<big id="zzzxv"><strike id="zzzxv"><rp id="zzzxv"></rp></strike></big>

    <pre id="zzzxv"><ruby id="zzzxv"></ruby></pre>

          當前位置: 首頁 / 技術分享 / 正文
          好程序員Python培訓分享Python生成器與迭代器

          2020-10-28

          Python培訓

            好程序員Python培訓分享Python生成器與迭代器,Python生成器與迭代器對于喜歡Python開發的小伙伴們來說應該是不陌生的,不了解的小伙伴也沒有關系,本篇文章好程序員Python培訓小編就給小伙伴們詳解一下Python生成器與迭代器,感興趣的小伙伴就隨小編來了解一下吧。

          Python

          列表生成式:

          例一:

          a = [i+1 for i in range(10)]

          print(a)

          輸出:

          [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

          例二:

          L = [1, 2, 3, 4, 5]

          print([i*i for i in L if i>3])

          輸出:

          [16, 25]

          例三:

          L = [1, 2, 3, 4, 5]

          I = [6, 7, 8, 9, 10]

          print([i*a for i in L for a in I if i > 2 if a < 8])

          輸出:

          [18, 21, 24, 28, 30, 35]

          生成器:

          通過列表生成式,我們可以直接創建一個列表。但是,受到內存限制,列表容量肯定是有限的。而且,創建一個包含100萬個元素的列表,不僅占用很大的存儲空間,如果我們僅僅需要訪問前面幾個元素,那后面絕大多數元素占用的空間都白白浪費了。

          所以,如果列表元素可以按照某種算法推算出來,這樣就不必創建完整的list,從而節省大量的空間。在Python中,這種一邊循環一邊計算的機制,稱為生成器:generator。

          要創建一個generator,有很多種方法。diyi種方法很簡單,只要把一個列表生成式的[]改成(),就創建了一個generator

          示例:

          L = [1, 2, 3, 4, 5]

          I = [6, 7, 8, 9, 10]

          g = (i*a for i in L for a in I )

          print(g)

          輸出:

          <generator object <genexpr> at 0x00000276586C1F48>

          創建Lg的區別僅在于最外層的[](),L是一個list,而g是一個generator。

          我們可以直接打印出list的每一個元素,可以通過generatornext()方法

          next(g)

          例一:

          L = [1, 2, 3, 4, 5]

          I = [6, 7, 8, 9, 10]

          g = (i*a for i in L for a in I )

          print(next(g))

          print(next(g))

          print(next(g))

          輸出:

          6

          7

          8

          例二:

          L = [1, 2, 3, 4, 5]

          I = [6, 7, 8, 9, 10]

          g = (i*a for i in L for a in I if i > 2 if a < 8)

          print(next(g))

          print(next(g))

          print(next(g))

          輸出:

          18

          21

          24

          因為generator保存的是算法,每次調用next(g)就計算出g的下一個元素的值,直到計算到最后一個元素,沒有更多的元素時,拋出StopIteration的錯誤。正確的方法是使用for循環,因為generator也是可迭代對象:

          例三:

          g = (i*i for i in range(0, 5))

          for i in g:

              print(i)

          當我們創建了一個generator后,基本上永遠不會調用next()方法,而是通過for循環來迭代它。

          generator非常強大。如果推算的算法比較復雜,用類似列表生成式的for循環無法實現的時候,還可以用函數來實現。

          比如,著名的斐波拉契數列(Fibonacci),除diyi個和第二個數外,任意一個數都可由前兩個數相加得到:

          1, 1, 2, 3, 5, 8, 13, 21, 34, ...

          斐波拉契數列用列表生成式寫不出來,但是,用函數把它打印出來卻很容易:

          def fib(max):

              n, a, b = 0, 0, 1

              while n < max:

                  print b

                  a, b = b, a + b

                  n = n + 1

          上面的函數可以輸出斐波那契數列的前N個數:

          >>> fib(6)

          1

          1

          2

          3

          5

          8

          仔細觀察,可以看出,fib函數實際上是定義了斐波拉契數列的推算規則,可以從diyi個元素開始,推算出后續任意的元素,這種邏輯其實非常類似generator。

          也就是說,上面的函數和generator僅一步之遙。要把fib函數變成generator,只需要把print(b)改為yield b就可以了:

          def fib(max):

            n,a,b = 0,0,1

            while n < max:

              #print(b)

              yield b

              a,b = b,a+b

              n += 1

            return 'done'

          這就是定義generator的另一種方法。如果一個函數定義中包含yield關鍵字,那么這個函數就不再是一個普通函數,而是一個generator

          def fib(max):

              n, a, b = 0, 0, 1

              while n < max:

                  yield b

                  a, b = b, a + b

                  n = n + 1

              return 'done'

          print(fib(5))

          輸出:

          <generator object fib at 0x0000023DC66C1F48>

          調用方法:   ##但是用for循環調用generator時,\

                      ##發現拿不到generatorreturn語句\

                      ##的返回值。如果想要拿到返回值,必須捕獲StopIteration錯誤,返回值包含在StopIterationvalue中:

          for i in fib(5):

              print(i)

          輸出:

          1

          1

          2

          3

          5

          或者:

          date = fib(5)

          print(date.__next__())

          print(date.__next__())

          print(date.__next__())

          print('test')

          print(date.__next__())

          print(date.__next__())

          輸出:

          1

          1

          2

          test

          3

          5

          send方法有一個參數,該參數指定的是上一次被掛起的yield語句的返回值

          還可通過yield實現在單線程的情況下實現并發運算的效果

          #_*_coding:utf-8_*_

          __author__ = 'Alex Li'

          import time

          def consumer(name):

            print("%s 準備吃包子啦!" %name)

            while True:

              baozi = yield

              print("包子[%s]來了,[%s]吃了!" %(baozi,name))

          def producer(name):

            c = consumer('A')

            c2 = consumer('B')

            c.__next__()

            c2.__next__()

            print("老子開始準備做包子啦!")

            for i in range(10):

              time.sleep(1)

              print("做了2個包子!")

              c.send(i)

              c2.send(i)

          producer("alex")

          通過生成器實現協程并行運算

          迭代器:

          可以直接作用于for循環的數據類型有以下幾種:

          一類是集合數據類型,如list、tuple、dict、set、str等;

          一類是generator,包括生成器和帶yieldgenerator function。

          這些可以直接作用于for循環的對象統稱為可迭代對象:Iterable。

          可以使用isinstance()判斷一個對象是否是Iterable對象:

          >>> 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

          而生成器不但可以作用于for循環,還可以被next()函數不斷調用并返回下一個值,直到最后拋出StopIteration錯誤表示無法繼續返回下一個值了。

          *可以被next()函數調用并不斷返回下一個值的對象稱為迭代器:Iterator。

          可以使用isinstance()判斷一個對象是否是Iterator對象:

          >>> 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對象,但list、dict、str雖然是Iterable,卻不是Iterator。

          list、dict、strIterable變成Iterator可以使用iter()函數:

          >>> isinstance(iter([]), Iterator)

          True

          >>> isinstance(iter('abc'), Iterator)

          True

          為什么list、dict、str等數據類型不是Iterator?

          這是因為PythonIterator對象表示的是一個數據流,Iterator對象可以被next()函數調用并不斷返回下一個數據,直到沒有數據時拋出StopIteration錯誤??梢园堰@個數據流看做是一個有序序列,但我們卻不能提前知道序列的長度,只能不斷通過next()函數實現按需計算下一個數據,所以Iterator的計算是惰性的,只有在需要返回下一個數據時它才會計算。

          Iterator甚至可以表示一個無限大的數據流,例如全體自然數。而使用list是永遠不可能存儲全體自然數的。

          小結:

          凡是可作用于for循環的對象都是Iterable類型;

          凡是可作用于next()函數的對象都是Iterator類型,它們表示一個惰性計算的序列;

          集合數據類型如list、dict、str等是Iterable但不是Iterator,不過可以通過iter()函數獲得一個Iterator對象。

          Python3for循環本質上就是通過不斷調用next()函數實現的,例如:

          for x in [1, 2, 3, 4, 5]:

              pass

          實際上完全等價于:

          # 首先獲得Iterator對象:

          it = iter([1, 2, 3, 4, 5])

          # 循環:

          while True:

              try:

                  # 獲得下一個值:

                  x = next(it)

              except StopIteration:

                  # 遇到StopIteration就退出循環

                  break

          最后想要了解更多關于Python和人工智能方面內容的小伙伴,請關注好程序員Python培訓官網、微信等平臺。

          Python培訓:http://www.7xj7.com/python_class.shtml

          好程序員公眾號

          • · 剖析行業發展趨勢
          • · 匯聚企業項目源碼

          好程序員開班動態

          More+
          • HTML5大前端 <高端班>

            開班時間:2021-04-12(深圳)

            開班盛況

            開班時間:2021-05-17(北京)

            開班盛況
          • 大數據+人工智能 <高端班>

            開班時間:2021-03-22(杭州)

            開班盛況

            開班時間:2021-04-26(北京)

            開班盛況
          • JavaEE分布式開發 <高端班>

            開班時間:2021-05-10(北京)

            開班盛況

            開班時間:2021-02-22(北京)

            開班盛況
          • Python人工智能+數據分析 <高端班>

            開班時間:2021-07-12(北京)

            預約報名

            開班時間:2020-09-21(上海)

            開班盛況
          • 云計算開發 <高端班>

            開班時間:2021-07-12(北京)

            預約報名

            開班時間:2019-07-22(北京)

            開班盛況
          在線咨詢
          試聽
          入學教程
          立即報名

          Copyright 2011-2020 北京千鋒互聯科技有限公司 .All Right 京ICP備12003911號-5 京公網安備 11010802035720號

          男人女人好爽好猛好痛视频
          <big id="zzzxv"><strike id="zzzxv"><rp id="zzzxv"></rp></strike></big>

            <pre id="zzzxv"><ruby id="zzzxv"></ruby></pre>