Python3 迭代器和生成器

一、迭代和可迭代对象

迭代(Iteration):迭代就是遍历,遍历就是将序列按照顺序一个一个输出

可迭代对象(Iterable):可以迭代的对象就是可迭代对象。或者是能作用于 for 循环之上的对象就是可迭代对象

二、迭代器

1. 为什么要用迭代器?

通过列表生成式,我们可以直接创建一个列表。但是,受到内存限制,列表容量肯定是有限的。而且,创建一个包含100万个元素的列表,不仅占用很大的存储空间,如果我们仅仅需要访问前面几个元素,那后面绝大多数元素占用的空间都白白浪费了。

所以,如果列表元素可以按照某种算法推算出来,那我们是否可以在循环的过程中不断推算出后续的元素呢?这样就不必创建完整的list,从而节省大量的空间。在Python中,这种一边循环一边计算的机制,称为迭代器(Iterator)。

要获取迭代器的值需要通过next()函数,每次调用next(g),就计算出g的下一个元素的值,直到计算到最后一个元素,没有更多的元素时,抛出StopIteration的异常。

简单来说,list保存的是数据,而迭代器保存的是算法

2. 迭代器(Iterator):

接下来就给迭代器下一个定义:

能作用于 next() 函数之上的可迭代对象就是迭代器

由于可迭代对象是能作用于 for 循环之上的,所以,迭代就是能作用于fornext()之上

3. 如何创建迭代器

Python 提供了一个将普通的可迭代对象转为迭代器的函数 iter(),它的返回值就是一个迭代器

4. 用户如何自定义迭代器

那么,除了语言本身的序列可以转为迭代器,用户如何自定义迭代器呢?

用户如果自定义迭代器,需要在自己定义的类中加入 __iter__()__next__() 方法

三、生成器 generator

1. 创建生成器

到此为止,我们学习了Python中强大的迭代器,可以只占用一点内存实现大量序列的存储。

但是有一点不是很友好,就是用户自定义的迭代器很是麻烦,需要定义两个方法。有时候我只需实现一些很小的功能,不需要写类,一个简单的函数就可以搞定。那么有没有一种方式,可以实现呢?

有!!!

就是将普通函数中加上 yield,这时它就是一个迭代器了。

其实生成器本质也是迭代器,只不过是一种特殊的迭代器。但是为了区分和普通迭代器的区别,要给它起一个高大上的名字,生成器!以后只要遇到在函数中加上 yield 方法的迭代器都称之为生成器 generator,也可以查询类型的时候 type()

yield 可以将程序暂停,下次再调用函数的时候从 yield 下方开始执行

2. 生成器推导式

生成器的好处就是用户自定义迭代器的时候不需要写类了,但是有些人还是懒得写函数,那么有没有一种不需要写函数的迭代器吗?类型函数中有匿名函数,一行就搞定!

呃。。。没有嘛?NO,当然有!!!世界进步就是因为人的懒来推动的。

除了在函数中加上 yield 外,还有一种方式可以实现,在实现之前我们先看几个推导式

####(1)列表推导式

[i for i in [1, 2, 3, 4, 5]]
(2)字典推导式
{i: j for i in [1, 2, 3, 4, 5] for j in 'abcde'}
(3)集合推导式
{i for i in [1, 2, 3, 4, 5]}

集合推导式和字典推导式就是看{}中有几个值,有没有:

(4)字符串推导式

那有没有字符串推导式呢?字符串推导式是引号开头的,我们可以试试

"i for i in 'abcde'"

输出发现还是字符串,因为字符串第一条铁律是包含在引号内的都是字符串

(5)数字推导式

当然也没有数字推导式了,定义数字是什么都不加,如果写成下面这样是会爆语法错误的

i for i in 12345

而且针对不可变类型的数据类型推导式是毫无意义的,因为不可变类型的值一旦改变,他的指针也会改变,它的对象已经改变了

(6)元组推导式

最后再看下元组推导式,元组当然是用括号表示

(i for i in [1, 2, 3, 4, 5])

whit?mounty fuck!怎么回事?为什么元组有推导式呢?

仔细看它的类型是generator,这么熟悉,这不就是我们刚刚学习的生成器吗?

对嘞!这是创建生成器的另一种方法,是不是和匿名函数很像呢?我们可以给它起个名字:生成器推导式

四、扩展

当然生成器这么高大上的名字,也不单单只是为了简化迭代器的,正是因为有生成器的存在,我们可以写协程程序,什么是协程呢?且听下回分解!

五、总结

迭代:遍历

可迭代对象:能作用于for之上的

迭代器:保存算法,能作用于 next() 之上的

创建迭代器:2种方式。1.iter() 2.类中包含 __iter__()__next__()

生成器:是一种特殊的迭代器

创建生成器:2种方式。1.函数中包含 yield 2.生成器推导式

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
健身国际俱乐部系统是一种专为健身俱乐部设计的管理软件,它通过集成多种功能来提高俱乐部的运营效率和服务质量。这类系统通常包含以下几个核心模块: 1. **会员管理**:系统能够记录会员的基本信息、会籍状态、健身历史和偏好,以及会员卡的使用情况。通过会员管理,俱乐部可以更好地了解会员需求,提供个性化服务,并提高会员满意度和忠诚度。 2. **课程预约**:会员可以通过系统预约健身课程,系统会提供课程时间、教练、地点等详细信息,并允许会员根据个人时间表进行预约。这有助于俱乐部合理安排课程,避免资源浪费。 3. **教练管理**:系统可以管理教练的个人信息、课程安排、会员反馈等,帮助俱乐部评估教练表现,优化教练团队。 4. **财务管理**:包括会员卡销售、课程费用、私教费用等财务活动的记录和管理,确保俱乐部的财务透明度和准确性。 5. **库存管理**:对于俱乐部内的商品销售,如健身装备、营养补充品等,系统能够进行库存管理,包括进货、销售、库存盘点等。 6. **数据分析**:系统能够收集和分析会员活动数据,为俱乐部提供业务洞察,帮助俱乐部制定更有效的营销策略和业务决策。 7. **在线互动**:一些系统还提供在线平台,让会员可以查看课程、预约私教、参与社区讨论等,增强会员之间的互动和俱乐部的社区感。 8. **移动应用**:随着移动设备的普及,一些健身俱乐部系统还提供移动应用,方便会员随时随地管理自己的健身计划。 9. **安全性**:系统会确保所有会员信息的安全,采取适当的数据加密和安全措施,保护会员隐私。 10. **可扩展性**:随着俱乐部业务的扩展,系统应该能够轻松添加新的功能和服务,以适应不断变化的市场需求。 健身国际俱乐部系统的选择和实施,需要考虑俱乐部的具体需求、预算和技术能力,以确保系统能够有效地支持俱乐部的运营和发展。通过这些系统的实施,健身俱乐部能够提供更加专业和高效的服务,吸引和保留更多的会员,从而在竞争激烈的
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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