午夜国产狂喷潮在线观看|国产AⅤ精品一区二区久久|中文字幕AV中文字幕|国产看片高清在线

迭代器是訪問(wèn)集合元素的一種方式。迭代器對(duì)象從集合的第一個(gè)元素開(kāi)始訪問(wèn)，直到所有的元素被訪問(wèn)完結(jié)束。迭代器只能往前不會(huì)后退，不過(guò)這也沒(méi)什么，因?yàn)槿藗兒苌僭诘局型笸恕?/p>

使用迭代器的優(yōu)點(diǎn)

對(duì)于原生支持隨機(jī)訪問(wèn)的數(shù)據(jù)結(jié)構(gòu)(如tuple、list)，迭代器和經(jīng)典for循環(huán)的索引訪問(wèn)相比并無(wú)優(yōu)勢(shì)，反而丟失了索引值(可以使用內(nèi)建函數(shù)enumerate()找回這個(gè)索引值)。但對(duì)于無(wú)法隨機(jī)訪問(wèn)的數(shù)據(jù)結(jié)構(gòu)(比如set)而言，迭代器是唯一的訪問(wèn)元素的方式。

另外，迭代器的一大優(yōu)點(diǎn)是不要求事先準(zhǔn)備好整個(gè)迭代過(guò)程中所有的元素。迭代器僅僅在迭代到某個(gè)元素時(shí)才計(jì)算該元素，而在這之前或之后，元素可以不存在或者被銷(xiāo)毀。這個(gè)特點(diǎn)使得它特別適合用于遍歷一些巨大的或是無(wú)限的集合，比如幾個(gè)G的文件，或是斐波那契數(shù)列等等。

迭代器更大的功勞是提供了一個(gè)統(tǒng)一的訪問(wèn)集合的接口，只要定義了__iter__()方法對(duì)象，就可以使用迭代器訪問(wèn)。

迭代器有兩個(gè)基本的方法

next方法：返回迭代器的下一個(gè)元素

__iter__方法：返回迭代器對(duì)象本身

一、迭代器Iterators

迭代器僅是一容器對(duì)象，它實(shí)現(xiàn)了迭代器協(xié)議。它有兩個(gè)基本方法：

1)next方法

返回容器的下一個(gè)元素

2)__iter__方法

返回迭代器自身

迭代器可使用內(nèi)建的iter方法創(chuàng)建，見(jiàn)例子：

>>> i = iter('abc')

>>> i.next()

'a'

>>> i.next()

'b'

>>> i.next()

'c'

>>> i.next()

Traceback (most recent call last):

File "", line 1, in

StopIteration:

class MyIterator(object):

def __init__(self, step):

self.step = step

def next(self):

"""Returns the next element."""

if self.step==0:

raise StopIteration

self.step-=1

return self.step

def __iter__(self):

"""Returns the iterator itself."""

return self

for el in MyIterator(4):

print el

--------------------

結(jié)果：

3

2

1

0

二、生成器Generators

從Python2.2起，生成器提供了一種簡(jiǎn)潔的方式幫助返回列表元素的函數(shù)來(lái)完成簡(jiǎn)單和有效的代碼。

它基于yield指令，允許停止函數(shù)并立即返回結(jié)果。

此函數(shù)保存其執(zhí)行上下文，如果需要，可立即繼續(xù)執(zhí)行。

例如Fibonacci函數(shù)：

def fibonacci():

a,b=0,1

while True:

yield b

a,b = b, a+b

fib=fibonacci()

print fib.next()

print fib.next()

print fib.next()

print [fib.next() for i in range(10)]

--------------------

結(jié)果：

1

1

2

[3, 5, 8, 13, 21, 34, 55, 89, 144, 233]

PEP Python Enhancement Proposal Python增強(qiáng)建議

tokenize模塊

>>> import tokenize

>>> reader = open('c:/temp/py1.py').next

>>> tokens=tokenize.generate_tokens(reader)

>>> tokens.next()

(1, 'class', (1, 0), (1, 5), 'class MyIterator(object):/n')

>>> tokens.next()

(1, 'MyIterator', (1, 6), (1, 16), 'class MyIterator(object):/n')

>>> tokens.next()

(51, '(', (1, 16), (1, 17), 'class MyIterator(object):/n')

例子：

def power(values):

for value in values:

print 'powering %s' %value

yield value

def adder(values):

for value in values:

print 'adding to %s' %value

if value%2==0:

yield value+3

else:

yield value+2

elements = [1,4,7,9,12,19]

res = adder(power(elements))

print res.next()

print res.next()

--------------------

結(jié)果：

powering 1

adding to 1

3

powering 4

adding to 4

7

保持代碼簡(jiǎn)單，而不是數(shù)據(jù)。

注意：寧可有大量簡(jiǎn)單的可迭代函數(shù)，也不要一個(gè)復(fù)雜的一次只計(jì)算出一個(gè)值的函數(shù)。

例子：

def psychologist():

print 'Please tell me your problems'

while True:

answer = (yield)

if answer is not None:

if answer.endswith('?'):

print ("Don't ask yourself too much questions")

elif 'good' in answer:

print "A that's good, go on"

elif 'bad' in answer:

print "Don't be so negative"

free = psychologist()

print free.next()

print free.send('I feel bad')

print free.send("Why I shouldn't ?")

print free.send("ok then i should find what is good for me")

--------------------

結(jié)果：

Please tell me your problems

None

Don't be so negative

None

Don't ask yourself too much questions

None

A that's good, go on

None

雖然很早之前就接觸yield這個(gè)詞了，卻一直是一知半解。趁現(xiàn)在有時(shí)間，把它研究一通再說(shuō)。

含有yield的函數(shù)說(shuō)明它是一個(gè)生成器，而不是普通的函數(shù)。當(dāng)程序運(yùn)行到y(tǒng)ield這一行時(shí)，該函數(shù)會(huì)返回值，并保存當(dāng)前域的所有變量狀態(tài);等到該函數(shù)下一次被調(diào)用時(shí)，會(huì)從上一次中斷的地方開(kāi)始執(zhí)行，一直遇到下一個(gè)yield, 程序返回值, 并在此保存當(dāng)前狀態(tài); 如此反復(fù)，直到函數(shù)正常執(zhí)行完成。

我一開(kāi)始還想不明白調(diào)用者與生成器之間的函數(shù)堆棧是怎么做到的，后來(lái)才大悟原來(lái)是用到了'協(xié)程'這個(gè)原理。協(xié)程可視為微線程，下面會(huì)結(jié)合例子來(lái)說(shuō)明一下yield及協(xié)程的運(yùn)行過(guò)程。假設(shè)定義了test方法:

[python]

def test(len):

i = 0

while i < len :

yield i

i += 1

我們來(lái)調(diào)用它看看輸出:

>>> for i in test(5):

print i

輸出:

0

1

2

3

4

這場(chǎng)景是不是很類(lèi)似 for i in xrange(len); 是的, xrange就是這么干的。 for .. in 的操作實(shí)際上是調(diào)用了生成器的next()方法，以上的調(diào)用過(guò)程可以等價(jià)為:

[python]

f = test(5)

print f.next()

print f.next()

print f.next()

print f.next()

print f.next()

輸出結(jié)果與上次輸出一致。

另外，在這次調(diào)用過(guò)程中，協(xié)程被創(chuàng)建了一次， 被喚醒了5次(通過(guò)next)，被掛起了5次(通過(guò)yield), 最后協(xié)程退出并銷(xiāo)毀。 大概就這些點(diǎn)了，有更深的理解再做補(bǔ)充。

生成器(Generator)

如果列表元素可以按照某種算法推算出來(lái)，那我們是否可以在循環(huán)的過(guò)程中不斷推算出后續(xù)的元素呢?這樣就不必創(chuàng)建完整的list，從而節(jié)省大量的空間。在Python中，這種一邊循環(huán)一邊計(jì)算的機(jī)制，稱(chēng)為生成器(Generator)。

要?jiǎng)?chuàng)建一個(gè)generator，有很多種方法。第一種方法很簡(jiǎn)單，只要把一個(gè)列表生成式的[]改成()，就創(chuàng)建了一個(gè)generator：

>>> L = [x * x for x in range(10)]

>>> L

[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

>>> g = (x * x for x in range(10))

>>> g

at 0x104feab40>

創(chuàng)建L和g的區(qū)別僅在于最外層的[]和()，L是一個(gè)list，而g是一個(gè)generator。

我們可以直接打印出list的每一個(gè)元素，但我們?cè)趺创蛴〕鰃enerator的每一個(gè)元素呢?

如果要一個(gè)一個(gè)打印出來(lái)，可以通過(guò)generator的next()方法：

>>> g.next()

0

>>> g.next()

1

>>> g.next()

4

>>> g.next()

9

>>> g.next()

16

>>> g.next()

25

>>> g.next()

36

>>> g.next()

49

>>> g.next()

64

>>> g.next()

81

>>> g.next()

Traceback (most recent call last):

File "", line 1, in

StopIteration

我們講過(guò)，generator保存的是算法，每次調(diào)用next()，就計(jì)算出下一個(gè)元素的值，直到計(jì)算到最后一個(gè)元素，沒(méi)有更多的元素時(shí)，拋出StopIteration的錯(cuò)誤。

當(dāng)然，上面這種不斷調(diào)用next()方法實(shí)在是太變態(tài)了，正確的方法是使用for循環(huán)，因?yàn)間enerator也是可迭代對(duì)象：

>>> g = (x * x for x in range(10))

>>> for n in g:

... print n

...

0

1

4

9

16

25

36

49

64

81

所以，我們創(chuàng)建了一個(gè)generator后，基本上永遠(yuǎn)不會(huì)調(diào)用next()方法，而是通過(guò)for循環(huán)來(lái)迭代它。

generator非常強(qiáng)大。如果推算的算法比較復(fù)雜，用類(lèi)似列表生成式的for循環(huán)無(wú)法實(shí)現(xiàn)的時(shí)候，還可以用函數(shù)來(lái)實(shí)現(xiàn)。

比如，著名的斐波拉契數(shù)列(Fibonacci)，除第一個(gè)和第二個(gè)數(shù)外，任意一個(gè)數(shù)都可由前兩個(gè)數(shù)相加得到：

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

斐波拉契數(shù)列用列表生成式寫(xiě)不出來(lái)，但是，用函數(shù)把它打印出來(lái)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(shù)可以輸出斐波那契數(shù)列的前N個(gè)數(shù)：

>>> fib(6)

1

1

2

3

5

8

仔細(xì)觀察，可以看出，fib函數(shù)實(shí)際上是定義了斐波拉契數(shù)列的推算規(guī)則，可以從第一個(gè)元素開(kāi)始，推算出后續(xù)任意的元素，這種邏輯其實(shí)非常類(lèi)似generator。

也就是說(shuō)，上面的函數(shù)和generator僅一步之遙。要把fib函數(shù)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:

yield b

a, b = b, a + b

n = n + 1

這就是定義generator的另一種方法。如果一個(gè)函數(shù)定義中包含yield關(guān)鍵字，那么這個(gè)函數(shù)就不再是一個(gè)普通函數(shù)，而是一個(gè)generator：

>>> fib(6)

這里，最難理解的就是generator和函數(shù)的執(zhí)行流程不一樣。函數(shù)是順序執(zhí)行，遇到return語(yǔ)句或者最后一行函數(shù)語(yǔ)句就返回。而變成generator的函數(shù)，在每次調(diào)用next()的時(shí)候執(zhí)行，遇到y(tǒng)ield語(yǔ)句返回，再次執(zhí)行時(shí)從上次返回的yield語(yǔ)句處繼續(xù)執(zhí)行。

舉個(gè)簡(jiǎn)單的例子，定義一個(gè)generator，依次返回?cái)?shù)字1，3，5：

>>> def odd():

... print 'step 1'

... yield 1

... print 'step 2'

... yield 3

... print 'step 3'

... yield 5

...

>>> o = odd()

>>> o.next()

step 1

1

>>> o.next()

step 2

3

>>> o.next()

step 3

5

>>> o.next()

Traceback (most recent call last):

File "", line 1, in

StopIteration

可以看到，odd不是普通函數(shù)，而是generator，在執(zhí)行過(guò)程中，遇到y(tǒng)ield就中斷，下次又繼續(xù)執(zhí)行。執(zhí)行3次yield后，已經(jīng)沒(méi)有yield可以執(zhí)行了，所以，第4次調(diào)用next()就報(bào)錯(cuò)。

回到fib的例子，我們?cè)谘h(huán)過(guò)程中不斷調(diào)用yield，就會(huì)不斷中斷。當(dāng)然要給循環(huán)設(shè)置一個(gè)條件來(lái)退出循環(huán)，不然就會(huì)產(chǎn)生一個(gè)無(wú)限數(shù)列出來(lái)。

同樣的，把函數(shù)改成generator后，我們基本上從來(lái)不會(huì)用next()來(lái)調(diào)用它，而是直接使用for循環(huán)來(lái)迭代：

>>> for n in fib(6):

... print n

...

1

1

2

3

5

8

小結(jié)

generator是非常強(qiáng)大的工具，在Python中，可以簡(jiǎn)單地把列表生成式改成generator，也可以通過(guò)函數(shù)實(shí)現(xiàn)復(fù)雜邏輯的generator。

要理解generator的工作原理，它是在for循環(huán)的過(guò)程中不斷計(jì)算出下一個(gè)元素，并在適當(dāng)?shù)臈l件結(jié)束for循環(huán)。對(duì)于函數(shù)改成的generator來(lái)說(shuō)，遇到return語(yǔ)句或者執(zhí)行到函數(shù)體最后一行語(yǔ)句，就是結(jié)束generator的指令，for循環(huán)隨之結(jié)束。

更多信息請(qǐng)查看IT技術(shù)專(zhuān)欄