python 列表生成式,生成器&迭代器
列表生成式: 需求:要对列表 [0,1,2,3,4,5,6,7,8,9]的每个元素加1 用列表生成式一步搞定:
li = [i+1 for i in range(10)] # 这种写法就叫列表生成式
print(li)
生成器 通过列表生成式,我们可以直接创建一个列表。但是,受到内存限制,列表容量肯定是有限的。而且,创建一个包含100万个元素的列表,不仅占用很大的存储空间,如果我们仅仅需要访问前面几个元素,那后面绝大多数元素占用的空间都白白浪费了。 所以,如果列表元素可以按照某种算法推算出来,那我们是否可以在循环的过程中不断推算出后续的元素呢?这样就不必创建完整的list,从而节省大量的空间。在Python中,这种一边循环一边计算的机制,称为生成器:generator。 要创建一个generator,有很多种方法。第一种方法很简单,只要把一个列表生成式的[]改成(),就创建了一个generator(生成器)。 我们可以直接打印出list的每一个元素,但我们怎么打印出generator的每一个元素呢? 如果要一个一个打印出来,可以通过next()函数获得generator的下一个返回值 generator保存的是算法,每次调用next(),就计算出的下一个元素的值,直到计算到最后一个元素,没有更多的元素时,抛出StopIteration的错误。 当然,上面这种不断调用next()实在是太变态了,正确的方法是使用for循环,因为generator也是可迭代对象
li = (i+1 for i in range(10)) # 将[]改成(),就变成了生成器表达式
print(li) # 再打印li,会发现输出的事一个Generator生成器对象
print(next(li)) # 使用next()方法可以拿到生成器li的一个值,每调用一次,生成一个值
for i in li:
print(i)
所以,我们创建了一个generator后,基本上永远不会调用next(),而是通过for循环来迭代它,并且不需要关心StopIteration的错误。
生成器非常强大,当然不可能只局限于生成器表达式,还有函数式生成器 函数式生成器:
def produce(): # 定义一个生产衣服的函数
for i in range(20000):
yield "生产第%s件衣服" % i ret=produce()
print(next(ret)) # 生产第一件衣服
print(next(ret)) # 生产第二件衣服
print(next(ret)) # 生产第三件衣服
print("干点别的") # 如果临时暂停的生产,去做了别的事情,下次继续生产时,会接着之前的继续生产
print(next(ret)) # 生产第四件衣服
num = 0 # 使用for 循环一次生产5件
for i in ret:
print(i)
num += 1
if num == 5:
break
这就是定义generator的另一种方法。如果一个函数定义中包含yield关键字,那么这个函数就不再是一个普通函数,而是一个generator,
最难理解的就是generator和函数的执行流程不一样。函数是顺序执行,遇到return语句或者最后一行函数语句就返回。而变成generator的函数,
在每次调用next()的时候执行,遇到yield语句返回,再次执行时从上次返回的yield语句处继续执行。同样我们一般使用for循环来迭代取值。 这是使用生成器实现斐波那契数列:
def fib(num):
n, a, b = 0, 0, 1
while n < num:
yield b
a, b = b, a+b
n += 1 f = fib(5)
print(next(f))
print(next(f))
print(next(f))
print(next(f)) for i in fib(10):
print(i)
send 方法:
在生成器中,可以使用send向yield发送返回值,send和next一样,会让生成器函数从yield往下继续走,并返回send()发送的值。
import time def egg(name):
print("同学%s来吃鸡蛋了" % name)
while True:
eggs = yield
print("鸡蛋%s被%s吃掉了" % (eggs, name)) def egg1(name):
a = egg("A")
b = egg("B")
next(a)
next(b)
print("%s要开始下蛋了" % name)
for i in range(10):
time.sleep(1)
print("%s下了两个鸡蛋" % name)
a.send(i)
b.send(i) egg1("fengfeng")
迭代器:
可迭代对象(Iterable):可以被for循环对象叫做可迭代对象。 一类是集合数据类型,如list、tuple、dict、set、str等; 一类是generator,包括生成器和带yield的generator function。 可以使用isinstance()判断一个对象是否是Iterable对象:
from collections import Iterable
print(isinstance([], Iterable)) # 结果是True
print(isinstance({}, Iterable)) # 结果是True
print(isinstance((), Iterable)) # 结果是True
print(isinstance("abc", Iterable)) # 结果是True
print(isinstance(123, Iterable)) # 结果是False
print(isinstance((i for i in range(10)), Iterable)) # 结果是True
可以被next()函数调用并不断返回下一个值的对象称为迭代器:Iterator。
isinstance()同样可以判断一个对象是不是迭代器
from collections.abc import Iterator
print(isinstance([], Iterator)) # 结果是False
print(isinstance({}, Iterator)) # 结果是False
print(isinstance((), Iterator)) # 结果是False
print(isinstance("abc", Iterator)) # 结果是False
print(isinstance(123, Iterator)) # 结果是False
print(isinstance((i for i in range(10)), Iterator)) # 结果是True
生成器都是Iterator对象,但list、dict、str虽然是Iterable,却不是Iterator。 把list、dict、str等Iterable变成Iterator可以使用iter()函数:
from collections import Iterator
print(isinstance(iter([]), Iterator)) # 结果是True
print(isinstance(iter({}), Iterator)) # 结果是True
为什么list、dict、str等数据类型不是Iterator? 这是因为Python的Iterator对象表示的是一个数据流,Iterator对象可以被next()函数调用并不断返回下一个数据,直到没有数据时抛出StopIteration错误。 可以把这个数据流看做是一个有序序列,但我们却不能提前知道序列的长度,只能不断通过next()函数实现按需计算下一个数据,所以Iterator的计算是惰性的,只有在需要返回下一个数据时它才会计算。 Iterator甚至可以表示一个无限大的数据流,例如全体自然数。而使用list是永远不可能存储全体自然数的。
python 列表生成式,生成器&迭代器的更多相关文章
- Python之旅Day5 列表生成式 生成器 迭代器 装饰器
装饰器 器即函数,装饰即修饰,意指为其他函数添加新功能 装饰器定义:本质就是函数,功能是为其他函数添加新功能 装饰器涉及的知识点= 高阶函数+函数嵌套+闭包 在遵循下面两个原则的前提下为被装饰者新功能 ...
- 列表生成式 生成器 迭代器 yield
列表生成式 格式:通过一个或者若干个在List里边的for构建List而非List外部的for循环 举个例子:计算从1到10整数的平方构成一个List L=[ x*x for x in range(1 ...
- Python 列表生成式 生成器
[x for x in os.listdir("F:\XXX")] 生成器(x * x for x in range(10)) 如果列表元素按照某种算法推算出来,那我们就可以在循环 ...
- python协程函数应用 列表生成式 生成器表达式
协程函数应用 列表生成式 生成器表达式 一.知识点整理: 1.可迭代的:对象下有_iter_方法的都是可迭代的对象 迭代器:对象._iter_()得到的结果就是迭代器 迭代器的特性: 迭代器._n ...
- python 基础 4.4 生成式 生成器 迭代器
一.生成式和生成器 列表生成式是python受欢迎的语法之一,通过一句简洁的语法就可以对一组元素进行过滤,还可以对得到的元素进行转换处理. #/usr/bin/python #coding=u ...
- python高级之生成器&迭代器
python高级之生成器&迭代器 本机内容 概念梳理 容器 可迭代对象 迭代器 for循环内部实现 生成器 1.概念梳理 容器(container):多个元素组织在一起的数据结构 可迭代对象( ...
- 第三篇:python高级之生成器&迭代器
python高级之生成器&迭代器 python高级之生成器&迭代器 本机内容 概念梳理 容器 可迭代对象 迭代器 for循环内部实现 生成器 1.概念梳理 容器(container ...
- Python列表生成式(入门9)
转载请标明出处: http://www.cnblogs.com/why168888/p/6407984.html 本文出自:[Edwin博客园] Python列表生成式 1. 生成列表 L = [] ...
- Python 列表生成式 & 字典生成式
Python 列表生成式 & 字典生成式 通过生成式可以更加简洁地生成列表和字典 列表生成式 对比 直接生成数据后加入列表示例: user_list = list() for i in ran ...
- Python 列表生成式、生成器、迭代器
列表生成式 列表生成式即List Comprehensions,是Python内置的非常简单却强大的可以用来创建list的生成式. 如果要生成[1x1, 2x2, 3x3, ..., 10x10]怎么 ...
随机推荐
- 前端自定义format函数,做字符串格式化功能
<!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8&quo ...
- 368. Largest Divisible Subset
class Solution { public: vector<int> largestDivisibleSubset(vector<int>& nums) { vec ...
- Go - WaitGroup
package main import ( "fmt" "sync" ) //WaitGroup用于等待一组线程的结束.父线程调用Add方法来设定应等待的线程的 ...
- dataframe基础
1 df[i] 其中i是0,1,2,3,... 此时选中的是dataframe的第i列 2 dataframe查看每一列是否有缺失值 temp = data.isnull().any() #列中 ...
- PySide2兼容PySide1的补丁代码
Maya2017以及Nuke10的PySide都升级到PySide2了,之前PySide1的大量代码都无法在新软件上使用,这主要是由于PySide2不仅调整了模块位置,还增删了一系列模块,下面我分享一 ...
- CentOS7.5实践快速部署LAMP+Tomcat成功运行阿里云或者腾讯云
安装一定要按照顺序来 1 先安装JDK+TOMCAT 点击看这里 2 在安装LAMP 点击看这里 3 最关键的就是这里 LAMP+Tomcat整合 我们不用源码编译安装,而是使用yum命令来完成. ...
- Xshell5 提示要继续使用此程序,您必须应用最新的更新或使用新版本
Xshell5 提示要继续使用此程序,您必须应用最新的更新或使用新版本 目录 问题描述 修改系统时间 安装新版本 下载 安装 回到顶部 问题描述 今天上线一个服务,上完准备看下OPS的发布结果,就 ...
- RAM和Flash区别
都是随机存储器,断电数据消失,但Flash有点不一样,它在消失数据之前,添加了一个""性质",这个性质能上电后再识别,且把这个信号返回到ram中,这样近似的把flash当 ...
- RN 使用第三方字体
Android: 程序会尝试在 assets/fonts 目录下查找字体文件,如果没找到会使用默认的字体 所以将文件放到路径下才能生效! [project root]/android/app/src/ ...
- JavaScript获取元素CSS计算后的样式
原文链接https://www.w3ctech.com/topic/40 我们在开发过程中,有时候需要根据元素已有样式来实现一些效果,那我们应该如何通过JavaScript来获取一个元素计算后的样式值 ...