标签:import als 1.3 acl show ror 迭代 div 开始
迭代器协议
迭代器
生成器
生成器函数
生成器表达式
Python中 list,truple,str,dict这些都可以被迭代,但他们并不是迭代器。为什么?
因为和迭代器相比有一个很大的不同,list/truple/map/dict这些数据的大小是确定的,也就是说有多少事可知的。但迭代器不是,迭代器不知道要执行多少次,所以可以理解为不知道有多少个元素,每调用一次next(),就会往下走一步,是惰性的。
from collections.abc import Iterable,Iterator a = [1,2,] print(isinstance(a,Iterable)) #True list是可迭代的 print(isinstance(a,Iterator)) #False list不是迭代器
通过iter()方法,获取iterator对象
from collections.abc import Iterable,Iterator a = [1,2,] iter_rator = iter(a) print(isinstance(a,Iterable)) #True 可迭代的 print(isinstance(iter_rator,Iterator)) # True 迭代器 print(isinstance((x for x in range(10)),Iterator)) #True
# 总结 # 凡是可以for循环的,都是Iterable # 凡是可以next()的,都是Iterator # list,truple,dict,str,都是Itrable不是Iterator,但可以通过iter()函数获得一个Iterator对象
class Iterable(metaclass=ABCMeta): __slots__ = () @abstractmethod def __iter__(self): while False: yield None @classmethod def __subclasshook__(cls, C): if cls is Iterable: return _check_methods(C, "__iter__") return NotImplemented
通过自定义一个迭代器,进一步说明什么是迭代器,什么是可迭代对象
from collections.abc import Iterator class Company(object): def __init__(self, employee_list): self.employee = employee_list def __iter__(self): return MyIterator(self.employee) #自定义迭代器 class MyIterator(Iterator): #如果不继承Iterator,则必须实现__iter__方法 def __init__(self, employee_list): self.iter_list = employee_list self.index = 0 #初始化索引位置 def __next__(self): #真正返回迭代值的逻辑 try: word = self.iter_list[self.index] except IndexError: raise StopIteration self.index += 1 return word if __name__ == "__main__": company = Company(["derek1", "derek2", "derek3"]) my_itor = iter(company) print(next(my_itor)) #derek1 print(next(my_itor)) #derek2 print(next(my_itor)) #derek3 for item in company: print (item) #derek1 derek2 derek3
(1)生成器函数和普通函数的区别
#函数里只要有yield关键字,就是生成器函数 def gen_func(): yield 1 def func(): return 1 if __name__ == ‘__main__‘: gen = gen_func() print(type(gen)) #<class ‘generator‘> 返回的是一个生成器对象 res = func() print(type(res)) #<class ‘int‘> 返回1 pass
(2)取出生成器里面的值
#函数里只要有yield关键字,就是生成器函数 def gen_func(): yield 1 yield 2 yield 3 if __name__ == ‘__main__‘: gen = gen_func() print(type(gen)) #<class ‘generator‘> 返回的是一个生成器对象 for value in gen: print(value) # 1,2,3
(3)斐波那契的例子
def fib(index): re_list = [] n,a,b = 0,0,1 while n < index: re_list.append(b) a,b = b, a+b n += 1 return re_list print(fib(10)) #[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]
假如当数据量非常大的时候,这样全部打印会消耗非常大的内存,下面使用yield,虽然同样是获取数据,但是它实际上是不消耗内存的
def gen_fib(index): n,a,b = 0,0,1 while n < index: yield b a,b = b, a+b n += 1 for data in gen_fib(10): print(data) # 1, 1, 2, 3, 5, 8, 13, 21, 34, 55
标签:import als 1.3 acl show ror 迭代 div 开始
原文地址:https://www.cnblogs.com/derek1184405959/p/9053628.html