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:

print(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)
        break

f: 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

https://www.zhihu.com/question/26930016