惰性迭代对象 range(a,b)

在Python中,range()对象本身就是一个可迭代对象,所以你可以直接将range()对象转换为迭代器。Python的range()函数生成的数列是惰性序列,也就是说这些数字并不是一次性生成,而是当你需要的时候才会生成下一个数字。

如果你希望把一个具体的range对象转化为一个迭代器,可以使用Python内置的iter()函数。

r=range(2,10)  # type(r)=class.range range是一个可迭代对象,惰性迭代器
it=iter(range(2,10)) # type(it)=range_iterator  是一个专属的range迭代器
print(next(it))  # 2 每次迭代按顺序输出数值
print(next(it))  # 3
print(next(it))  # 4

另外,iter(range()作为迭代器,只能对其遍历一遍,并且需要注意上次指针停留的位置。
 

r=range(2,10)
it=iter(r)
print(next(it))
print(next(it))

print("--------分割线--------")

for i in range(9):
    print(next(it))

运行结果: 

2
3
--------分割线--------
4
5
6
7
8
9 # 此处迭代结束,StopIteration

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python中的迭代器和生成器是一种基于惰性计算的概念,它们可以有效地处理大量的数据或者无限序列。下面我将分别介绍迭代器和生成器。 迭代器(Iterator)是一个实现了迭代协议(Iterator Protocol)的对象。通过调用内置函数 `iter()` 可以将可迭代对象转换为迭代器。迭代对象可以使用内置函数 `next()` 来逐个访问数据元素,直到没有更多的元素可供访问时,会引发 `StopIteration` 异常。例如,可以使用迭代器来遍历列表、元组、集合等容器类型的数据。 生成器(Generator)则是一种特殊的迭代器。它不需要显式地实现迭代协议,而是通过函数中的 `yield` 关键字来实现惰性计算。生成器函数在每次调用时返回一个值,并在下一次调用时从上一次离开的位置继续执行。这样可以节省大量的内存空间,并且提高程序的效率。生成器函数定义时使用 `def` 关键字,并包含至少一个 `yield` 关键字。 下面是一个简单的示例代码,演示了如何使用迭代器和生成器: ```python # 使用迭代器遍历列表 my_list = [1, 2, 3, 4, 5] my_iter = iter(my_list) while True: try: item = next(my_iter) print(item) except StopIteration: break # 使用生成器生成斐波那契数列 def fibonacci(): a, b = 0, 1 while True: yield a a, b = b, a + b fib = fibonacci() for i in range(10): print(next(fib)) ``` 希望以上解释能够帮助你理解迭代器和生成器的概念。如果有任何进一步的问题,请随时提问!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值