帮助我们把注意力集中在元组的部分元素上
>>> a, b, *rest = range(5) >>> a, b, rest (0, 1, [2, 3, 4]) >>> a, b, *rest = range(3) >>> a, b, rest (0, 1, [2]) >>> a, b, *rest = range(2) >>> a, b, rest (0, 1, [])
4.2.namedtuple
用 namedtuple 构建的类的实例所消耗的内存跟元组是一样的，因为字段名都被存在对应的类里面。这个实例跟普通的对象实例比起来也要小一些，因为 Python 不会用 __dict__ 来存放这些实例的属性。
>>> from collections import namedtuple
>>> City = namedtuple('CITY', 'name country population coordinates') # 注意类名和实例名
>>> tokyo = City('Tokyo', 'JP', 36.933, (35.689722, 139.691667))
>>> tokyo
CITY(name='Tokyo', country='JP', population=36.933, coordinates=(35.689722, 139.691667))
创建一个具名元组需要两个参数，一个是类名，另一个是类的各个字段的名字。后者可以是由数个字符串组成的可迭代对象，或者是由空格分隔开的字段名组成的字符串。
5. 切片
为什么切片和区间会忽略最后一个元素：
- 快速看出切片和区间里有几个元素
- （下标相减）快速计算出切片和区间的长度
- 可以利用任意一个下标来把序列分割成不重叠的两部分
切片的操作如下：
>>> l = list(range(10))
>>> l
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> l[2:5] = [20, 30]
>>> l
[0, 1, 20, 30, 5, 6, 7, 8, 9]
>>> del l[5:7]
>>> l
[0, 1, 20, 30, 5, 8, 9]
>>> l[3::2] = [11, 22]
>>> l
[0, 1, 20, 11, 5, 22, 9]
>>> l[2:5] = 100
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: can only assign an iterable
>>> l[2:5] = [100]
>>> l
[0, 1, 100, 22, 9]
6.增量赋值
对不可变序列进行重复拼接操作的话，效率会很低，因为每次都有一个新对象，而解释器需要把原来对象中的元素先复制到新的对象里，然后再追加新的元素。但是str是一个例外，因为+=操作太普遍，因此CPython对它进行了优化。
注意不要把可变对象放在元组里，因为增量赋值不是一个原子操作：
>>> t = (1, 2, [30, 40])
>>> t[2] += [50, 60]
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: 'tuple' object does not support item assignment
>>> t
(1, 2, [30, 40, 50, 60])
7.list.sort和sorted
区别仅在于，list.sort就地排序，返回None，而sorted新建一个list，返回排序后的list
- 参数 reverse：设为True会降序排序，默认为False
- 参数 key：key传入某个函数，该函数会被用在序列里的每一个元素上，所产生的结果将是排序算法依赖的对比关键字。在字符串排序中，常见的有
key=str.lower（不区分大小写排序）或key=len（字符串长度排序），这个参数默认值是恒等函数
8.bisect
可以先用 bisect(haystack, needle) 查找位置index，再用 haystack.insert(index, needle) 来插入新值。但也可用 insort 来一步到位，并且后者的速度更快一些。
>>> import bisect
>>> a=[1,2,3]
>>> bisect.bisect(a,1)
1
>>> a.insert(1,1)
>>> a
[1, 1, 2, 3]
>>> bisect.insort(a,2.5)
>>> a
[1, 1, 2, 2.5, 3]
bisect 函数其实是 bisect_right 函数的别名，后者还有个姊妹函数叫 bisect_left。bisect_left 返回的插入位置是原序列中跟被插入元素相等的元素的位置，也就是新元素会被放置于它相等的元素的前面，而 bisect_right 返回的则是跟它相等的元素之后的位置。
用例（分数评级）：
'''
(-∞,60) F
[60,70) D
[70.80) C
[80,90) B
[90,+∞) A
'''
>>> def grade(score, breakpoints=[60, 70, 80, 90], grades='FDCBA'):
... i = bisect.bisect(breakpoints, score)
... return grades[i]
...
>>> [grade(score) for score in [33, 99, 77, 70, 89, 90, 100]]
['F', 'A', 'C', 'C', 'B', 'A', 'A']