迭代器

  1. 今日内容大纲

    1. global nonlocal

    2. 函数名的运用

    3. 新特性：格式化输出

    4. 迭代器：

      • 可迭代对象

      • 获取对象的方法

      • 判断一个对象是否是可迭代对象

      • 小结

      • 迭代器

      • 迭代器的定义

      • 判断一个对象是否是迭代器

      • 迭代器的取值

      • 可迭代对象如何转化成迭代器

      • while循环模拟for循环机制

      • 小结

      • 可迭代对象与迭代器的对比

  2. 昨日内容回顾以及作业讲解

    1. 函数的参数：

      1. 实参角度：位置参数，关键字参数，混合参数。

      2. 形参角度：位置参数，默认参数，仅限关键字参数，万能参数。

      3. 形参角度参数顺序：位置参数，*args, 默认参数,仅限关键字参数，**kwargs.

    2. *的魔性用法：

      • 函数的定义时：代表聚合。

      • 函数的调用时：代表打散。

    3. python中存在三个空间：

      • 内置名称空间：存储的内置函数：print,input.......

      • 全局名称空间：py文件，存放的是py文件（除去函数，类内部的）的变量，函数名与函数的内存地址的关系。

      • 局部名称空间：存放的函数内部的变量与值的对应关系。

    4. 加载顺序：内置名称空间，全局名称空间, 局部名称空间（执行函数时）。

    5. 取值顺序：就近原则。LEGB.

      1. 局部作用域只能引用全局变量，不能修改。

         name = 'alex'
         def func():
             name = name + 'sb'

    6. 作用域：

      • 全局作用域：内置名称空间 + 全局名称空间。

      • 局部作用域：局部名称空间。

    7. 函数的嵌套

    8. globals() locals()

       

     

     

  3. 今日内容

    1. global nonlocal

      • 补充：

        默认参数的陷阱

         1  # 默认参数的陷阱：
 2  # def func(name,sex='男'):
 3  #     print(name)
 4  #     print(sex)
 5  # func('alex')
 6  ​
 7  # 陷阱只针对于默认参数是可变的数据类型：
 8  # def func(name,alist=[]):
 9  #     alist.append(name)
10  #     return alist
11  #
12  # ret1 = func('alex')
13  # print(ret1,id(ret1))  # ['alex']
14  # ret2 = func('太白金星')
15  # print(ret2,id(ret2))  # ['太白金星']
16  ​
17  # 如果你的默认参数指向的是可变的数据类型，那么你无论调用多少次这个默认参数，都是同一个。
18  ​
19  # def func(a, list=[]):
20  #     list.append(a)
21  #     return list
22  # print(func(10,))  # [10,]
23  # print(func(20,[]))  # [20,]
24  # print(func(100,))  # [10,100]
25  # l1 = []
26  # l1.append(10)
27  # print(l1)
28  # l2 = []
29  # l2.append(20)
30  # print(l2)
31  # l1.append(100)
32  # print(l1)
33  #
34  # def func(a, list= []):
35  #     list.append(a)
36  #     return list
37  # ret1 = func(10,)  # ret = [10,]
38  # ret2 = func(20,[])  # [20,]
39  # ret3 = func(100,)  # ret3 = [10,100]
40  # print(ret1)  # [10,]  [10,100]
41  # print(ret2)  # 20,]  [20,]
42  # print(ret3)  # [10,100]  [10,100]
43  ​

         

        局部作用域的坑：

         1  # 默认参数的陷阱：
 2  # def func(name,sex='男'):
 3  #     print(name)
 4  #     print(sex)
 5  # func('alex')
 6  ​
 7  # 陷阱只针对于默认参数是可变的数据类型：
 8  # def func(name,alist=[]):
 9  #     alist.append(name)
10  #     return alist
11  #
12  # ret1 = func('alex')
13  # print(ret1,id(ret1))  # ['alex']
14  # ret2 = func('太白金星')
15  # print(ret2,id(ret2))  # ['太白金星']
16  ​
17  # 如果你的默认参数指向的是可变的数据类型，那么你无论调用多少次这个默认参数，都是同一个。
18  ​
19  # def func(a, list=[]):
20  #     list.append(a)
21  #     return list
22  # print(func(10,))  # [10,]
23  # print(func(20,[]))  # [20,]
24  # print(func(100,))  # [10,100]
25  # l1 = []
26  # l1.append(10)
27  # print(l1)
28  # l2 = []
29  # l2.append(20)
30  # print(l2)
31  # l1.append(100)
32  # print(l1)
33  #
34  # def func(a, list= []):
35  #     list.append(a)
36  #     return list
37  # ret1 = func(10,)  # ret = [10,]
38  # ret2 = func(20,[])  # [20,]
39  # ret3 = func(100,)  # ret3 = [10,100]
40  # print(ret1)  # [10,]  [10,100]
41  # print(ret2)  # 20,]  [20,]
42  # print(ret3)  # [10,100]  [10,100]
43  ​

         

        global nonlocal

         1  global
 2  1, 在局部作用域声明一个全局变量。
 3  name = 'alex'
 4  ​
 5  def func():
 6      global name
 7      name = '太白金星'
 8      # print(name)
 9  func()
10  print(name)
11  ​
12  ​
13  def func():
14      global name
15      name = '太白金星'
16  # print(name)
17  print(globals())
18  func()
19  # print(name)
20  print(globals())
21  ​
22  2. 修改一个全局变量
23  count = 1
24  def func():
25      # print(count)
26      global count
27      count += 1
28  print(count)
29  func()
30  print(count)
31  ​
32  ​
33  nonlocal
34  ​
35  1. 不能够操作全局变量。
36  count = 1
37  def func():
38      nonlocal count
39      count += 1
40  func()
41  2. 局部作用域：内层函数对外层函数的局部变量进行修改。
42  ​
43  def wrapper():
44      count = 1
45      def inner():
46          nonlocal count
47          count += 1
48      print(count)
49      inner()
50      print(count)
51  wrapper()

         

         

    2. 函数名的运用

       1  # def func():
 2  #     print(666)
 3  #
 4  # # func()
 5  # # 1. 函数名指向的是函数的内存地址。
 6  # # 函数名 + ()就可以执行次函数。
 7  # # a = 1
 8  # # a()
 9  # # func()
10  # # a = {'name': 'alex'}
11  # # b = {'age' : 18}
12  # # a = 1
13  # # b = 2
14  # # print(a + b)
15  # print(func,type(func))  # <function func at 0x000001BA864E1D08>
16  # func()
17  ​
18  # 2, 函数名就是变量。
19  # def func():
20  #     print(666)
21  ​
22  # a = 2
23  # b = a
24  # c = b
25  # print(c)
26  # f = func
27  # f1 = f
28  # f2 = f1
29  # f()
30  # func()
31  # f1()
32  # f2()
33  #
34  # def func():
35  #     print('in func')
36  #
37  # def func1():
38  #     print('in func1')
39  #
40  # func1 = func
41  # func1()
42  # a = 1
43  # b = 2
44  # a = b
45  # print(a)
46  ​
47  # 3. 函数名可以作为容器类数据类型的元素
48  ​
49  # def func1():
50  #     print('in func1')
51  #
52  # def func2():
53  #     print('in func2')
54  #
55  # def func3():
56  #     print('in func3')
57  # # a = 1
58  # # b = 2
59  # # c = 3
60  # # l1 = [a,b,c]
61  # # print(l1)
62  # l1 = [func1,func2,func3]
63  # for i in l1:
64  #     i()
65  ​
66  # 4. 函数名可以作为函数的参数
67  ​
68  # def func(a):
69  #     print(a)
70  #     print('in func')
71  # b = 3
72  # func(b)
73  # print(func)
74  ​
75  # def func():
76  #     print('in func')
77  #
78  # def func1(x):
79  #     x()  # func()
80  #     print('in func1')
81  #
82  # func1(func)
83  ​
84  # 5. 函数名可以作为函数的返回值
85  def func():
86      print('in func')
87  ​
88  def func1(x): # x = func
89      print('in func1')
90      return x
91  ​
92  ret = func1(func)  # func
93  ret()  # func()
94  ​

       

       

    3. 新特性：格式化输出

       1  # %s format
 2  # name = '太白'
 3  # age = 18
 4  # msg = '我叫%s,今年%s' %(name,age)
 5  # msg1 = '我叫{},今年{}'.format(name,age)
 6  ​
 7  # 新特性：格式化输出
 8  # name = '太白'
 9  # age = 18
10  # msg = f'我叫{name},今年{age}'
11  # print(msg)
12  ​
13  # 可以加表达式
14  # dic = {'name':'alex','age': 73}
15  # msg = f'我叫{dic["name"]},今年{dic["age"]}'
16  # print(msg)
17  ​
18  # count = 7
19  # print(f'最终结果：{count**2}')
20  # name = 'barry'
21  # msg = f'我的名字是{name.upper()}'
22  # print(msg)
23  ​
24  # 结合函数写：
25  def _sum(a,b):
26      return a + b
27  ​
28  msg = f'最终的结果是：{_sum(10,20)}'
29  print(msg)
30  # ! , : { } ;这些标点不能出现在{} 这里面。

       


       ​

      优点：

      1. 结构更加简化。

      2. 可以结合表达式，函数进行使用。

      3. 效率提升很多。

         

    4. 迭代器：

      • 可迭代对象

        字面意思：对象？python中一切皆对象。一个实实在在存在的值，对象。

        可迭代？：更新迭代。重复的，循环的一个过程，更新迭代每次都有新的内容，

        可以进行循环更新的一个实实在在值。

        专业角度：可迭代对象？ 内部含有'__iter__'方法的对象，可迭代对象。

        目前学过的可迭代对象？str list tuple dict set range 文件句柄

      • 获取对象的所有方法并且以字符串的形式表现：dir()

      • 判断一个对象是否是可迭代对象

        1  s1 = 'fjdskl'
2  # l1 = [1,2,3]
3  # # print(dir(s1))
4  # print(dir((l1)))
5  # print('__iter__' in dir(s1))
6  # print('__iter__' in dir(range(10)))

         

      • 小结

        • 字面意思：可以进行循环更新的一个实实在在值。

        • 专业角度： 内部含有'__iter__'方法的对象，可迭代对象。

        • 判断一个对象是不是可迭代对象： '__iter__' in dir(对象)

        • str list tuple dict set range

        • 优点：

          1. 存储的数据直接能显示，比较直观。

          2. 拥有的方法比较多，操作方便。

        • 缺点：

          1. 占用内存。

          2. 不能直接通过for循环，不能直接取值（索引，key）。

             

      • 迭代器

      • 迭代器的定义

        • 字面意思：更新迭代，器：工具：可更新迭代的工具。

        • 专业角度：内部含有'__iter__'方法并且含有'__next__'方法的对象就是迭代器。

        • 可以判断是否是迭代器：'__iter__' and '__next__' 在不在dir(对象)

      • 判断一个对象是否是迭代器 

        1  with open('文件1',encoding='utf-8',mode='w') as f1:
2      print(('__iter__' in dir(f1)) and ('__next__' in dir(f1)))
3

         

      • 迭代器的取值 

         1 s1 = 'fjdag'
 2 obj = iter(s1)  # s1.__iter__()
 3 # print(obj)
 4 # print(next(obj)) # print(obj.__next__())
 5 # print(next(obj)) # print(obj.__next__())
 6 # print(next(obj)) # print(obj.__next__())
 7 # print(next(obj)) # print(obj.__next__())
 8 # print(next(obj)) # print(obj.__next__())
 9 # print(next(obj)) # print(obj.__next__())
10 
11 # l1 = [11,22,33,44,55,66]
12 # obj = iter(l1)
13 # print(next(obj))
14 # print(next(obj))
15 # print(next(obj))
16 # print(next(obj))
17 # print(next(obj))
18 # print(next(obj))

         

         

      • 可迭代对象如何转化成迭代器

        1 iter([1,2,3])

         

      • while循环模拟for循环机制

        1 l1 = [11,22,33,44,55,66,77,88,99,1111,1133,15652]
2 # 将可迭代对象转化成迭代器。
3 obj = iter(l1)
4 while 1:
5     try:
6         print(next(obj))
7     except StopIteration:
8         break

         

         

      • 小结

        • 字面意思：更新迭代，器：工具：可更新迭代的工具。

        • 专业角度：内部含有'__iter__'方法并且含有'__next__'方法的对象就是迭代器。

        • 优点：

          1. 节省内存。

          2. 惰性机制，next一次，取一个值。

        • 缺点：

          • 速度慢。

          • 不走回头路。

      • 可迭代对象与迭代器的对比

        • 可迭代对象是一个操作方法比较多，比较直观，存储数据相对少（几百万个对象，8G内存是可以承受的）的一个数据集。

        • 当你侧重于对于数据可以灵活处理，并且内存空间足够，将数据集设置为可迭代对象是明确的选择。

        • 是一个非常节省内存，可以记录取值位置，可以直接通过循环+next方法取值，但是不直观，操作方法比较单一的数据集。

        • 当你的数据量过大，大到足以撑爆你的内存或者你以节省内存为首选因素时，将数据集设置为迭代器是一个不错的选择。

  4. 今日总结

    1. 默认参数的坑，作用域的坑 ***

    2. 格式化输出 ***

    3. 函数名的应用。***

    4. 对比：迭代器是什么？ 迭代器的优缺点。可迭代对象转化成迭代器。next取值. ***

  5. 明日内容

posted @ 2019-01-09 19:52  .如影随行  阅读(185)  评论(0)  编辑  收藏  举报