Python学习总结----基础篇9
一、列表生成式、迭代器
1.列表生成式
>>> a = [i+1 for i in range(10)] >>> a [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
生成器
通过列表生成式,我们可以直接创建一个列表,但是,收到内存限制,列表容量肯定是有限的,而且,创建一个包含几百万个元素的列表,不仅占用很大的存储空间,而且如果我们仅仅需要访问前面的几个元素,后面绝大多数元素占用的空间都是白白浪费的
所以,如果列表元素可以按照某种算法推算出来,那我们能是否可以在循环的过程中不断推算出后续的元素呢,这样就不必创建爱你完整的list,从而节省大量的空间,在Python中,这种一边循环一边计算的机制,称为生成器---generator。
创建一个generator,有很多种办法,最简单的办法是就是将一个列表的[]改成(),就创建了一个generator:
>>> L
=
[x
*
x
for
x
in
range
(
10
)]
>>> L
[
0
,
1
,
4
,
9
,
16
,
25
,
36
,
49
,
64
,
81
]
>>> g
=
(x
*
x
for
x
in
range
(
10
))
>>> g
<generator
object
<genexpr> at
0x1022ef630
>
要想得到其中的元素,可以用next()进行打印
>>> next(g)
0
>>> next(g)
1
>>> next(g)
4
>>> next(g)
9
>>> next(g)
16
>>> next(g)
25
>>> next(g)
36
>>> next(g)
49
>>> next(g)
64
>>> next(g)
81
>>> next(g)
Traceback (most recent call last):
File "<pyshell#16>", line 1, in <module>
next(g)
StopIteration
还可以使用for循环将g中的元素取出
g = (x * x for x in range(10))
for i in g:
print(i)
generator也是可迭代对象
创建一个generator后,用for循环进行调用,不要next()
斐波那契数列
def
fib(
max
):
n, a, b
=
0
,
0
,
1
while
n <
max
:
(b)
a, b
=
b, a
+
b
n
=
n
+
1
return
'done'
generator
def fib(max): n,a,b = 0,0,1 while n < max: yield b a,b = b,a+b n += 1 return 'done'
如果一个函数定义中包含关键字yield,那么这个函数就不再是一个普通函数,而是一个generator
file = fib(5)
print(file)<generator object fib at 0x00000000029939E8>
函数是顺序执行,遇到return语句或者最后一行函数语句就返回。
generator的函数,在每次调用next()的时候执行,遇到yield语句返回,再次执行时从上次返回的yield语句出继续执行,
data = fib(10)
print(data)
print(data.__next__())
print(data.__next__())
print("----------------")
print(data.__next__())
print(data.__next__())
print(data.__next__())输出:1
1
----------------
2
3
5
使用generator的时候也不要用next()进行调用,直接用for循环来迭代
for i in fib(10):
print(i)1
1
2
3
5
8
13
21
34
55
用for循环调用generator时,得不到generator的return语句的返回值,如果想要按到返回值,必须捕获StopInteration错误,返回值包含在StopIteration的value中
f = fib(8)
while True:
try:
x = next(f)
print("f:",x)
except StopIteration as e :
print("Generator return value is ",e.value)
breakf: 1
f: 1
f: 2
f: 3
f: 5
f: 8
f: 13
f: 21
Generator return value is done
迭代器
可以直接作用于for循环的数据类型有以下几种
一类是集合数据类型,如list、tuple、dict、set、str等
另一类是generator,包括生成器和带yield的generator function。
这些可以直接作用于for循环的对象统称为可迭代对象,Iterable
可以使用isinstance()判断一个对象是否Iterable
>>> from collections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({},Iterable)
True
>>> isinstance('abc',Iterable)
True
>>> isinstance((x for x in range(10)),Iterable)
True
>>> isinstance(100,Iterable)
False
生成器不但可以作用于for循环,还可以被next()函数不断调用并返回下一个值,知道左后抛出StopIteration错误表示无法继续返回下一个值了
可以被next()函数调用并不断返回下一个值的对象成为迭代器,Iterator
可以用isinstance()判断一个对象是否是Iterator对象
>>> from collections import Iterator
>>> isinstance((x for x in range(10)),Iterator)
True>>> isinstance([],Iterator)
False
>>> isinstance({},Iterator)
False
>>> isinstance('abc',Iterator)
False
生成器都是Iterator对象,但是list,dict,str虽然是Iterable,却并不是Iterator。
把list、dict、str等Iterable变成可以使用iter()函数:
>>> isinstance(iter([]),Iterator)
True
>>> isinstance(iter('abc'),Iterator)
True
为什么list、dict、str等数据类型不是Iterator
python的Iterator对象表示的是一个数据流,Iterator对下岗可以被next()函数调用并不断返回下一个数据,知道没有数据时抛出StopIteration错误,可以把这个数据流看作是一个有序序列,但我们却不能提前知道序列的长度,只能不断通过next()函数实现按需计算下一个数据,所以Iterator的计算是惰性的,只有在需要返回下一个数据时它才会计算
Iterator甚至可以表示一个无限大的数据流,例如全体自然数,而使用lisy是永远不可能存储全体自然数的
二、装饰器