福州百度快照优化,荆州网站seo,自行创建网站的平台,网站建设 公司参考链接#xff1a; Python | 可迭代和迭代器之间的区别
本篇文章简单谈谈可迭代对象#xff0c;迭代器和生成器之间的关系。 三者简要关系图 可迭代对象与迭代器 刚开始我认为这两者是等同的#xff0c;但后来发现并不是这样#xff1b;下面直接抛出结论#xff1a;
1…参考链接 Python | 可迭代和迭代器之间的区别
本篇文章简单谈谈可迭代对象迭代器和生成器之间的关系。 三者简要关系图 可迭代对象与迭代器 刚开始我认为这两者是等同的但后来发现并不是这样下面直接抛出结论
1可迭代对象包含迭代器。2如果一个对象拥有__iter__方法其是可迭代对象如果一个对象拥有next方法其是迭代器。3定义可迭代对象必须实现__iter__方法定义迭代器必须实现__iter__和next方法。 你也许会问结论3与结论2是不是有一点矛盾既然一个对象拥有了next方法就是迭代器那为什么迭代器必须同时实现两方法呢
因为结论1迭代器也是可迭代对象因此迭代器必须也实现__iter__方法。 介绍一下上面涉及到的两个方法
1__iter__()
该方法返回的是当前对象的迭代器类的实例。因为可迭代对象与迭代器都要实现这个方法因此有以下两种写法。
写法一用于可迭代对象类的写法返回该可迭代对象的迭代器类的实例。
写法二用于迭代器类的写法直接返回self即自己本身表示自身即是自己的迭代器。
也许有点晕没关系下面会给出两写法的例子我们结合具体例子看。 2next() 返回迭代的每一步实现该方法时注意要最后超出边界要抛出StopIteration异常。 下面举个可迭代对象与迭代器的例子 [python] view plain copy #!/usr/bin/env python # codingutf-8 class MyList(object): # 定义可迭代对象类 def __init__(self, num): self.data num # 上边界 def __iter__(self): return MyListIterator(self.data) # 返回该可迭代对象的迭代器类的实例 class MyListIterator(object): # 定义迭代器类其是MyList可迭代对象的迭代器类 def __init__(self, data): self.data data # 上边界 self.now 0 # 当前迭代值初始为0 def __iter__(self): return self # 返回该对象的迭代器类的实例因为自己就是迭代器所以返回self def next(self): # 迭代器类必须实现的方法 while self.now self.data: self.now 1 return self.now - 1 # 返回当前迭代值 raise StopIteration # 超出上边界抛出异常 my_list MyList(5) # 得到一个可迭代对象 print type(my_list) # 返回该对象的类型 my_list_iter iter(my_list) # 得到该对象的迭代器实例iter函数在下面会详细解释 print type(my_list_iter) for i in my_list: # 迭代 print i 运行结果 问题上面的例子中出现了iter函数这是什么东西和__iter__方法有关系吗 其实该函数与迭代是息息相关的通过在Python命令行中打印“help(iter)”得知其有以下两种用法。 用法一iter(callable, sentinel) 不停的调用callable直至其的返回值等于sentinel。其中的callable可以是函数方法或实现了__call__方法的实例。 用法二iter(collection) 1用于返回collection对象的迭代器实例这里的collection我认为表示的是可迭代对象即该对象必须实现__iter__方法
事实上iter函数与__iter__方法联系非常紧密iter()是直接调用该对象的__iter__()并把__iter__()的返回结果作为自己的返回值故该用法常被称为“创建迭代器”。 2iter函数可以显示调用或当执行“for i in obj:”Python解释器会在第一次迭代时自动调用iter(obj)之后的迭代会调用迭代器的next方法for语句会自动处理最后抛出的StopIteration异常。 通过上面的例子相信对可迭代对象与迭代器有了更具体的认识那么生成器与它们有什么关系呢下面简单谈一谈 生成器 生成器是一种特殊的迭代器生成器自动实现了“迭代器协议”即__iter__和next方法不需要再手动实现两方法。
生成器在迭代的过程中可以改变当前迭代值而修改普通迭代器的当前迭代值往往会发生异常影响程序的执行。 看一个生成器的例子 [python] view plain copy #!/usr/bin/env python # codingutf-8 def myList(num): # 定义生成器 now 0 # 当前迭代值初始为0 while now num: val (yield now) # 返回当前迭代值并接受可能的send发送值yield在下面会解释 now now 1 if val is None else val # val为None迭代值自增1否则重新设定当前迭代值为val my_list myList(5) # 得到一个生成器对象 print my_list.next() # 返回当前迭代值 print my_list.next() my_list.send(3) # 重新设定当前的迭代值 print my_list.next() print dir(my_list) # 返回该对象所拥有的方法名可以看到__iter__与next在其中 运行结果 具有yield关键字的函数都是生成器
yield可以理解为return返回后面的值给调用者。不同的是return返回后函数会释放而生成器则不会。在直接调用next方法或用for语句进行下一次迭代时生成器会从yield下一句开始执行直至遇到下一个yield。 #生成器函数函数里只要有yield关键字def gen_func(): yield 1 yield 2 yield 3 def fib(index): if index 2: return 1 else: return fib(index-1) fib(index-2) def fib2(index): re_list [] n,a,b 0,0,1 while nindex: re_list.append(b) a,b b, ab n 1 return re_list def gen_fib(index): n,a,b 0,0,1 while nindex: yield b a,b b, ab n 1 for data in gen_fib(10): print (data)
# print (gen_fib(10))
# 斐波拉契 0 1 1 2 3 5 8
#惰性求值 延迟求值提供了可能 def func(): return 1 if __name__ __main__: #生成器对象 python编译字节码的时候就产生了 gen gen_func() for value in gen: print (value) # re func() # pass
