-
Iterables (Iterable)
Python中任意的对象,只要它定义了可以返回⼀个迭代器的__iter__⽅法, 或者定义了 可以⽀持下标索引的__getitem__⽅法(这些双下划线⽅法会在其他章节中全⾯解释), 那么它就是⼀个可迭代对象。简单说,可迭代对象就是能提供迭代器的任意对象。
-
Iterator (Iterator)
任意对象,只要定义了next(Python2) 或者__next__⽅法,它就是⼀个迭代器。就这么 简单。
-
Iteration (Iteration)
⽤简单的话讲,它就是从某个地⽅(⽐如⼀个列表)取出⼀个元素的过程。
-
Generator (Generators)
⽣成器也是⼀种迭代器,但是你只能对其迭代⼀次。 这是因为它们并没有把所有的值存在 内存中,⽽是在运⾏时⽣成值。 你通过遍历来使⽤它们,要么⽤⼀个“for”循环,要么将它 们传递给任意可以进⾏迭代的函数和结构。 ⼤多数时候⽣成器是以函数来实现的。 然⽽, 它们并不返回⼀个值,⽽是yield(暂且译作“⽣出”)⼀个值。 这⾥有个⽣成器函数的简单 例⼦: def generator_function(): for i in range(10): yield i for item in generator_function(): print(item) # Output: 0 # 1 # 2 # 3 # 4 # 5 # 6 # 7 # 8 # 9 这个案例并不是⾮常实⽤。 ⽣成器最佳应⽤场景是:你不想同⼀时间将所有计算出来的⼤ 量结果集分配到内存当中, 特别是结果集⾥还包含循环。 译者注:这样做会消耗⼤量资源 许多Python 2⾥的标准库函数都会返回列表,⽽Python 3都修改成了返回⽣成器,因为⽣成 器占⽤更少的资源。 下⾯是⼀个计算斐波那契数列的⽣成器: # generator version def fibon(n): a = b = 1 for i in range(n): yield a a, b = b, a + b Now we can use it like this: for x in fibon(1000000): print(x) ⽤这种⽅式,我们可以不⽤担⼼它会使⽤⼤量资源。然⽽,之前如果我们这样来实现的 话: def fibon(n): a = b = 1 result = [] for i in range(n): result.append(a) a, b = b, a + b return result 这也许会在计算很⼤的输⼊参数时,⽤尽所有的资源。 我们已经讨论过⽣成器使⽤⼀次迭 代,但我们并没有测试过。 在测试前你需要再知道⼀个Python内置函数:next()。 它允 许我们获取⼀个序列的下⼀个元素。 那我们来验证下我们的理解: def generator_function(): for i in range(3): yield i gen = generator_function() print(next(gen)) # Output: 0 print(next(gen)) # Output: 1 print(next(gen)) # Output: 2 print(next(gen)) # Output: Traceback (most recent call last): # File "<stdin>", line 1, in <module> # StopIteration 我们可以看到,在yield掉所有的值后,next()触发了⼀个StopIteration的异常。 基本上这个异常告诉我们,所有的值都已经被yield完了。 你也许会奇怪,为什么我们在 使⽤for循环时没有这个异常呢? 啊哈,答案很简单。for循环会⾃动捕捉到这个异常并 停⽌调⽤next()。 你知不知道Python中⼀些内置数据类型也⽀持迭代哦?我们这就去看 看: my_string = "Yasoob" next(my_string) # Output: Traceback (most recent call last): # File "<stdin>", line 1, in <module> # TypeError: str object is not an iterator 好吧,这不是我们预期的。 这个异常说那个str对象不是⼀个迭代器。 对,就是这样!它 是⼀个可迭代对象,⽽不是⼀个迭代器。 这意味着它⽀持迭代,但我们不能直接对其进⾏ 迭代操作。 那我们怎样才能对它实施迭代呢?是时候学习下另⼀个内置函数,iter。 它 将根据⼀个可迭代对象返回⼀个迭代器对象。 这⾥是我们如何使⽤它: my_string = "Yasoob" my_iter = iter(my_string) next(my_iter) # Output: 'Y'
Generator (Generators)
Guess you like
Origin blog.csdn.net/piduocheng0577/article/details/105054013
Ranking