预习内容:

匿名函数
匿名函数与内置函数结合的更多用法
函数、生成器相关的面试题
列表推导式和生成器表达式的更多用法

 

 

1、迭代和可迭代协议

    迭代:将数据集里的数据一个一个取出来

   可迭代协议:可以被迭代要满足的要求就叫做可迭代协议,凡是可迭代大的内部都有一个_iter_方法。

   所以我们想知道_iter_方法做了什么事情呢?

   判断一个变量是不是可迭代的,具体例子如下:

l=[1,2,3,4]
print('_iter_' in dir(l))
iter(l)    #内置函数
l._iter_()

执行结果为false

2、 迭代器和迭代器协议

迭代器内置方法有_iter_和_next_方法,遵循迭代器协议。

'''
dir([1,2].__iter__())是列表迭代器中实现的所有方法,dir([1,2])是列表中实现的所有方法,都是以列表的形式返回给我们的,为了看的更清楚,我们分别把他们转换成集合,
然后取差集。
'''
#print(dir([1,2].__iter__()))
#print(dir([1,2]))
print(set(dir([1,2].__iter__()))-set(dir([1,2])))

结果:
{'__length_hint__', '__next__', '__setstate__'}
迭代器的神秘面纱

我们看到在列表迭代器中多了三个方法,那么这三个方法都分别做了什么事呢?

iter_l = [1,2,3,4,5,6].__iter__()
#获取迭代器中元素的长度
print(iter_l.__length_hint__())
#根据索引值指定从哪里开始迭代
print('*',iter_l.__setstate__(4))
#一个一个的取值
print('**',iter_l.__next__())
print('***',iter_l.__next__())

当然在for循环中就是一个一个调用了_next_方法才取到的值,现在我们写一个不依赖for循环,用_next_方法将将列表中的元素一个一个取出来进行遍历。

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)

 当然这是一段会报错的代码,在执行之后会出现异常(StopIteration)我们需要进行异常的捕获,把这个异常处理掉,具体代码如下:

l = [1,2,3,4]
l_iter = l.__iter__()
while True:
    try:
        item = l_iter.__next__()
        print(item)
    except StopIteration:
        break
异常捕获

不管是一个迭代器,还是一个可迭代对象,都可以使用for循环遍历,下面我们来测试一下

print('__next__' in dir(range(12)))  #查看'__next__'是不是在range()方法执行之后内部是否有__next__
print('__iter__' in dir(range(12)))  #查看'__next__'是不是在range()方法执行之后内部是否有__next__

from collections import Iterator
print(isinstance(range(100000000),Iterator))  #验证range执行之后得到的结果不是一个迭代器

#range函数的返回值是一个可迭代对象
验证range函数的返回值

补充:

迭代器的特点:(1)可以用for循环(2)可以节省内存(3)只能用一次

3、生成器

 定义:

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(2)生成器表达式

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)

  特点:惰性运算,开发者自定义

生成器函数

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。

import time
def func():
    a=1
    print('现在定义了a变量')
    yield a
    b=2
    print('现在定义了b变量')
    yield b
g=func()
print(next(g))
time.sleep(1)
print(next(g))
生成器函数实例

实践小应用

import time


def tail(filename):
    f = open(filename)
    f.seek(0, 2) #从文件末尾算起
    while True:
        line = f.readline()  # 读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)

生成器监听文件输入的例子
监听文件输入的例子
def average():
    total=0
    day=0
    average=0
    while True:
        ter=yield average
        total+=ter
        day+=1
        average=total/day
g=average()
next(g)
print(g.send(10))
print(g.send(20))
print(g.send(30))
计算平均值

4、列表推导式和生成器表达式

总结:

1.把列表解析的[]换成()得到的就是生成器表达式

2.列表解析与生成器表达式都是一种便利的编程方式,只不过生成器表达式更节省内存

3.Python不但使用迭代器协议,让for循环变得更加通用。大部分内置函数,也是使用迭代器协议访问对象的。例如, sum函数是Python的内置函数,该函数使用迭代器协议访问对象,而生成器实现了迭代器协议

 

本章小结:

可迭代对象:

  拥有__iter__方法

  特点:惰性运算

  例如:range(),str,list,tuple,dict,set

迭代器Iterator:

  拥有__iter__方法和__next__方法

  例如:iter(range()),iter(str),iter(list),iter(tuple),iter(dict),iter(set),reversed(list_o),map(func,list_o),filter(func,list_o),file_o

生成器Generator:

  本质:迭代器,所以拥有__iter__方法和__next__方法

  特点:惰性运算,开发者自定义

使用生成器的优点:

1.延迟计算,一次返回一个结果。也就是说,它不会一次生成所有的结果,这对于大数据量处理,将会非常有用。

2.提高代码可读性

 

练习题:

1.处理文件,用户指定要查找的文件和内容

将文件中包含要查找内容的每一行都输出到屏幕

2.批量处理文件,用户指定要查找的目录和内容

将本层目录下所有文件中包含要查找内容的每一行都输出到屏幕

 

posted on 2017-08-02 16:49  Sober--  阅读(146)  评论(0编辑  收藏  举报