7.python3类&迭代器

1.说明

◆ “yield” 暂停一个函数。 “next()” 从其暂停处恢复其运行。

◆ Python 中的 pass 就像 Java 或 C 中的空大括号对({})，表示没有定义任何方法和属性；

2.__INIT__() 方法

◆ 类实例创建后， __init__() 方法被立即调用，__init__()方法调用时，对象已经创建了，每个方法的第一个参数，包括 __init__() 方法，永远指向当前的类对象。 习惯上，该参数叫 self。self 不是 Python 的保留字， 仅仅是个命名习惯；

3.实例化

◆ 每个类实例具有一个内建属性， __class__， 它是该对象的类；

◆ 可访问对象的 docstring ，就像函数或模块中的一样。 类的所有实例共享一份 docstring；

4.迭代器

◆ 迭代器就是一个定义了 __iter__() 方法的类。 这些类的所有三种方法，__init__， __iter__， 和 __next__；

◆ _字符，表示“特殊方法，这些方法不是直接调用，而是使用类或实例的某些语法时， Python会自动调用；

◆ 当 __next__() 方法抛出 StopIteration 异常， 表示迭代用完了。它是正常情况，仅表示迭代器没有值可产生了；

5.生成器表达式

◆ 使用生成器表达式取代列表解析可以同时节省 CPU 和 内存(RAM)。如果构造一个列表的目的仅仅是传递给别的函数(比如 传递给 tuple() 或者 set()), 可用生成器表达式替代；

gen = (ord(c) for c in unique_characters)

def ord_map(a_string):

for c in a_string:

yield ord(c)

gen = ord_map(unique_characters)

6.itertools模块和其它高级函数

◆ permutations，计算排列，返回迭代器；

perms = itertools.permutations([1, 2, 3], 2)

next(perms)

perms = itertools.permutations('ABC', 3)

next(perms)

◆ combinations，返回包含给定序列的给定长度的所有组合的迭代器，不包含因为只有顺序不同而重复的情况；

◆ product，返回包含两个序列的笛卡尔乘积的迭代器；

itertools.product('ABC', '123')

◆ groupby，itertools.groupby()函数接受一个序列和一个 key 函数, 并且返回一个生成二元组的迭代器。每一个二元组包含key_function(each item)的结果和另一个包含着所有共享这个key 结果的元素的迭代器。itertools.groupby()只有当输入序列已经按分组函数排过序才能正常工作；

groups = itertools.groupby(names, len)

◆ chain，接受任何数目的迭代器，并把它们按传入顺序串在一起；

itertools.chain(range(0, 3), range(10, 13))

◆ zip()，它接受任何数目的序列然后返回一个迭代器，其第一个元素是每个序列的第一个元素组成的元组，然后是每个序列的第二个元素（组成的元组），以此类推，在到达最短的序列结尾的时候停止；

zip(range(0, 3), range(10, 13))

◆ zip_longest，同zip，在到达最长的序列的结尾的时候才停止, 对短序列结尾之后的元素填入 None 值；

◆ 一个字符串的 translate()，接收一个转换表，并用它来转换该字符串。换句话说，它将出现在转换表的键中的字节替换为该键对应的值；

translation_table = {ord('A'): ord('O')}

'MARK'.translate(translation_table)

◆ eval：将任何字符串作为PYTHON表达式求值；

安全的使用：定义一个将"__builtins__" 映射为 None(Python 的空值)的全局名字空间字典，

eval("__import__('math').sqrt(5)", {"__builtins__":None}, {})