python编程:迭代对象、Iterator迭代器、生成器

迭代器:例如 列表

迭代器模式
提供了一种方法能够顺序访问集合中的所有元素,而又不暴露集合内部的实现

迭代器的本质是实现了一种方式:
能够判断集合中是否还有未被访问的元素,以及提供访问这个元素的方式

代码实例

# -*- coding: utf-8 -*-

# @File    : 迭代器模式.py
# @Date    : 2018-05-23

from abc import abstractmethod

# 定义迭代器
# 实现了两个方法,是否还有未被访问的元素和下一个未被访问的元素
class Iterator(object):
    def __init__(self):
        pass

    @abstractmethod
    def has_next(self):
        pass

    @abstractmethod
    def next(self):
        pass


# 一个书架上摆满了书,我们需要查找某本书时,就用到了迭代器模式
# 定义书本, 名称和编号
class Book(object):
    def __init__(self, name, number):
        self.name = name
        self.number = number


# 书架定义
# 书架实现了增加书目,查找index位置的数目以及总共的图书数目这几个方法
class BookShelf(object):
    def __init__(self):
        self.books = []

    def append_book(self, book):
        self.books.append(book)

    def get_book_at(self, index):
        return self.books[index]

    def get_length(self):
        return self.books.__len__()


# Iterator的具体实现
class BookShelfIterator(Iterator):
    def __init__(self, book_shelf):
        self.book_shelf = book_shelf
        self.index = 0

    def has_next(self):
        if self.index < self.book_shelf.get_length():
            return True
        else:
            return False

    def next(self):
        book = self.book_shelf.get_book_at(self.index)
        self.index += 1
        return book

if __name__ == "__main__":
    book_shelf = BookShelf()
    book_shelf.append_book(Book("语文", "001"))
    book_shelf.append_book(Book("数学", "002"))
    book_shelf.append_book(Book("英语", "003"))

    book_shelf_iterator = BookShelfIterator(book_shelf)

    # 通过hasNext方法和next方法便可以访问数目的具体信息
    while book_shelf_iterator.has_next():
        book = book_shelf_iterator.next()
        print(book.name, book.number)
"""
语文 001
数学 002
英语 003
"""

python实现迭代器

任何实现了__iter____next__方法的对象都是迭代器
__iter__返回迭代器自身
__next__返回容器中的下一个值

Python3

# 新书架python实现
class NewBookShelf(BookShelf):
    def __init__(self):
        self.index = 0
        BookShelf.__init__(self)

    # 实现容器,进行成员检查
    def __contains__(self, book):
        if book in self.books:
            return True
        else:
            return False

    # 可迭代对象实现了__iter__方法
    def __iter__(self):
        return self

    #  迭代器实现next方法
    def __next__(self):
        if self.index < self.get_length():
            book = self.books[self.index]
            self.index += 1
            return book
        else:
            raise StopIteration # 停止标志

if __name__ == "__main__":
   # 新书架
    new_book_shelf = NewBookShelf()
    book1 =Book("语文", "001")
    new_book_shelf.append_book(book1)
    new_book_shelf.append_book(Book("数学", "002"))
    new_book_shelf.append_book(Book("英语", "003"))

    # 成员检查
    print(book1 in new_book_shelf)
	# True

    # 迭代书本
    for book in new_book_shelf:
        print(book.name, book.number)
"""
语文 001
数学 002
英语 003
"""   

Python2

# 新书架python实现
class NewBookShelf(BookShelf):
    def __init__(self):
        self.index = 0
        BookShelf.__init__(self)

    # 实现容器,进行成员检查
    def __contains__(self, book):
        if book in self.books:
            return True
        else:
            return False

    # 可迭代对象实现了__iter__方法
    def __iter__(self):
        return self

    def next(self):
        if self.index < self.get_length():
            book = self.books[self.index]
            self.index += 1
            return book
        else:
            raise StopIteration  # 停止标志

Python3 和 Python2和 略有不同,Python3 使用 __next__ 替换了 next
会报错

TypeError: iter() returned non-iterator of type 'NewBookShelf'

所以可以写个兼容代码

# 新书架python实现
class NewBookShelf(BookShelf):
    def __init__(self):
        self.index = 0
        BookShelf.__init__(self)

    # 实现容器,进行成员检查
    def __contains__(self, book):
        if book in self.books:
            return True
        else:
            return False

    # 可迭代对象实现了__iter__方法
    def __iter__(self):
        return self

	# 兼容 Python3 和 Python2
    def next(self):
        return self.__next__()

    #  迭代器实现next方法
    def __next__(self):
        if self.index < self.get_length():
            book = self.books[self.index]
            self.index += 1
            return book
        else:
            raise StopIteration  # 停止标志

 

总结

概念实现
容器(container)__contains__
可迭代对象(iterable)__iter__ 返回迭代器自身
迭代器(iterator)__next__ 返回容器中的下一个值 停止标志StopIteration
生成器(generator)yiled关键字
生成器表达式(generator expression)[x for x in lst ] -> (x for x in lst)

参考:

  1. 设计模式之迭代器模式
  2. 完全理解 Python 迭代对象、迭代器、生成器
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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