转自:http://python.jobbole.com/81916/
谢谢作者
列表生成器
L=[]
for x in range(1,11):
L.append(x*x)
print L
L=[x+x for x in range(1,11) if x%2==0]
print L
L=[m+n for m in 'ABC' for n in 'XYZ']
print L
import os
L=[d for d in os.listdir('.')]
print L
#使用内建的isinstance函数可以判断一个变量是不是字符串
x='abd'
print isinstance(x,str)
L1=['Hello','World',18,'Apple',None]
L=[ d.lower() for d in L1 if isinstance(d,str)==True]
print L
迭代器
可以直接作用于for循环的对象统称为可迭代对象(Iterable)。
可以被next()函数调用并不断返回下一个值的对象称为迭代器(Iterator)。
所有的Iterable均可以通过内置函数iter()来转变为Iterator。
对迭代器来讲,有一个__next()就够了。在你使用for 和 in 语句时,程序就会自动调用即将被处理的对象的迭代器对象,然后使用它的next__()方法,直到监测到一个StopIteration异常。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
>>>
L
=
[
1
,
2
,
3
]
>>>
[
x
*
*
2
for
x
in
L
]
[
1
,
4
,
9
]
>>>
next
(
L
)
Traceback
(
most
recent
call
last
)
:
File
"<stdin>"
,
line
1
,
in
<
module
>
TypeError
:
'list'
object
is
not
an
iterator
>>>
I
=
iter
(
L
)
>>>
next
(
I
)
1
>>>
next
(
I
)
2
>>>
next
(
I
)
3
>>>
next
(
I
)
Traceback
(
most
recent
call
last
)
:
File
"<stdin>"
,
line
1
,
in
<
module
>
StopIteration
|
上面例子中,列表L可以被for进行循环但是不能被内置函数next()用来查找下一个值,所以L是Iterable。
L通过iter进行包装后设为I,I可以被next()用来查找下一个值,所以I是Iterator。
题外话:
- 内置函数iter()仅仅是调用了对象的__iter()方法,所以list对象内部一定存在方法iter__()
- 内置函数next()仅仅是调用了对象的__next()方法,所以list对象内部一定不存在方法next__(),但是Itrator中一定存在这个方法。
- for循环内部事实上就是先调用iter()把Iterable变成Iterator在进行循环迭代的。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
>>>
L
=
[
4
,
5
,
6
]
>>>
I
=
L
.
__iter__
(
)
>>>
L
.
__next__
(
)
Traceback
(
most
recent
call
last
)
:
File
"<stdin>"
,
line
1
,
in
<
module
>
AttributeError
:
'list'
object
has
no
attribute
'__next__'
>>>
I
.
__next__
(
)
4
>>>
from
collections
import
Iterator
,
Iterable
>>>
isinstance
(
L
,
Iterable
)
True
>>>
isinstance
(
L
,
Iterator
)
False
>>>
isinstance
(
I
,
Iterable
)
True
>>>
isinstance
(
I
,
Iterator
)
True
>>>
[
x
*
*
2
for
x
in
I
]
[
25
,
36
]
|
4.Iterator继承自Iterable,从下面的测试中可以很方便的看到Iterator包含__iter()和next()方法,而Iteratble仅仅包含iter__()。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
|
>>>
from
collections
import
Iterator
,
Iterable
>>>
help
(
Iterator
)
Help
on
class
Iterator
:
class
Iterator
(
Iterable
)
|
Method
resolution
order
:
|
Iterator
|
Iterable
|
builtins
.
object
|
*
*注解:从这里可以看出
Iterable继承自
object
,
Iterator继承自
Iterable。
|
Methods
defined
here
:
|
|
__iter__
(
self
)
|
|
__next__
(
self
)
|
Return
the
next
item
from
the
iterator
.
When
exhausted
,
raise
StopIteration
.
.
.
.
.
.
>>>
help
(
Iterable
)
Help
on
class
Iterable
:
class
Iterable
(
builtins
.
object
)
|
Methods
defined
here
:
|
|
__iter__
(
self
)
.
.
.
.
.
.
|
iterable需要包含有__iter()方法用来返回iterator,而iterator需要包含有next__()方法用来被循环
如果我们自己定义迭代器,只要在类里面定义一个 iter() 函数,用它来返回一个带 next() 方法的对象就够了。
直接上代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
class
Iterable
:
def
__iter__
(
self
)
:
return
Iterator
(
)
class
Iterator
:
def
__init__
(
self
)
:
self
.
start
=
-
1
def
__next__
(
self
)
:
self
.
start
+=
2
if
self
.
start
>
10
:
raise
StopIteration
return
self
.
start
I
=
Iterable
(
)
for
i
in
I
:
print
(
i
)
|
上面的代码实现的是找到10以内的奇数,代码中的类名可以随便取,不是一定需要使用我上面提供的类名的。
如果在Iterator的__next__方法中没有实现StopIteration异常,那么则是表示的全部奇数,那么需要在调用的时候设置退出循环的条件。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
class
Iterable
:
def
__iter__
(
self
)
:
return
Iterator
(
)
class
Iterator
:
def
__init__
(
self
)
:
self
.
start
=
-
1
def
__next__
(
self
)
:
self
.
start
+=
2
return
self
.
start
I
=
Iterable
(
)
for
count
,
i
in
zip
(
range
(
5
)
,
I
)
:
#也可以用内置函数enumerate来实现计数工作。
print
(
i
)
|
我们通过range来实现打印多少个元素,这里表示打印5个元素,返回结果和上面一致。
当然,我们可以把这两个类合并在一起,这样实现程序的简练。
最终版本如下
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
class
Iterable
:
def
__iter__
(
self
)
:
return
self
def
__init__
(
self
)
:
self
.
start
=
-
1
def
__next__
(
self
)
:
self
.
start
+=
2
if
self
.
start
>
10
:
raise
StopIteration
return
self
.
start
I
=
Iterable
(
)
for
i
in
I
:
print
(
i
)
|
复制迭代器
迭代器是一次性消耗品,使用完了以后就空了,请看。
1
2
3
4
5
6
7
8
9
10
|
>>>
L
=
[
1
,
2
,
3
]
>>>
I
=
iter
(
L
)
>>>
for
i
in
I
:
.
.
.
print
(
i
,
end
=
'-'
)
.
.
.
1
-
2
-
3
-
>>>
next
(
I
)
Traceback
(
most
recent
call
last
)
:
File
"<stdin>"
,
line
1
,
in
<
module
>
StopIteration
|
当循环以后就殆尽了,再次使用调用时会引发StopIteration异常。
我们想通过直接赋值的形式把迭代器保存起来,可以下次使用。
但是通过下面的范例可以看出来,根本不管用。
1
2
3
4
5
6
7
8
9
10
11
12
|
>>>
I
=
iter
(
L
)
>>>
J
=
I
>>>
next
(
I
)
1
>>>
next
(
J
)
2
>>>
next
(
I
)
3
>>>
next
(
J
)
Traceback
(
most
recent
call
last
)
:
File
"<stdin>"
,
line
1
,
in
<
module
>
StopIteration
|
那怎么样才能达到我们要的效果呢?
我们需要使用copy包中的deepcopy了,请看下面:
1
2
3
4
5
6
7
8
9
|
>>>
import
copy
>>>
I
=
iter
(
L
)
>>>
J
=
copy
.
deepcopy
(
I
)
>>>
next
(
I
)
1
>>>
next
(
I
)
2
>>>
next
(
J
)
1
|
补充:迭代器不能向后移动, 不能回到开始。
所以需要做一些特殊的事情才能实现向后移动等功能
为了理解yield的机制,我们需要理解什么是生成器。在此之前先介绍迭代器iterables。
Iterables
当你创建一个list,你可以一个一个的获取,这种列表就称为迭代:
>>> mylist = [1, 2, 3]
>>> for i in mylist:
... print(i)
1
2
3
Mylist 是一个迭代器. 当你理解它为一个list,它便是可迭代的:
>>> mylist = [x*x for x in range(3)]
>>> for i in mylist:
... print(i)
0
1
4
任何可以用 for in 来迭代读取的都是迭代容器,例如lists,strings,files.这些迭代器非常的便利,因为你可以想取多少便取多少,但是你得存储所有的值,其中很多值都完全没有必要每次都保持在内存中。
Generators
列表元素可以按照某个算法推算出来,在循环中不断通过算法推算出来下一个值,不必建立完整的list,可以节省大量的空间。生成器即是一边循环一边计算。
Generators(生成器)也是可迭代的,但是你每次只能迭代它们一次,因为不是所有的迭代器都被一直存储在内存中的,他们临时产生这些值:
>>> mygenerator = (x*x for x in range(3))
>>> for i in mygenerator:
... print(i)
0
1
4
生成器
生成器几乎和迭代器是相同的,除了符号[]变为()。但是你无法用两次,因为他们只生成一次:他们生成0然后丢弃,继续统计1,接着是4,一个接着一个。
使用for循环来迭代。
L=[x*x for x in range(10)]
print L
g=(x*x for x in range(10))
print g
print next(g)
for n in g:
print n
Yield的用法,转自http://blog.csdn.net//article/details/43410079
Yield的用法有点像return,除了它返回的是一个生成器,例如:
>>> def createGenerator():
... mylist = range(3)
... for i in mylist:
... yield i*i
...
>>> mygenerator = createGenerator() # create a generator
>>> print(mygenerator) # mygenerator is an object!
<generator object createGenerator at 0xb7555c34>
>>> for i in mygenerator:
... print(i)
0
1
4
上面的例子几乎非常积累,但是它很好的阐释了yield的用法,我们可以知道createGenerator()生成的是一个生成器。
为了掌握yield的精髓,你一定要理解它的要点:当你调用这个函数的时候,你写在这个函数中的代码并没有真正的运行。这个函数仅仅只是返回一个生成器对象。有点过于奇技淫巧:-)
然后,你的代码会在每次for使用生成器的时候run起来。
现在是解释最难的地方:
当你的for第一次调用函数的时候,它生成一个生成器,并且在你的函数中运行该循环,知道它生成第一个值。然后每次调用都会运行循环并且返回下一个值,知道没有值返回为止。该生成器背认为是空的一旦该函数运行但是不再刀刀yield。之所以如此是因为该循环已经到达终点,或者是因为你再也不满足“if/else”的条件。