python基础-迭代器和生成器
2016-12-05 22:43
627 查看
一、递归和迭代
1、递归:(问路示例)
递归算法是一种直接或者间接地调用自身算法的过程。在计算机编写程序中,递归算法对解决一大类问题是十分有效的,它往往使算法的描述简洁而且易于理解。
2、迭代:简单理解为更新换代( 儿子生孙子的故事)
二、迭代器协议
1.迭代器协议是指:对象必须提供一个next方法,执行该方法要么返回迭代中的下一项,要么就引起一个StopIteration异常,以终止迭代 (只能往后走不能往前退)
2.可迭代对象:实现了迭代器协议的对象(如何实现:对象内部定义一个__iter__()方法)
3.协议是一种约定,可迭代对象实现了迭代器协议,python的内部工具(如for循环,sum,min,max函数等)使用迭代器协议访问对象。
4、for循环的本质就是遵循迭代器协议去访问对象,那么for循环的对象肯定都是迭代器。
5、不可迭代对象:字符串,列表,元组,字典,集合,文件对象。只不过通过for循环,调用了他们内部的__iter__方法,把他们变成了可迭代对象。
特点:
1.生成器是可迭代对象
2.实现了延迟计算,看内存(按需,执行)
3.生成器本质和其他类型一样,都是实现了迭代器协议,只不过生成器是一边计算,一边生成,从而节省内存空间,其余的可迭代对象可没有好处。
三、迭代器
ps1:
1、遵循迭代器协议访问方式
ps2:
2、for循环访问方式
for循环l本质就是遵循迭代器协议的访问方式,先调用diedai_l=l.__iter__()方法,或者直接diedai_l=iter(l),然后依次执行diedai_l.next(),直到for循环捕捉到StopIteration终止循环。
for循环所有对象的本质都是一样的原理。
用for循环的方式
执行结果:
ps3:
3、用索引的方式,遍历列表的值
执行结果:
ps4:
用迭代器的方式
执行结果:
ps5:
下标访问方式
执行结果:
ps6:
集合的方式
方法一:
方法二:
执行结果:
ps7:
字典的方式
ps8:
文件的方式
1、创建一个test.txt文件,内容如下:
2、执行下面代码
执行结果:
ps9:
用while去模拟for循环做的事情,实现迭代器的过程
执行结果:
迭代器总结:
补充:
next内置函数
说明:next内置函数的next()方法,就是在调用l.__iter__(),下的 __next__()方法
执行结果:
生成器(详细讲解)
一、什么是生成器?
生成器就是迭代器,可以理解为一种数据类型,这种类型自动实现了迭代器协议.(其他的数据类型需要调用自己内置的__iter__方法),所以生成器就是可迭代对象。
二、生成器分类及在python中的表现形式?(Python有两种不同的方式提供生成器)
1.生成器函数:常规函数定义,但是,使用yield语句而不是return语句返回结果。yield语句一次返回一个结果,在每个结果中间,挂起函数的状态,以便下次重它离开的地方继续执行
2.生成器表达式:类似于列表推导,但是,生成器返回按需产生结果的一个对象,而不是一次构建一个结果列表
三、使用生成器的优点:
Python使用生成器对延迟操作提供了支持。所谓延迟操作,是指在需要的时候才产生结果,而不是立即产生结果。这也是生成器的主要好处。
四、生成器小结:
1.是可迭代对象
2.实现了延迟计算,省内存啊
3.生成器本质和其他的数据类型一样,都是实现了迭代器协议,只不过生成器附加了一个延迟计算省内存的好处,其余的可迭代对象可没有这点好处。
五、生成器(yield )示例:
执行结果:
六、补充知识:
三元表达式
七、三元表达式完整写法
if判断name=alex就,返回SB;如果不等于alex,就返回帅哥。但SB要写在最前面。
执行结果:
八、生成器表达式和列表解析
ps1:
生成一个列表
执行结果:
ps2:
列表解析方法(生成列表)
执行结果:
ps3:
三元表达式方法(生成列表)
执行结果:
ps4:
生成器表达式(基于迭代器__next__方法进行取值)
执行结果:
ps5:
其它
执行结果:
ps6:
生成器(生孩子事例)
执行结果:
ps7:
send触发yield返回值原理
执行结果:
ps8:
吃包子事例
执行结果:
View Code
1、递归:(问路示例)
递归算法是一种直接或者间接地调用自身算法的过程。在计算机编写程序中,递归算法对解决一大类问题是十分有效的,它往往使算法的描述简洁而且易于理解。
2、迭代:简单理解为更新换代( 儿子生孙子的故事)
二、迭代器协议
1.迭代器协议是指:对象必须提供一个next方法,执行该方法要么返回迭代中的下一项,要么就引起一个StopIteration异常,以终止迭代 (只能往后走不能往前退)
2.可迭代对象:实现了迭代器协议的对象(如何实现:对象内部定义一个__iter__()方法)
3.协议是一种约定,可迭代对象实现了迭代器协议,python的内部工具(如for循环,sum,min,max函数等)使用迭代器协议访问对象。
4、for循环的本质就是遵循迭代器协议去访问对象,那么for循环的对象肯定都是迭代器。
5、不可迭代对象:字符串,列表,元组,字典,集合,文件对象。只不过通过for循环,调用了他们内部的__iter__方法,把他们变成了可迭代对象。
特点:
1.生成器是可迭代对象
2.实现了延迟计算,看内存(按需,执行)
3.生成器本质和其他类型一样,都是实现了迭代器协议,只不过生成器是一边计算,一边生成,从而节省内存空间,其余的可迭代对象可没有好处。
三、迭代器
ps1:
1、遵循迭代器协议访问方式
x='hello' # print(dir(x)) iter_test=x.__iter__() print(iter_test) print(iter_test.__next__()) #获取第1个值 print(iter_test.__next__()) #获取第2个值 print(iter_test.__next__()) #获取第3个值 print(iter_test.__next__()) #获取第4个值 print(iter_test.__next__()) #获取第5个值 print(iter_test.__next__()) #超出边界,当for循环结束时,捕捉到StopIteration异常,他就会终止迭代
执行结果:
Traceback (most recent call last): h File "D:/python/day9/iter和yield.py", line 14, in <module> e print(iter_test.__next__()) #超出边界,当for循环结束时,捕捉到StopIteration异常,终止迭代 l StopIteration l o
ps2:
2、for循环访问方式
for循环l本质就是遵循迭代器协议的访问方式,先调用diedai_l=l.__iter__()方法,或者直接diedai_l=iter(l),然后依次执行diedai_l.next(),直到for循环捕捉到StopIteration终止循环。
for循环所有对象的本质都是一样的原理。
用for循环的方式
l=[1,2,3] for i in l: #把列表变成i_l=l.__iter_() ,再执行他下面的i_l.__next__() print(i)
执行结果:
1 2 3
ps3:
3、用索引的方式,遍历列表的值
l=[1,2,3] index=0 while index < len(l): print(l[index]) index += 1
执行结果:
1 2 3
ps4:
用迭代器的方式
l=[1,2,3] iter_l=l.__iter__() #遵循迭代器协议,生成可迭代对象 print(iter_l.__next__()) #取列表的值 print(iter_l.__next__()) #取列表的值 print(iter_l.__next__()) #取列表的值
执行结果:
1 2 3
ps5:
下标访问方式
l = ['a', 'b', 'c'] print(l[0]) print(l[1]) print(l[2]) #print(l[3]) #起出边界报错:IndexError
执行结果:
a b c
ps6:
集合的方式
方法一:
#集合的方式 s={1,2,3} for i in s: print(i)
方法二:
s={1,2,3} iter_s=s.__iter__() #通过iter方法 print(iter_s) print(iter_s.__next__()) #调用next print(iter_s.__next__()) print(iter_s.__next__()) print(iter_s.__next__()) #超出边界,当for循环结束时,捕捉到StopIteration异常,终止迭代
执行结果:
<set_iterator object at 0x00BF4198> Traceback (most recent call last): 1 File "D:/python/day9/iter and yield.py", line 46, in <module> 2 print(iter_s.__next__()) #超出边界,当for循环结束时,捕捉到StopIteration异常,终止迭代 3 StopIteration
ps7:
字典的方式
#字典的方式 dic={'a':1,'b':2} iter_d=dic.__iter__() print(iter_d.__next__()) print(iter_d.__next__()) print(iter_d.__next__())
ps8:
文件的方式
1、创建一个test.txt文件,内容如下:
111111 222222 333333
2、执行下面代码
#文件的方式 f=open('test.txt','r+') #for i in f: iter_f=f.__iter__() #遵循可迭代原则,转换成迭代器,要的时候拿到内存,可以节约内存空间 print(iter_f) print(iter_f.__next__(),end='') #第一行 print(iter_f.__next__(),end='') #第二行 print(iter_f.__next__(),end='') #第三行 print(iter_f.__next__(),end='') #执行完了的时候,就捕捉到StopIteration异常,终止迭代
执行结果:
<_io.TextIOWrapper name='test.txt' mode='r+' encoding='cp936'> Traceback (most recent call last): 111111 File "D:/python/day9/iter and yield.py", line 64, in <module> 222222 print(iter_f.__next__(),end='') 333333StopIteration #执行完了的时候,就捕捉到StopIteration异常,终止迭代
ps9:
用while去模拟for循环做的事情,实现迭代器的过程
l=[1,2,3,4,5] diedai_l=l.__iter__() while True: try: print(diedai_l.__next__()) except StopIteration: # print('迭代完毕了,循环终止了') break #直接break,捕捉到导常,就不会报StopIteration异常
执行结果:
1 2 3
4
5
迭代器总结:
l=['die','erzi','sunzi','chongsunzi'] #把所有结果都放在内存中,比较占用内存 iter_l=l.__iter__() #转成迭代器形式,可以在任意位置传输(也叫可迭代对象) print(iter_l) print(iter_l.__next__()) #第一次调用,得到的结果:die print(iter_l.__next__()) #第二次调用, 得到的结果:erzi print(iter_l.__next__()) #第三次调用, 得到的结果:sunzi print(iter_l.__next__()) #第四次调用, 得到的结果:chongsunzi print(iter_l.__next__()) #超出边界,捕捉到StopIteration异常,终止迭代
补充:
next内置函数
说明:next内置函数的next()方法,就是在调用l.__iter__(),下的 __next__()方法
1 l=['die','erzi','sunzi','chongsunzi'] 2 iter_l = l.__iter__() 3 print(next(iter_l)) #next()---->iter_l.__next__() 4 print(next(iter_l)) 5 print(next(iter_l)) 6 print(next(iter_l))
执行结果:
1 die 2 erzi 3 sunzi 4 chongsunzi
生成器(详细讲解)
一、什么是生成器?
生成器就是迭代器,可以理解为一种数据类型,这种类型自动实现了迭代器协议.(其他的数据类型需要调用自己内置的__iter__方法),所以生成器就是可迭代对象。
二、生成器分类及在python中的表现形式?(Python有两种不同的方式提供生成器)
1.生成器函数:常规函数定义,但是,使用yield语句而不是return语句返回结果。yield语句一次返回一个结果,在每个结果中间,挂起函数的状态,以便下次重它离开的地方继续执行
2.生成器表达式:类似于列表推导,但是,生成器返回按需产生结果的一个对象,而不是一次构建一个结果列表
三、使用生成器的优点:
Python使用生成器对延迟操作提供了支持。所谓延迟操作,是指在需要的时候才产生结果,而不是立即产生结果。这也是生成器的主要好处。
四、生成器小结:
1.是可迭代对象
2.实现了延迟计算,省内存啊
3.生成器本质和其他的数据类型一样,都是实现了迭代器协议,只不过生成器附加了一个延迟计算省内存的好处,其余的可迭代对象可没有这点好处。
五、生成器(yield )示例:
def test(): yield 1 #只要有yield就是生成器 yield 2 #他可以yield多次,yield可以保存函数状态 yield 3 g=test() print('来自函数',g) print(g.__next__()) #生成器自动实现了迭成器,所以会有__next__()方法。 print(g.__next__()) #运行一次,相当于保存的是上一次内存里状态的结果 print(g.__next__())
执行结果:
来自函数 <generator object(迭代器对象) test at 0x01B0BAE0> 1 2 3
六、补充知识:
三元表达式
#三元表达式演变过程 # name='alex' # 'SB' if name == 'alex' else '帅哥' #if判断name=alex就,返回SB;如果不等于alex,就返回帅哥。但SB要写在最前面。
七、三元表达式完整写法
if判断name=alex就,返回SB;如果不等于alex,就返回帅哥。但SB要写在最前面。
name='alex' name='linhaifeng' res='SB' if name == 'alex' else '帅哥' #三元表达式 print(res)
执行结果:
帅哥
八、生成器表达式和列表解析
ps1:
生成一个列表
egg_list=[] for i in range(10): egg_list.append('鸡蛋%s' %i) print(egg_list)
执行结果:
['鸡蛋0', '鸡蛋1', '鸡蛋2', '鸡蛋3', '鸡蛋4', '鸡蛋5', '鸡蛋6', '鸡蛋7', '鸡蛋8', '鸡蛋9']
ps2:
列表解析方法(生成列表)
l=['鸡蛋%s' %i for i in range(10)] print(l)
执行结果:
['鸡蛋0', '鸡蛋1', '鸡蛋2', '鸡蛋3', '鸡蛋4', '鸡蛋5', '鸡蛋6', '鸡蛋7', '鸡蛋8', '鸡蛋9']
ps3:
三元表达式方法(生成列表)
#鸡蛋>5 l1=['鸡蛋%s' %i for i in range(10) if i > 5 ] # l1=['鸡蛋%s' %i for i in range(10) if i > 5 else i] #没有四元表达式 print(l1) #鸡蛋<5 l2=['鸡蛋%s' %i for i in range(10) if i < 5] print(l2)
执行结果:
#鸡蛋>5结果: ['鸡蛋6', '鸡蛋7', '鸡蛋8', '鸡蛋9'] #鸡蛋<5结果: ['鸡蛋0', '鸡蛋1', '鸡蛋2', '鸡蛋3', '鸡蛋4']
ps4:
生成器表达式(基于迭代器__next__方法进行取值)
laomuji=('鸡蛋%s' %i for i in range(10)) #生成器表达式 print(laomuji) print(laomuji.__next__()) #基于迭代器__next__方法进行取值 print(laomuji.__next__()) print(next(laomuji)) print(next(laomuji)) print(next(laomuji)) print(next(laomuji)) print(next(laomuji)) print(next(laomuji)) print(next(laomuji)) print(next(laomuji)) #print(next(laomuji)) #超出边界,当for循环结束时,捕捉到StopIteration异常,终止迭代
执行结果:
<generator object <genexpr> at 0x010EBAB0> 鸡蛋0 鸡蛋1 鸡蛋2 鸡蛋3 鸡蛋4 鸡蛋5 鸡蛋6 鸡蛋7 鸡蛋8 鸡蛋9
ps5:
其它
l=[1,2,3,34] #map(func,l) #可迭代对象 print(sum(l)) #求和,使用的是__iter__()方法转换成可迭代对象 #生成100000000 print(sum(list(range(100000000)))) #sum传给生成器生成一个列表 print(sum(i for i in range(10000000000000))) #没有运行结果
执行结果:
40 4999999950000000
ps6:
生成器(生孩子事例)
#!/usr/bin/env python # -*- coding:utf-8 -*- #Author: nulige import time def test(): print('开始生孩子啦.......') print('开始生孩子啦.......') print('开始生孩子啦.......') yield '我' #return time.sleep(3) print('开始生儿子啦.......') yield '儿子' time.sleep(3) print('开始生孙子啦.......') yield '孙子' res=test() print(res) print(res.__next__()) print(res.__next__()) print(res.__next__())
执行结果:
<generator object test at 0x012EBB40> 开始生孩子啦....... 开始生孩子啦....... 开始生孩子啦....... 我 开始生儿子啦....... 儿子 开始生孙子啦....... 孙子
ps7:
send触发yield返回值原理
#yield 3相当于return 控制的是函数的返回值 #x=yield的另外一个特性,接受send传过来的值,赋值给x def test(): print('开始啦') firt = yield 1 # return 1,first=None print('第一次', firt) yield 2 print('第二次') t = test() res = t.__next__() # next(t) print(res) # t.__next__() res=t.send(None) # res = t.send # ('函数停留在first那个位置,我就是给first赋值的') print(res)
执行结果:
开始啦 1 第一次 None 2
ps8:
吃包子事例
import time def producer(): ret=[] for i in range(100): time.sleep(0.1) ret.append('包子%s' %i) return ret def consumer(res): for index,baozi in enumerate(res): time.sleep(0.1) print('第%s个人,吃了%s' %(index,baozi)) res=producer() consumer(res)
执行结果:
我是[wupeiqi],我准备开始吃包子了 我是[yuanhao_SB],我准备开始吃包子了 wupeiqi 很开心的把【包子 0】吃掉了 yuanhao_SB 很开心的把【包子 0】吃掉了 wupeiqi 很开心的把【包子 1】吃掉了 yuanhao_SB 很开心的把【包子 1】吃掉了 wupeiqi 很开心的把【包子 2】吃掉了 yuanhao_SB 很开心的把【包子 2】吃掉了 wupeiqi 很开心的把【包子 3】吃掉了 yuanhao_SB 很开心的把【包子 3】吃掉了 wupeiqi 很开心的把【包子 4】吃掉了 yuanhao_SB 很开心的把【包子 4】吃掉了 wupeiqi 很开心的把【包子 5】吃掉了 yuanhao_SB 很开心的把【包子 5】吃掉了 wupeiqi 很开心的把【包子 6】吃掉了 yuanhao_SB 很开心的把【包子 6】吃掉了 wupeiqi 很开心的把【包子 7】吃掉了 yuanhao_SB 很开心的把【包子 7】吃掉了 wupeiqi 很开心的把【包子 8】吃掉了 yuanhao_SB 很开心的把【包子 8】吃掉了 wupeiqi 很开心的把【包子 9】吃掉了 yuanhao_SB 很开心的把【包子 9】吃掉了 #运行结果省略部分.....
View Code
相关文章推荐
- Python基础-迭代器和生成器
- Python基础之生成器、迭代器
- python3基础: 元组tuple、 列表list、 字典dict、集合set。 迭代器、生成器
- 11-Python3从入门到实战—基础之生成器和迭代器
- Python菜鸟之路:Python基础-生成器和迭代器、递归
- python基础教程总结8——特殊方法,属性,迭代器,生成器,八皇后问题
- Python基础-生成器和迭代器
- python基础:迭代器与生成器
- Python语言基础学习(数据类型,迭代器及生成器)
- 第五章:Python基础の生成器、迭代器、序列化和虚拟环境的应用
- Python基础-迭代器和生成器
- python基础之生成器迭代器
- python 迭代器、生成器基础知识
- python基础之生成器迭代器
- Python高手之路【九】python基础之迭代器与生成器
- Python基础(8)_迭代器、生成器、列表解析
- Python基础教程----迭代器和生成器,递归,八皇后(2)
- Python基础知识7:生成器和迭代器、递归
- Python基础-迭代器与yield生成器
- python基础之生成器迭代器