下面是小凰凰的简介,看下吧!
💗人生态度:珍惜时间,渴望学习,热爱音乐,把握命运,享受生活
💗学习技能:网络 -> 云计算运维 -> python全栈( 当前正在学习中)
💗您的点赞、收藏、关注是对博主创作的最大鼓励,在此谢过!
有相关技能问题可以写在下方评论区,我们一起学习,一起进步。
后期会不断更新python全栈学习笔记,秉着质量博文为原则,写好每一篇博文。
文章目录
一、迭代器
1、迭代器介绍
迭代器即用来迭代取值的工具,而迭代是重复反馈过程的活动
,其目的通常是为了逼近所需的目标或结果,每一次对过程的重复称为一次“迭代”,而每一次迭代得到的结果会作为下一次迭代的初始值,单纯的重复并不是迭代
goods=['mac','lenovo','acer','dell','sony']
index=0
while index < len(goods):
print(goods[index])
index+=1
上述while循环才是一个迭代过程,不仅满足重复
,而且以每次重新赋值后的index值作为下一次循环中新的索引进行取值,反复迭代,最终可以取尽列表中的值
注意:
- 上面这个迭代方法只适合序列类型,并不适合字典、集合、文件对象的迭代取值。
- 有人会说for循环可以对字典、文件对象、集合进行循环取值,其实
for循环用到的是迭代器
,因此这里没有用for循环为例说明,后面会具体说迭代器和可迭代对象的区别与联系
(1)可迭代对象
通过索引
的方式进行迭代取值,实现简单,但仅适用于序列
类型:字符串,列表,元组。对于没有索引的字典、集合、文件对象等非序列类型,必须找到一种不依赖索引来进行迭代取值的方式,这就用到了迭代器。
可迭代对象(Iterable)。从语法形式上讲,内置有__iter__方法的对象都是可迭代对象
,字符串、列表、元组、字典、集合、打开的文件都是可迭代对象。
{'name':'吴晋丞'}.__iter__
{7,8,9}.__iter__
……
重点:
像我们range返回的就是一个优化了的可迭代对象,为什么叫优化了的?因为普通的可迭代对象就想python2中的range, 返回的是个列表, [1,2,3,4], 可以通过索引取值,
(2)迭代器对象
调用obj.iter()方法返回的结果就是一个迭代器对象(Iterator)
。
除文件对象外,字典、集合、列表等都只是可迭代对象而已
,它们可以通过调用iter方法生成迭代器对象,并进行迭代取值。但文件对象在python中使用时,直接生成的就是迭代器对象
,当然它也是可迭代对象。文件对象可以直接调用next函数
,只有迭代器对象才能调用next方法,因此文件对象是迭代器对象。执行迭代器对象.iter()方法
得到的仍然是迭代器本身
,而执行迭代器对象.next()方法
就会计算出迭代器中的下一个值
。
>>> s={1,2,3} # 可迭代对象s
>>> i=iter(s) # 本质就是在调用s.__iter__(),返回s的迭代器对象i,
>>> next(i) # 本质就是在调用i.__next__()
1
>>> next(i)
2
>>> next(i)
3
>>> next(i) #抛出StopIteration的异常,代表无值可取,迭代结束,要想继续取值,除非在重新生成一个迭代器。
为什么文件对象要直接设置成迭代器对象,集合、字典等不设置成迭代器对象呢?
答:首先我们应该明白迭代器这种需要一个值,next方法取一个值,这样是降低了内存的消耗的。集合、字典等定义下来,本来就不是用来存很多、很多东西的。但是一个文件对象却可以很大很大,因此必须直接生成迭代器对象,控制内存的消耗。
2、for循环原理
有了迭代器后,我们便可以不依赖索引迭代取值了,使用while循环的实现方式如下
dic = {'a':1,'b':2,'c':3}
d_iterator = iter(dic) #d_iterator便是一个迭代器对象,iter方法生成的就是一个迭代器对象
while True: # while循环的循环体是进行循环迭代取值的
try:
print(next(d_iterator))
except(StopIteration): # 捕获异常
break # 异常处理
for循环又称为迭代循环,in后可以跟任意可迭代对象
,上述while循环可以简写为:
dic = {'a':1,'b':2,'c':3}
for i in dic:
print(item)
for 循环在工作时,首先会调用可迭代对象dic内置的iter方法
拿到一个迭代器对象,然后再调用该迭代器对象的next方法将取到的值赋给i
,执行循环体完成一次循环,周而复始,直到捕捉StopIteration异常,结束迭代
。
为什么文件对象中也需要有iter方法呢?
它不是已经是迭代器对象了吗,而且前面说迭代器调用iter方法屁用没有,得到的还是本身。
答:这是一个专门为统一for循环而设计的,因为for循环中你不确定自己in后面到底是不是迭代器对象,难道还要判断一下吗?那不是太麻烦了,无论谁来,只要可迭代,我就给你iter方法一下,即使是文件对象,也不影响啥。所以文件对象也需要一个iter方法,拿去让for循环调用。
3、迭代器的优缺点
基于索引的迭代取值,所有迭代的状态(迭代的位置信息)都保存在了索引
中,而基于迭代器实现迭代的方式不再需要索引,所有迭代的状态就保存在迭代器
中,然而这种处理方式优点与缺点并存:
(1)优点
- 为序列和非序列类型提供了一种统一的迭代取值方式。
- 惰性计算:迭代器对象表示的是一个数据流,可以只在需要时才去调用next来计算出一个值,
就迭代器本身来说,同一时刻在内存中只有一个值,因而可以存放无限大的数据流
,而对于其他容器类型
,如列表,需要把所有的元素都存放于内存中
,受内存大小的限制,可以存放的值的个数是有限的
。
(2)缺点
- 除非取尽,否则无法获取迭代器的长度
-
只能取下一个值,不能回到开始,更像是'一次性的'
,迭代器产生后的唯一目标就是重复执行next方法直到值取尽,否则就会停留在某个位置,等待下一次调用next;若是要再次迭代同个对象,你只能重新调用iter方法去创建一个新的迭代器对象
,如果有两个或者多个循环使用同一个迭代器,必然只会有一个循环能取到值
。
二、生成器
1、生成器与yield
若函数体包含yield关键字
,再调用函数,并不会执行函数体代码,只是得到的返回值即生成器对象
def my_range(start,stop,step=1):
while start < stop:
yield start
start += step
g = my_range(1,10,2)
print(g)
while True:
try:
print(g.__next__()) #yield用于返回值
except(StopIteration):
break
执行结果:
总结:
- 生成器内置有__iter__和__next__方法,所以
生成器本身就是一个迭代器
- 有了yield关键字,我们就有了一种自定义迭代器的实现方式。yield可以用于返回值,但不同于return,函数一旦遇到return就结束了,而
yield可以保存函数的运行状态挂起函数,用来返回多次值
2、yield表达式应用
(1)yield基本应用
在函数内可以采用表达式形式的yield
>>> def eater():
... print('Ready to eat')
... while True:
... food=yield
... print('get the food: %s, and start to eat' %food)
...
可以拿到函数的生成器对象持续为函数体send值,如下
>>> g=eater() # 得到生成器对象
>>> g
<generator object eater at 0x101b6e2b0>
>>> next(g) # 需要事先”初始化”一次,让函数挂起在food=yield,等待调用g.send()方法为其传值
Ready to eat
>>> g.send('包子')
get the food: 包子, and start to eat
>>> g.send('鸡腿')
get the food: 鸡腿, and start to eat
针对表达式形式的yield,生成器对象必须事先被初始化一次,让函数挂起在food=yield的位置,等待调用g.send()方法为函数体传值,send不仅是对yield传值,还有next方法的作用,传值为None那么g.send(None)等同于next(g)。
(2)装饰器初始化生成器
def init(func):
def wrapper(*args,**kwargs):
g=func(*args,**kwargs) # 函数中有关键字yield,因此函数不会执行,而是直接返回一个生成器对象
next(g) # 这步必须要做,执行函数体代码,并让eater函数挂起在food = yield处
return g # 返回生成器对象,让用户能够调用,当然这也是装饰器必要的返回值伪装。
return wrapper
@init
def eater():
print('Ready to eat')
food_list = []
while True:
food = yield food_list #左边send传值,右边next或send返回值
food_list.append(food)
g = eater()
g.send('阆中牛肉面')
g.send('成都冒菜')
g.send('成都羊肉汤锅')
res = g.send('酸辣粉')
print(res)
执行结果: