zoukankan      html  css  js  c++  java
  • python--迭代器与生成器

                  迭代器

    迭代是Python最强大的功能之一,是访问集合元素的一种方式。。

    迭代器是一个可以记住遍历的位置的对象。

    迭代器对象从集合的第一个元素开始访问,直到所有的元素被访问完结束。迭代器只能往前不会后退。

    迭代器两个基本的方法iter()next()

    字符串,列表或元组对象都可用于创建迭代器:

    例:

    >>>list=[1,2,3,4]
    >>> it = iter(list)       # 创建迭代器对象
    >>> print (next(it))        # 输出迭代器的下一个元素 1
    >>> print (next(it))        # 输出迭代器的下一个元素 2
    >>>
     
    迭代器对象可以使用常规for语句进行遍历:
    #!/usr/bin/python3
    list=[1,2,3,4]
    it = iter(list) # 创建迭代器对象
    for x in it:
    print (x, end=" ")
    输出结果:1 2 3 4
    也可以使用next()函数
    #!/usr/bin/python3
    import sys  # 引入 sys 模块
    list=[1,2,3,4]
    it = iter(list) # 创建迭代器对象
    while True:
        try:
           print (next(it))
        except StopIteration:
    sys.exit()
     
    1
    2
    3
    4

                        生成器

      我们知道的迭代器有两种:一种是调用方法直接返回的,一种是可迭代对象通过执行iter方法得到的,迭代器有的好处是可以节省内存。

     如果在某些情况下,我们也需要节省内存,就只能自己写。我们自己写的这个能实现迭代器功能的东西就叫生成器。

    Python中提供的生成器:

     1.生成器函数:常规函数定义,但是,使用yield语句而不是return语句返回结果。yield语句一次返回一个结果,在每个结果中间,挂起函数的状态,以便下次重它离开的地方继续执行

     2.生成器表达式:类似于列表推导,但是,生成器返回按需产生结果的一个对象,而不是一次构建一个结果列表

    生成器Generator:

     本质:迭代器(所以自带了__iter__方法和__next__方法,不需要我们去实现)

    在 Python 中,使用了 yield 的函数被称为生成器(generator)。

    一个包含yield关键字的函数就是一个生成器函数。yield可以为我们从函数中返回值,但是yield又不同于return,return的执行意味着程序的结束,调用生成器函数不会得到返回的具体的值,而是得到一个可迭代的对象。每一次获取这个可迭代对象的值,就能推动函数的执行,获取新的返回值。直到函数执行结束。

    跟普通函数不同的是,生成器是一个返回迭代器的函数,只能用于迭代操作,更简单点理解生成器就是一个迭代器。

    在调用生成器运行的过程中,每次遇到 yield 时函数会暂停并保存当前所有的运行信息,返回yield的值。并在下一次执行 next()方法时从当前位置继续运行。

    以下实例使用 yield 实现斐波那契数列

    #!/usr/bin/python3

    import sys

    def fibonacci(n): # 生成器函数 - 斐波那契
      a, b, counter = 0, 1, 0
    while True:
      if (counter > n):
      return yield a
      a, b = b, a + b
      counter += 1
      f = fibonacci(10) # f 是一个迭代器,由生成器返回生成
      while True:
        try:
          print (next(f), end=" ")
        except StopIteration:
    sys.exit()
    输出结果:
     0 1 1 2 3 5 8 13 21 34 55

    来看一下有yield和没有yield的情况会对生成器了解多点:

    第一种:使用 yield

     #!/usr/bin/python3
    import sys
    def fibonacci(n,w=0): # 生成器函数 - 斐波那契
    a, b, counter = 0, 1, 0
    while True:
      if (counter > n): 
        return yield a
         a, b = b, a + b
        print('%d,%d' % (a,b))
        counter += 1 f = fibonacci(10,0) # f 是一个迭代器,由生成器返回生成
        while True:
            try: 
          print (next(f), end=" ")
            except :
     sys.exit()
     

    输出结果:

    0 1,1
    1 1,2
    1 2,3
    2 3,5
    3 5,8
    5 8,13
    8 13,21
    13 21,34
    21 34,55
    34 55,89
    55 89,144

    第二种:不使用 yield

    #!/usr/bin/python3
    
    import sys
    
    def fibonacci(n,w=0): # 生成器函数 - 斐波那契
        a, b, counter = 0, 1, 0
        while True:
            if (counter > n): 
                return
            #yield a
            a, b = b, a + b
            print('%d,%d' % (a,b))
            counter += 1
    f = fibonacci(10,0) # f 是一个迭代器,由生成器返回生成
    
    while True:
        try:
            print (next(f), end=" ")
        except :
            sys.exit()
     
     

    输出结果:

    1,1
    1,2
    2,3
    3,5
    5,8
    8,13
    13,21
    21,34
    34,55
    55,89
    89,144

    第二种没有yield时,函数只是简单执行,没有返回迭代器f。这里的迭代器可以用生成l列表来理解一下:

    >>> l = [i for i in range(0,15)]
    >>> print(l)
    [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14]
    >>> m = (i for i in range(0,15))
    >>> print(m)
    <generator object <genexpr> at 0x104b6f258>
    >>> for g in m:
    ...     print(g,end=', ')
    ... 
    0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14,

    这里的m就像上面的f一样,是迭代器。

     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
  • 相关阅读:
    B1009
    (OK)(OK) [android-x86-6.0-rc1] compile_Android-x86_64_in_IBM-X3650-M4.txt
    Fortran, Matlab, Octave, Scilab计算速度比较
    GNU Octave
    [android-x86-6.0-rc1] /system/etc/init.sh
    [android-x86-6.0-rc1] /system/xbin/log.sh
    Android源码学习之接着浅析SystemServer
    Android源码学习之浅析SystemServer脉络
    Android-x86_64
    Android-x86_64
  • 原文地址:https://www.cnblogs.com/DE_LIU/p/7273827.html
Copyright © 2011-2022 走看看