住房与城乡建设部网站建造师,浅谈马云电子商务网站建设,98同城招聘网信息附近,对中国建设银行网站的评价迭代是Python最强大的功能之一。初看起来#xff0c;你可能会简单的认为迭代只不过是处理序列中元素的一种方法。 然而#xff0c;绝非仅仅就是如此#xff0c;还有很多你可能不知道的#xff0c; 比如创建你自己的迭代器对象#xff0c;在itertools模块中使用有用的迭代模… 迭代是Python最强大的功能之一。初看起来你可能会简单的认为迭代只不过是处理序列中元素的一种方法。 然而绝非仅仅就是如此还有很多你可能不知道的 比如创建你自己的迭代器对象在itertools模块中使用有用的迭代模式构造生成器函数等等。 一、for循环的内部原理 for循环迭代遍历对象首先是给对象添加了一个__iter__方法使之每次可以调用next去访问下一个元素直至遍历完遇到了StopIteration异常 items [1, 2, 3]# Get the iteratorit iter(items) # Invokes items.__iter__()# Run the iteratornext(it) # Invokes it.__next__()
1next(it)
2next(it)
3next(it)
Traceback (most recent call last):File stdin, line 1, in module
StopIteration二、你想反方向迭代一个序列 之前思路调用reverse方法再for循环遍历 遗漏点当我们需要处理的对象有__reverse__方法才行比如我们给定一个Countdown类想让他实现reverse方法 class Countdown():def __init__(self,start):self.start startdef __iter__(self):n self.startwhile n 0:yield nn - 1def __reversed__(self):n 0while n self.start:yield nn 1 当定义了__reversed__方法后我们可以调用reverse方法了 for i in Countdown(30):print(i)for i in reversed(Countdown(30)):print(i) 三、你想得到一个由迭代器生成的切片对象但是标准切片操作并不能做到。 函数 itertools.islice() 正好适用于在迭代器和生成器上做切片操作。比如 def count(n):
... while True:
... yield n
... n 1
...c count(0)c[10:20]
Traceback (most recent call last):File stdin, line 1, in module
TypeError: generator object is not subscriptable # Now using islice()import itertoolsfor x in itertools.islice(c, 10, 20):
... print(x) 这里要着重强调的一点是 islice() 会消耗掉传入的迭代器中的数据。 必须考虑到迭代器是不可逆的这个事实。 所以如果你需要之后再次访问这个迭代器的话那你就得先将它里面的数据放入一个列表中。 四、跳过可迭代对象的开始部分 你想遍历一个可迭代对象但是它开始的某些元素你并不感兴趣想跳过它们。 首先介绍的是 itertools.dropwhile() 函数。使用时你给它传递一个函数对象和一个可迭代对象。 它会返回一个迭代器对象丢弃原有序列中直到函数返回Flase之前的所有元素然后返回后面所有元素。 假定你在读取一个开始部分是几行注释的源文件。比如 with open(/etc/passwd) as f:
... for line in f:
... print(line, end)
...
##
# User Database
#
# Note that this file is consulted directly only when the system is running
# in single-user mode. At other times, this information is provided by
# Open Directory.
...
##
nobody:*:-2:-2:Unprivileged User:/var/empty:/usr/bin/false
root:*:0:0:System Administrator:/var/root:/bin/sh
...如果你想跳过开始部分的注释行的话可以这样做 from itertools import dropwhilewith open(/etc/passwd) as f:
... for line in dropwhile(lambda line: line.startswith(#), f):
... print(line, end) 这个例子是基于根据某个测试函数跳过开始的元素。 如果你已经明确知道了要跳过的元素的个数的话那么可以使用 itertools.islice() 来代替。比如 from itertools import isliceitems [a, b, c, 1, 4, 10, 15]for x in islice(items, 3, None):
... print(x)
...
1
4
10
15最后需要着重强调的一点是以上方案适用于所有可迭代对象包括那些事先不能确定大小的 比如生成器文件及其类似的对象。 五、你想迭代遍历一个集合中元素的所有可能的排列或组合 1. itertools模块提供了三个函数来解决这类问题。 其中一个是 itertools.permutations() 它接受一个集合并产生一个元组序列每个元组由集合中所有元素的一个可能排列组成。 也就是说通过打乱集合中元素排列顺序生成一个元组比如 items [a, b, c]from itertools import permutationsfor p in permutations(items):
... print(p)
...
(a, b, c)
(a, c, b)
(b, a, c)
(b, c, a)
(c, a, b)
(c, b, a)如果你想得到指定长度的所有排列你可以传递一个可选的长度参数。就像这样 for p in permutations(items, 2):
... print(p)
...
(a, b)
(a, c)
(b, a)
(b, c)
(c, a)
(c, b)2.使用 itertools.combinations() 可得到输入集合中元素的所有的组合。比如 from itertools import combinationsfor c in combinations(items, 3):
... print(c)
...
(a, b, c) for c in combinations(items, 2):
... print(c)
...
(a, b)
(a, c)
(b, c) for c in combinations(items, 1):
... print(c)
...
(a,)
(b,)
(c,)3.而函数 itertools.combinations_with_replacement() 允许同一个元素被选择多次比如 for c in combinations_with_replacement(items, 3):
... print(c)
...
(a, a, a)
(a, a, b)
(a, a, c)
(a, b, b)
(a, b, c)
(a, c, c)
(b, b, b)
(b, b, c)
(b, c, c)
(c, c, c)以上几种是不是非常像我们数学课上所学的排列组合注意他们返回的都是可迭代对象。 六、zipchain函数应用 比如假设你头列表和一个值列表就像下面这样 headers [name, shares, price]
values [ACME, 100, 490.1] 使用zip()可以让你将它们打包并生成一个字典 s dict(zip(headers,values)) 你想在多个对象执行相同的操作但是这些对象在不同的容器中你希望代码在不失可读性的情况下避免写重复的循环。 itertools.chain() 方法可以用来简化这个任务。 它接受一个可迭代对象列表作为输入并返回一个迭代器有效的屏蔽掉在多个容器中迭代细节。 为了演示清楚考虑下面这个例子 from itertools import chaina [1, 2, 3, 4]b [x, y, z]for x in chain(a, b):
... print(x)
...
1
2
3
4
x
y
z itertools.chain() 接受一个或多个可迭代对象作为输入参数。 然后创建一个迭代器依次连续的返回每个可迭代对象中的元素。 这种方式要比先将序列合并再迭代要高效的多。 七、你想将一个多层嵌套的序列展开成一个单层列表 可以写一个包含 yield from 语句的递归生成器来轻松解决这个问题。比如 from collections import Iterabledef flatten(items, ignore_types(str, bytes)):for x in items:if isinstance(x, Iterable) and not isinstance(x, ignore_types):yield from flatten(x)else:yield xitems [1, 2, [3, 4, [5, 6], 7], 8]
# Produces 1 2 3 4 5 6 7 8
for x in flatten(items):print(x) 语句 yield from 在你想在生成器中调用其他生成器作为子例程的时候非常有用。 如果你不使用它的话那么就必须写额外的 for 循环了。比如 def flatten(items, ignore_types(str, bytes)):for x in items:if isinstance(x, Iterable) and not isinstance(x, ignore_types):for i in flatten(x):yield ielse:yield x 注意yield from 与 yield区别 yield from 后面需要加的是可迭代对象它可以是普通的可迭代对象也可以是迭代器甚至是生成器。 使用yield # 字符串
astrABC
# 列表
alist[1,2,3]
# 字典
adict{name:wangbm,age:18}
# 生成器
agen(i for i in range(4,8))def gen(*args, **kw):for item in args:for i in item:yield inew_listgen(astr, alist, adict agen)
print(list(new_list))
# [A, B, C, 1, 2, 3, name, age, 4, 5, 6, 7] 使用yield from # 字符串
astrABC
# 列表
alist[1,2,3]
# 字典
adict{name:wangbm,age:18}
# 生成器
agen(i for i in range(4,8))def gen(*args, **kw):for item in args:yield from itemnew_listgen(astr, alist, adict, agen)
print(list(new_list))
# [A, B, C, 1, 2, 3, name, age, 4, 5, 6, 7] 可以看出yield from后面加上可迭代对象他可以把可迭代对象里的每个元素一个一个的yield出来对比yield来说代码更加简洁结构更加清晰。 转载于:https://www.cnblogs.com/jimmyhe/p/10825082.html
