一:迭代器

1.什么是迭代?

  1.重复   2.下一次重复是基于上一次的结果

# l=['a','b','c','d']
# count=
# while count < len(l):
# print(l[count]) #count的值基于上一次结果,所以是迭代
# count+=

2.迭代器协议

  指:对象必须提供一个next方法,执行该方法要么返回迭代中的下一项,要么就引起一个StopIteration异常,以终止迭代 (只能往后走不能往前退)。

   python 为了提供一种不依赖索引的迭代方式
  以obj=[1,2,3,,4,5]为例:
       python会为一些对象内置.__iter__方法,能够.__iter__的都是可以成为可迭代对象.
         如果我们obj.__iter__()后得到一个结果就是迭代器。  迭代器既有.__iter__ 方法又有 .__next__方法.
 

  迭代器的优点:
    1.提供了一种不依赖索引的迭代方式
    2.惰性计算,节省内存

  迭代器的缺点:
    1.取值不如按照索引取值的方便
    2.只能前进,不能后退
    3.无法获取长度

判断是否为可迭代对象或者迭代器对象的方法:

以a=[1,2,3,4]为例:
方法一:
   obj=a.__iter__()     说明他是可迭代对象,obj成为迭代器
   obj.__next__()       说明obj是迭代器对象
方法二: 
   from collections import Iterable,Iterator    #调用相应模块,测试是否为可迭代对象或者迭代器对象
    print(isinstance(a,Iterable))   #判断是否为可迭代对象,如果是则返回True
       print(isinstance(a,Iterator))   #判断是否为迭代器对象,如果是则返回True
# # from collections import  Iterable,Iterator
# # print(isinstance(g,Iterator)) #可判断是够为迭代器对象
# def countdown(n):
# print('starting countdown')
#
# while n > 0:
# yield n
# n-=1
# print('stop countdown')
# g=countdown(5) # print(g.__next__())
# print(g.__next__())
# for i in g:
# print(i)

 3 迭代器

  在介绍迭代器之前,我们先来了解一下容器这个概念。

    容器是一种把多个元素组织在一起的数据结构,容器中的元素可以逐个地迭代获取。简单来说,就好比一个盒子,我们可以往里面存放数据,也可以从里面一个一个地取出数据。在python中,属于容器类型地有:list,dict,set,str,tuple.....。容器仅仅只是用来存放数据的,我们平常看到的 l = [1,2,3,4]等等,好像我们可以直接从列表这个容器中取出元素,但事实上容器并不提供这种能力,而是可迭代对象赋予了容器这种能力。

   说完了容器,我们在来谈谈迭代器。迭代器与可迭代对象区别在于:__next__()方法。

  我们可以采用以下方法来验证一下:

from collections import Iterator

f = open('a.txt')
i =
s = ''
d = {'abc':}
t = (, , )
m = {, , , } print(isinstance(i,Iterator))
print(isinstance(s,Iterator))
print(isinstance(d,Iterator))
print(isinstance(t,Iterator))
print(isinstance(m,Iterator))
print(isinstance(f,Iterator)) ########输出结果##########
False
False
False
False
False
True

 结果显示:除了文件对象为迭代器,其余均不是迭代器

  下面,我们进一步来验证一下:

print(hasattr(i,"__next__"))
print(hasattr(s,"__next__"))
print(hasattr(d,"__next__"))
print(hasattr(t,"__next__"))
print(hasattr(m,"__next__"))
print(hasattr(f,"__next__")) #######结果###########
False
False
False
False
False
True

从输出结果可以表明,迭代器与可迭代对象仅仅就是__next__()方法的有无

——————--模拟linux中的taif -f a.txt |grep 'error'  |grep '404'

'模拟linux中'
#tail -f a.txt
import time
def tail(filepath,encoding='utf-8'):
with open(filepath,encoding=encoding) as f:
f.seek(,)
while True:
line=f.readline()
if line:
print(line,end='')
# yield line
else:
time.sleep(0.5) tail('b.txt') # for i in g:
# print(i) #tail -f a.txt |grep 'error' # def grep(lines,pattern):
# for line in lines:
# if pattern in line:
# # print(line,end='')
# yield line # g=tail('a.txt')
# print(g) # grep(g,'error') # tail -f a.txt |grep 'error' |grep '' # g1=tail('a.txt')
# g2=grep(g1,'error')
# g3=grep(g2,'')
# for i in g3:
# print(i)
4   for循环
  for循环的本质:循环所有对象,全都是使用迭代器协议

Tips:(字符串,列表,元组,字典,集合,文件对象)这些都不是可迭代对象,只不过在for循环式,调用了他们内部的__iter__方法,把他们变成了可迭代对象,

然后for循环调用可迭代对象的__next__方法去取值,而且for循环会捕捉StopIteration异常,以终止迭代.

   StopIteration异常:.__nex___执行后如果没有返回值就会报此异常。

for item in g:
print(item) ###for执行in后面的对象g下面的.__iter__方法,得到一个迭代器k,然后for循环自动k.__next__一次,将得到的结果赋值给item.然后再iter一次变成迭代器赋值给item,直到没有值输出,出现stopiteration异常,for循环可以捕捉到这个异常,然后终止这个循环。 for item in 8:
  print(item)
============结果================
TypeError:'int' object is not iterable ###数字是不可迭代对象,下面没有.__iter__方法,所以报错。

Try 可检测异常:

l={'a':1,'x':2,'w':3,'z':4}
l=l.__iter__() #转换成迭代器
while True:
try: #捕捉异常,检测其下缩进的语句是否有异常
i=l.__next__()
print(i)
except StopIteration: #except检测异常
break

二:生成器(生成器的本质就是迭代器)

1.什么是生成器

  可以理解为一种数据类型,这种数据类型自动实现了迭代器协议(其他的数据类型需要调用自己内置的__iter__方法),所以生成器是可迭代对象。

  按照我们之前所说的,迭代器必须满足两个条件:既有__iter__(),又有__next__()方法。那么生成器是否也有这两个方法呢?答案是,YES。具体来通过以下代码来看看。

def func():
print("one------------->")
yield
print("two------------->")
yield
print("three----------->")
yield
print("four------------>")
yield print(hasattr(func(),'__next__'))
print(hasattr(func(),'__iter__')) #########输出结果###########
True
True

Python有两种不同的方式提供生成器:

  1.函数体内包含有yield关键字,该函数的执行结果是生成器(generator).但是,使用yield语句而不是return语句返回结果。yield语句一次返回一个结果,在每个结果中间,挂起函数的状态,以便下次重它离开的地方继续执行.

  2.生成器表达式:类似于列表推导,但是,生成器返回按需产生结果的一个对象,而不是一次构建一个结果列表 

既然生成器就是迭代器,那么我们是不是也可以通过for循环来遍历出生成器中的内容呢?看下面代码.

def func():
print("one------------->")
yield
print("two------------->")
yield
print("three----------->")
yield
print("four------------>")
yield for i in func():
print(i) #########输出结果########
one-------------> two-------------> three-----------> four------------>

很显然,生成器也可以通过for循环来遍历出其中的内容。

下面我们来看看生成器函数执行流程:

def func():
print("one------------->")
yield
print("two------------->")
yield
print("three----------->")
yield
print("four------------>")
yield g = func() # 生成器 == 迭代器
print(g.__next__())
print(g.__next__())
print(g.__next__())
print(g.__next__())

每次调用g.__next__()就回去函数内部找yield关键字,如果找得到就输出yield后面的值并且返回;如果没有找到,就会报出异常。上述代码中如果在调用g.__next__()就会报错。Python使用生成器对延迟操作提供了支持。所谓延迟操作,是指在需要的时候才产生结果,而不是立即产生结果。这也是生成器的主要好处。

生成器就是迭代器,只能前进不能后退,我们看下这个例子:

#生成器函数补充
# def countdown(n):
# while n > :
# yield n
# n-=
#
# g=countdown()
# print(g.__next__())
# print(g.__next__())
#
# print('='*)
# for i in g:
# print(i)
#
# print('*'*)
# for i in g:
# print(i) =======结果======== ==================== ********************

yiled与return的区别:

一个标准:
  yield和return相似但是一个函数内可以有多个yield而函数中出现了多个return也只会对第一个return有效果
yield的功能:
  1. 与return类似,都可以返回值,不一样在于,yield可以返回多个值而且可暂停,再次执行可继续下一步操作,return到了就停止不在继续运行。
  2.为封装好的的函数能够使用__iter__和__next__方法,
  3.遵循迭代器的取值方式obj.__next__(),触发函数的执行和函数的保存都是通过yeild保存的
 
=========================================================================================================================================
1.三元表达式
x=
y= # if x > y:
# print(x)
# else:
# print(y) # res='aaaaa' if x > y else 'bbbbbbb' #三元表达式---->【 条件成立 条件 条件不成立】
#
# print(res)

2.列表解析<不能加else,条件成立的情况下放到左边。>

# l=[,,,,,]
# l_new=[]
# for i in l:
# if i > :
# l_new.append(i)
# print(l_new)
#列表解析
# res=[i for i in l if i > ]
# print(res)

3.生成器表达式

#g=(i for i in range())
#print (g) #print(next(g)) ##next(g) == g.__next__()
#print(next(g)) ##next(g) == g.__next__()

c迭代器与生成器的更多相关文章

  1. Python 从零学起(纯基础) 笔记 之 迭代器、生成器和修饰器

    Python的迭代器. 生成器和修饰器 1. 迭代器是访问集合元素的一种方式,从第一个到最后,只许前进不许后退. 优点:不要求事先准备好整个迭代过程中的所有元素,仅仅在迭代到某个元素时才计算该元素,而 ...

  2. Python之模块,迭代器与生成器

    本节涉及内容: 1. 迭代器和生成器 2. 递归 3. 字符串格式化 4. 模块 内置模块 自定义模块 第三方模块 5. 序列化的模块 json pickle (一). 迭代器和生成器: 迭代器:  ...

  3. Python之迭代器和生成器

    Python 迭代器和生成器 迭代器 Python中的迭代器为类序列对象(sequence-like objects)提供了一个类序列的接口,迭代器不仅可以对序列对象(string.list.tupl ...

  4. python学习笔记四 迭代器,生成器,装饰器(基础篇)

    迭代器 __iter__方法返回一个迭代器,它是具有__next__方法的对象.在调用__next__方法时,迭代器会返回它的下一个值,若__next__方法调用迭代器 没有值返回,就会引发一个Sto ...

  5. 【Python】迭代器、生成器、yield单线程异步并发实现详解

    转自http://blog.itpub.net/29018063/viewspace-2079767 大家在学习python开发时可能经常对迭代器.生成器.yield关键字用法有所疑惑,在这篇文章将从 ...

  6. 15.python的for循环与迭代器、生成器

    在前面学习讲完while循环之后,现在终于要将for循环这个坑填上了.之所以拖到现在是因为for循环对前面讲过的序列.字典.集合都是有效的,讲完前面的内容再来讲for循环会更加容易上手. 首先,for ...

  7. Python: 迭代器与生成器小结

    迭代器与生成器的区别: 1. 迭代器由Class对象创建. 生成器由包含yield表达的Function对象或者Generator Expression创建. 2. 迭代器的原理: (1)由Itera ...

  8. Python中的迭代器和生成器

    本文以实例详解了python的迭代器与生成器,具体如下所示: 1. 迭代器概述: 迭代器是访问集合元素的一种方式.迭代器对象从集合的第一个元素开始访问,直到所有的元素被访问完结束.迭代器只能往前不会后 ...

  9. Python可迭代对象、迭代器和生成器

    Python可迭代对象.迭代器和生成器 python 函数 表达式 序列 count utf-8 云栖征文 python可迭代对象 python迭代器 python生成器 摘要: 8.1 可迭代对象( ...

  10. Python高手之路【九】python基础之迭代器与生成器

    迭代器与生成器 1.迭代器 迭代器是访问集合元素的一种方式.迭代器对象从集合的第一个元素开始访问,直到所有的元素被访问完结束.迭代器只能往前不会后退,不过这也没什么,因为人们很少在迭代途中往后退.另外 ...

随机推荐

  1. django admin使用-后台数据库管理界面

    admin是django提供的基于web的管理数据库的工具,它是django.contrib 的一部分,可以在项目的settings.py中的INSTALLED_APPS看到. 一.admin管理工具 ...

  2. 阿里云windows 2008 服务器处理挖矿程序 Miner

    阿里云盾最近报发现wanacry蠕虫病毒和挖矿进程异常 仔细检查进程后,发现两个奇怪的进程 Eternalblue-2.2.0.exe,winlogins.exe 特别是伪装成 winlogins.e ...

  3. Codeforces 101623E English Restaurant - 动态规划

    题目传送门 传送门 题目大意 餐厅有$n$张桌子,第$i$张桌子可以容纳$c_i$个人,有$t$组客人,每组客人的人数等概率是$[1, g]$中的整数. 每来一组人数为$x$客人,餐厅如果能找到最小的 ...

  4. HTML和CSS怎么用

    首页> 1.HTML和CSS是什么? ·网站和HTML页面 ·简单理解网站 ·一个房子比喻(HTML比喻成房子,CSS为装修) ·页面的整体结构:有树桩标签对嵌套组成 ·页面的组成单元:元素 · ...

  5. CF685B Kay and Snowflake 贪心

    CF685B Kay and Snowflake 链接 CF 题目大意 给你一颗树,询问子树的重心 思路 贪心? 重心肯定是向上走的,所以直接向上跳就好了. 不优秀的时候就不要跳了 ,因为以后也不能更 ...

  6. CF 528D. Fuzzy Search NTT

    CF 528D. Fuzzy Search NTT 题目大意 给出文本串S和模式串T和k,S,T为DNA序列(只含ATGC).对于S中的每个位置\(i\),只要中[i-k,i+k]有一个位置匹配了字符 ...

  7. 【android】安卓手机连接电脑了,但是adb devices找不到设备及找到设备但无权限的问题

    安卓手机连接电脑的时候,会遇到adb连接失败,adb devices为空,或者连接成功,但是显示unauthorized的情况.遇到这种情况,一般认为是手机驱动安装失败,会选择重新下载安装驱动,如果还 ...

  8. week1总结

    week1总结 1. 开发上线工具流程以及规范类 规范: css注释:/* Comment Text*/ Css嵌套选择器:请不要让嵌套选择器的深度超过 3 层! 再说一遍: 永远不要嵌套 ID 选择 ...

  9. POJ1192最优连通子串----树形dp

    中文题面,目的很明显,把相邻的两个点看成是两个点之间有一条边,就能当成树形dp来做了. 用一遍dfs可以找出最大的子树权值和. #include<iostream> #include< ...

  10. 集训队日常训练20181201 E 1005 : 小蝌蚪

    时间限制(普通/Java):500MS/1500MS     内存限制:65536KByte总提交: 25            测试通过:5 描述 有 n 个装着小蝌蚪的水缸排成一排,你拥有一个无限 ...