計算機基礎-----叠代器 和生成器
叠代器
1.1叠代器 和 可叠代對象
叠代器的本質 就是for循環調用的底層內置函數的運用
可叠代對象:字符串、列表、元組、字典、集合都是可叠代的對象
叠代器協議--必須要滿足兩點才可以叫做可叠代協議
: 內部實現了__iter__和__next__
1.2叠代器----iterator
通過代碼來理解
![技術分享](/img/jia.gif)
‘‘‘ dir([1,2].__iter__())是列表叠代器中實現的所有方法,dir([1,2])是列表中實現的所有方法,都是以列表的形式返回給我們的,為了看的更清楚,我們分別把他們轉換成集合, 然後取差集。 ‘‘‘ #print(dir([1,2].__iter__())) #View Codeprint(dir([1,2])) print(set(dir([1,2].__iter__()))-set(dir([1,2]))) 結果: {‘__length_hint__‘, ‘__next__‘, ‘__setstate__‘}
叠代器中的三個方法的作用
![技術分享](/img/jia.gif)
iter_l = [1,2,3,4,5,6].__iter__() #獲取叠代器中元素的長度 print(iter_l.__length_hint__()) #根據索引值指定從哪裏開始叠代 print(‘*‘,iter_l.__setstate__(4)) #一個一個的取值 print(‘**‘,iter_l.__next__View Code()) print(‘***‘,iter_l.__next__())
在for循環中,就是在內部調用了__next__方法才能取到一個一個的值,,但是取不到值的時候會報錯
![技術分享](/img/jia.gif)
經典 一眼就能看出來 l = [1,2,3,4] l_iter = l.__iter__() item = l_iter.__next__() print(item) item = l_iter.__next__() print(item) item = l_iter.__next__() print(item) item = l_iter.__next__() print(item) itemView Code= l_iter.__next__() print(item)
內置函數:next和iter方法
![技術分享](/img/jia.gif)
print(‘__next__‘ in dir(range(12))) #查看‘__next__‘是不是在range()方法執行之後內部是否有__next__ print(‘__iter__‘ in dir(range(12))) #查看‘__next__‘是不是在range()方法執行之後內部是否有__next__ from collections import Iterator print(isinstance(range(100000000),Iterator)) #驗證range執行之後得到的結果不是一個叠代器 range函數的返回值是一個可叠代對象View Code
生成器--沒有叠代協議但是還想要叠代
-- 自己生一個
2.1python自帶的生成器
1.生成器函數:常規函數定義,但是,使用yield語句而不是return語句返回結果。yield語句一次返回一個結果,在每個結果中間,掛起函數的狀態,以便下次重它離開的地方繼續執行
1.2.生成器表達式:類似於列表推導,但是,生成器返回按需產生結果的一個對象,而不是一次構建一個結果列表
1.3 生成器Generator的本質:開發者自定義的生成器 ..惰性運算 ...節省內存..
1.4生成器函數: 一個包含yield關鍵字的函數就是一個 生成器函數, yield可以為我們從函數中返回值,但其又不同於return,return意味著程序結束 而其是程序停在那裏 需要調用的時候再調用 就可以繼續運行
![技術分享](/img/jia.gif)
import time def genrator_fun1(): a = 1 print(‘現在定義了a變量‘) yield a b = 2 print(‘現在又定義了b變量‘) yield b g1 = genrator_fun1() print(‘g1 : ‘,g1) #打印g1可以發現g1就是一個生成器 print(‘-‘*20) #我是華麗的分割線 print(next(g1)) time.sleep(1) #sleep一秒看清執行過程 print(next(g1)) 初識生成器函數View Code
代碼體現生成器不占內存
![技術分享](/img/jia.gif)
import time def genrator_fun1(): a = 1 print(‘現在定義了a變量‘) yield a b = 2 print(‘現在又定義了b變量‘) yield b g1 = genrator_fun1() print(‘g1 : ‘,g1) #打印g1可以發現g1就是一個生成器 print(‘-‘*20) #我是華麗的分割線 print(next(g1)) time.sleep(1) #sleep一秒看清執行過程 print(next(g1)) 初識生成器函數View Code
監控文件這點自己不是太懂記得問一下
![技術分享](/img/jia.gif)
import time def tail(filename): f = open(filename) f.seek(0, 2) #從文件末尾算起 while True: line = f.readline() # 讀取文件中新的文本行 if not line: time.sleep(0.1) continue yield line tail_g = tail(‘tmp‘) for line in tail_g: print(line) 生成器監聽文件輸入的例子View Code
列表推導式和生成器表達式
#老男孩由於峰哥的強勢加盟很快走上了上市之路,alex思來想去決定下幾個雞蛋來報答峰哥 egg_list=[‘雞蛋%s‘ %i for i in range(10)] #列表解析 #峰哥瞅著alex下的一筐雞蛋,捂住了鼻子,說了句:哥,你還是給我只母雞吧,我自己回家下 laomuji=(‘雞蛋%s‘ %i for i in range(10))#生成器表達式 print(laomuji) print(next(laomuji)) #next本質就是調用__next__ print(laomuji.__next__()) print(next(laomuji)) 峰哥與alex的故事
(老師總結的很好 我能看懂 )
#列表解析 sum([i for i in range(100000000)])#內存占用大,機器容易卡死 #生成器表達式 sum(i for i in range(100000000))#幾乎不占內存
總結:
1.把列表解析的[]換成()得到的就是生成器表達式
2.列表解析與生成器表達式都是一種便利的編程方式,只不過生成器表達式更節省內存
3.Python不但使用叠代器協議,讓for循環變得更加通用。大部分內置函數,也是使用叠代器協議訪問對象的。例如, sum函數是Python的內置函數,該函數使用叠代器協議訪問對象,而生成器實現了叠代器協議,所以,我們可以直接這樣計算一系列值的和:
sum(x ** 2 for x in xrange(4))
而不用多此一舉的先構造一個列表:
sum([x ** 2 for x in xrange(4)])
計算機基礎-----叠代器 和生成器