python的一些高级特性：
切片（跟名字一样，把一个完整的东西选取一部分自己想要的去切下来）：通过切片可以快速的去除一些元素，只要确定好索引位置，避免的循环导致的多写代码
数组，元组，字符串都可以用切片来获取元素，[x:y]表示从索引位置x开始索引到y位置，不包括y
[x:]从x开始索引到结束，[:y]从0开始索引到y为止（不包括y），[x:y:z]z表示每z个数获取一个数。
迭代：python中的迭代是通过for...in来完成的，只要有迭代对象，都可以迭代，dict的存储不是按照
list的方式顺序排列，所以可能会不一样的结果顺序，dict中默认迭代key，用for value in x.values()可以
实现迭代value，用for x,y in d.items()可以同时迭代dict中的key和value，利用collections模块的iterable类型去判断，
from collections import Iterable
isinstance('abc',Iterable)
如果是要对list实现类似java的下表循环，python中enumerate函数可以把list变成索引-元素对
for i,value in enumerate(['A','B','C']):
print(i,value)
...
0 A
1 B
2 C
for循环中是可以同时引用两个变量的
for(x,y) in ([1,1],[2,3],[3,9]):
print(x,y)
列表生成式：列表生成式用很简洁的代码实现一个列表的创建,按照自己的需求，可以对同一变量进行不同操作来生成list，也可以对两个变量同时进行操作来生成list,也可以调用方法来生成需求的list（如果原list中的数据类型是不同的，可以加一个额外的判断条件，if isinstance(x,数据类型)。
[x(运算符)x for x in 迭代对象 if 判断条件] [m + n for m in 'ABC' for n in 'XYZ']
[s.xxxx() for s in L]
生成器：把列表生成改成generator，也可以通过函数实现复杂逻辑的generator，generator的工作原理是在for循环的过程中不断计算出下一个元素，
并在适当的条件结束for循环。函数改成的generator，遇到return语句或者执行到函数体的最后一行语句，就是结束generator的指令，for循环也随之结束。
迭代器：能够 被for循环的对象都是Iterable类型，能够作用于next()函数的对象都是Iterator()类型，表示一个惰性计算的序列，无法提前知道序列的长度，只能通过next()函数按需计算出下一个数据，只有在需要返回下一个数据时才会进行计算。
函数式编程：
高阶函数中，map()函数接收两个参数，一个函数，一个Iterable，map会作用于序列中的每一个元素，
并把结果作为新的Iterator返回； reduce()函数同样是接收两个参数，不同的是reduce利用函数作用于
元素之后，元素处理的结果会作为新的元素继续参与函数的处理，最后返回一个结果。
filter()函数是一个筛选器，用法和map()类似，不过最后返回结果的时候只有结果为True是才会返回该结果，其余舍弃掉，返回的也是一个Iterator。
sorted()函数是一个用于排序的函数作为一个高阶函数，可以接收一个key函数来实现自定义的排序，在keys中排序后，再将相应的value值排序结果展示出来
反向排序可以传入第三个参数reverse = True。
返回函数：函数可以返回一个计算结果，也可以返回一个函数，返回一个函数时，这个函数并没有被执行，所以函数中最好不要引用可能变化的变量
匿名函数：lambda x:x*x 其中x是函数的参数，匿名函数的表达式的结果就是他的返回值。
装饰器：本身是一个高阶函数，可以返回函数，然后的话可以增强函数的功能，其中functools.wraps可以使得函数的.__name__属性不会被替换