二分法 面向过程思想 函数式
一 迭代器
1、什么是迭代器
迭代器指的是迭代取值的工具,迭代是一个重复的过程,每次重复都是基于上一层的结果而继续的,单纯的重复并不是迭代。
2、为何要有迭代器
迭代器是用来迭代取值的工具,而涉及到把多个值循环取出来的类型
l = ['egon', 'liu', 'alex']
i = 0
while i< len(l):
print(l[i])
i +=1
上述迭代取值的方式只适用于有索引的数据类型:列表、字符串、元组
为了解决基于索引迭代取值的局限性
python 必须提供一种能够不依赖于索引的取值方式,这就是迭代器
3、如何用迭代器
可迭代对象
可迭代对象:但凡内置有__ iter __方法都称之为可迭代对象
s1=''
s1.__iter__()
l=[]
l.__iter__()
t=(1,)
t.__iter__()
d={'a':1}
d.__iter__()
set1={1,2,3}
set1.__iter__()
with open('a.txt',mode='w') as f:
f.__iter__()
pass
迭代器对象
但凡内置有__ next __ 方法并且有 __ iter__ 都称之为迭代器对象
调用可迭代对象下的__ iter __方法会生成迭代器对象
具体有:打开的文件对象
d = {'a':1, 'b':2, 'c':3}
d_iterator = d.__iter__() #转成成迭代器对像
print(d_iterator) #迭代器对象
print(d_iterator.__next__) #a
print(d_iterator.__next__) #b
print(d_iterator.__next__) #c
print(d_iterator.__next__)#抛出异常 StopInteration
使用 while 循环迭代取值
while True:
try:
print(d_iterator.__next())
except StopIteration:
break
3、可迭代对象与迭代器对象详解
3.1 可迭代对象('可以生成迭代器的对象'):
内置有__ iter __ 方法的对象
可迭代对象.__ iter __( ):得到迭代器对象
3.2 迭代器对象:
内置有__ next __ 方法并且内置有 __ iter __方法的对象
迭代器对象.__ iter __( ):得到的仍是迭代器本身。
执行迭代器.__ next __( )(或 next(迭代器))就可以计算出迭代器的的下一个值。
迭代器是 python 提供的一种统一的,不依赖于索引的迭代取值方式,只要存在多个元素,无论序列类型还是非序列类型都可以按照迭代器的方式取值
可迭代对象:字符串、列表、元组、字典、集合、打开的文件
迭代器对象:打开的文件
python中为什么将文件对象内置为迭代器对象?
原因是防止文件中内容过大,占用过多的内存空间,所以设置成迭代对象,
当需要一个值时,就计算出文件的一个值
4、for 循环的工作原理
d={'a':1, 'b':2, 'c':3}
for k in d:
print(k)
工作原理:
1 d.__ iter __( )得到一个迭代器对象
2 迭代器对象. __ next __( )拿到一个返回值,然后将该返回值赋值给 k
3 循环往复步骤 2,直到抛出 StopIteration异常 for 循环会捕捉异常然后结束循坏
with open('a.txt',mode='rt',encoding='utf-8') as f:
for line in f: # f.__iter__()
print(line)
list('hello') #原理同 for 循环
5、迭代器优缺点
基于索引的迭代取值,所有迭代的状态都保存在了索引中,而基于迭代器实现迭代的方式不再需要索引,所有迭代的状态就保存在迭代器中。这种处理方式优缺点:
优点:
1、为序列和非序列类型提供了一种统一的迭代取值方式
2、惰性计算:迭代器对象标识的是一个数据流,它就是一个功能,占用内存空间非常小,可以只需要时才去调用 next来计算出一个值。
就迭代器本身来说,它本身是一个功能,占用内存空间很小,同一时刻在内存中只有一个值,因而可以存放无线大的数据流,而对于其他容器类型,如列表,需要把所有的元素都存放与内存中,受内存大小的限制,可以存放的值的个数是有限的。
缺点:
1、无法按索引取到指定的值
2、每次都只能取下一个值,不能取已经取过的值,如果有两个或者多个循环使用同一迭代器。只会有一次循环能取到值,若想要迭代取同样的值,必须重新调用 __ iter __方法重新创新一个新的迭代器对象。
二 生成器与 yield
1、生成器
生成器就是自定义的迭代器
具体的说:函数体包含yield 关键字,再调用函数,此时并不会执行函数体代码,只是得到的一个返回值,即是生成器对象。
只有通过调用迭代器的 next 的方法才能触发函数体代码运行
2、yield 关键字
yield 可以用于返回值,但不同于 return,函数一旦遇到了 return 就结束了,而 yield 可以保存函数的运行状态挂起函数,用来返回多次值
如下:
def func():
print('第一次')
yield 1
print('第二次')
yield 2
print('第三次')
yield 3
print('第四次')
g = func() #产生生成器对象
print(g)
g.__iter__()
res = g.__next__() #会触发函数体代码的运行,然后遇到 yield 停下来,将 yield 后值当做本次调用的结果返回
示例:
def my_range(start, stop, step=1):
print('my_range is running...')
while start < stop:
yield start
start += step
print('my_range is end')
g = my_range(0, 4) # 得到☝一个生成器对象,此时不会执行函数体代码
print(g) # <generator object my_range at 0x107ee3e08>
res1 = g.__next__()
print(res1) #0
res2 = next(g)
print(res2) #1
res3 = next(g)
print(res3) #2
res4=next(g)
print(res4) #3
res5 = next(g)
print(res5) #抛出异常 StopIteration
生成器对象属于迭代器,所以可以使用 for 循环迭代取值,如下:
for k in my_range(0,5):
print(k)
结果展示:
my_range is running...
0
1
2
3
4
my_range is end
只要函数体内有 yield ,那么函数名 +( )就是产生生成器,不会运行函数体代码
3、yield 表达式用法
用法一:x = yield
生成器对象.send(实参 ) :会将实参传给 yield
def dog(name):
print(f'{name} 准备吃东西!')
while True:
x = yield #x 拿到 yield 接收的值
print(f'{name}吃了{x}')
g= dog('egon') #产生生成器对象
#初始化:第一次必须先传一个 None,将函数挂起
#next(g)
g.send(None) #等同于 next(g)
g.send('肉包子') #将 '肉包子' 传给 yield
g.send('一根骨头') #将'一根骨头'传给 yield
g.close() #关闭迭代器,无法传参
g.send('狗肉') #抛出异常StopIteration
用法二:x = yield 返回值
生成器对象.send(实参 ) :会将实参传给 yield
def dog(name):
print('dog %s 准备吃东西了'%name)
while True:
# x 拿到的是 yield 接收到的值
x = yield 1111 #先将yield的值传给 x后运行,然后直到遇到下一个yield,挂起函数并返回 111
print('dog %s吃了%s'%(name, x))
g = dog('egon')#产生生成器对象
#初始化:第一次必须先传一个 None,将函数挂起(否则会报错),然后才能传
res=g.send(None) #等同于 next(g)
print(res) #111
res=g.send('肉包子') #将 '肉包子' 传给 yield
print(res) #1111
res = g.send('一根骨头') #将'一根骨头'传给 yield
print(res) #1111