Python-生成器与迭代器
迭代器
什么是迭代器？
迭代器：迭代的工具
可迭代对象
python中一切皆对象
对与这一切的对象，但凡有__iter__方法的都是可迭代对象
# x = 1.__iter__ # SyntaxError: invalid syntax
# 以下数据类型都是可迭代的对象
name = 'qinyj'
lis = [1, 2]
tup = (1, 2)
dic = {'name': 'nick'}
s1 = {'a', 'b'}
f = open('49w.txt', 'w', encoding='utf-8')
f.__iter__
除数字数据类型外都是可迭代对象
迭代器对象
对与这一切的对象，但凡有__iter__ 和 __next__方法的都是迭代器对象
# 只有文件才是迭代器对象
f = open("user.txt","r")
print(f.__iter__())
print(f.__next__())
对于可迭代对象，我们可以变成迭代器对象
dic = {'a': 1, 'b': 2, 'c': 3}
dic_iter = dic.__iter__()
print(dic_iter.__next__())
print(dic_iter.__next__())
print(dic_iter.__next__())
为什么有迭代器对象
提供了一种不依赖索引取值的手段即 for循环
for循环原理
# 如果用c写,这就是for循环
dic = {'a': 1, 'b': 2, 'c': 3}
dic_iter = dic.__iter__()
while True:
try:
print(dic_iter.__next__())
except StopIteration:
break
for i in dic: # for循环 --》 迭代循环
print(i)
总结
-
可迭代对象：含有
__iter__方法的叫做可迭代对象 -- 》除了数字类型都是可迭代对象--》可迭代对象使用__iter__变成迭代器 -
迭代器对象：含有
__iter__和__next__方法的叫做迭代器对象--》只有文件是迭代器对象--》迭代器使用__iter__依然是迭代器 -
可迭代对象不一定是迭代器，但是迭代器一定是可迭代对象
三元表达式
x = 10
y = 20
# if x > y:
# print(x)
# else:
# print(y)
# 三元表达式 --> 三目表达式
# 条件成立走这里 if 条件 else 条件不成立走这里
print(x) if x > y else print(y) # --> 仅作了解
列表推导式
lt = []
for i in range(10):
lt.append(i)
print(lt)
上述方式可以生成一个列表
还可以一行代码
lt = [i for i in range(10)]
print(lt)
字典生成式
如果我们要生成一个字典，我们可以用for循环
dic = {}
for i in range(10):
dic[i] = i
上述方式比较麻烦，我们可以用一行代码
dic = {i:i for i in range(10)}
print(dic)
zip()函数
lt1 = ["a","b","c"]
lt2 = [1,2,3]
res = zip(lt1,lt2)
print(res.__next__())
print(res.__next__())
print(res.__next__())
##
('a', 1)
('b', 2)
('c', 3)
我们可以用zip函数生成字典
lt1 = ["a","b","c"]
lt2 = [1,2,3]
dic = {k:v**2 for k,v in zip(lt1,lt2)}
生成器
generator 生成器 本质上是一个迭代器
含有yield关键字的函数就叫做生成器
lt = (i for i in range(10)) # 注意是()，如果换成[]就变成了列表推导式了
print(lt)
# 是一个生成器
<generator object <genexpr> at 0x0000000001F2AF10>
def ge():
yield 3 # 一个yield 就得相当于一个__next__方法，作用是暂停函数
yield 4
g = ge() # 得到一个生成器
# 然后可以通过__next__方法取值
print(g.__next__())
print(g.__next__())
# for 循环取值 就相当于使用__next__方法
for i in g:
print(i)
range函数实现
def range(start,stop,step=1):
while start < stop:
yield start
start += step
r = range(0,5,1)
for i in r:
print(i)
yield的特性
- 暂停函数
- 通过next取值
对yield的总结
（1）通常的for..in...循环中，in后面是一个数组，这个数组就是一个可迭代对象，类似的还有链表，字符串，文件。他可以是a = [1,2,3]，也可以是a = [x*x for x in range(3)]。
它的缺点也很明显，就是所有数据都在内存里面，如果有海量的数据，将会非常耗内存。
（2）生成器本质上是一个迭代器，当然是可以迭代的，但是只可以读取它一次。因为用的时候才生成，比如a = (x*x for x in range(3))。!!!!注意这里是小括号而不是方括号。
（3）生成器（generator）能够迭代的关键是他有next()方法，工作原理就是通过循环重复调用next()方法，直到捕获一个异常 后 break
（4）带有yield的函数不再是一个普通的函数，而是一个生成器generator，可用于迭代
（5）yield是一个类似return 的关键字但不是return，迭代一次遇到yield的时候就返回yield后面或者右面的值。而且下一次迭代的时候，从上一次迭代遇到的yield后面的代码开始执行
（6）yield就是返回的一个值，并且记住这个返回的位置。下一次迭代就从这个位置开始。
（7）带有yield的函数不仅仅是只用于for循环，而且可用于某个函数的参数，只要这个函数的参数也允许迭代参数。
（8）把列表推导式的[]换成()就是生成器表达式，优点：省内存，一次只产生一个值在内存中，取得时候再去取。
递归函数
函数a内部直接调用函数a本身
count = 0
def a():
global count
count += 1
print(count)
if count == 5:
retrun
a()
a()
递归条件
- 函数内部调用函数本身
- 必须要有退出条件
- 递归必须要有规律
