1. 迭代
根据记录的前面的元素的位置信息 去访问后续的元素的过程 -遍历 迭代
2. 可迭代对象 iterable
如何判断可迭代对象的3种方式
- 能够被迭代访问的对象 for in
- 常用可迭代对象-list tuple str
- from collections import Iterable
- isinstance(obj, Iterable)
3. 可迭代对象
可迭代对象通过__iter__方法提供一个 可以遍历对象中数据的工具-迭代器
iter(可迭代对象) 可以获取可迭代对象的迭代器
通过迭代器可以迭代访问 数据
next(迭代器) ===== 迭代器对象.__next__()
可迭代对象的本质 提供了一个迭代器(遍历可迭代对象中的数据)
如何获取可迭代对象中的迭代器 迭代器对象 = iter(可迭代对象)
如果通过迭代器访问可迭代对象中下一个元素 元素的值 = next(迭代器对象)
如果迭代器遍历完成 抛出 停止迭代-异常StopIteration
如果需要实现一个迭代器 就需要实现__next__()
4. 迭代器 iterator
-- 迭代器访问可迭代对象中数据 判断对象是否是迭代器类型
from collections import Iterator isinstance(obj, Iterator)
自己实现
迭代器本身也是可迭代对象 __iter__() 提供迭代器(self)
下一个元素的值 = next(迭代器) =====> __next__()
实现一个可迭代对象
from collections import Iterable from collections import Iterator import time class MylistIterator(object): """这是Mylist类型的对应迭代器类型 """ def __init__(self,data): # 需要被便利的数据 self.data = data # 保存用户访问的位置 self.index = 0 def __iter__(self): """python规定 迭代器是一种可迭代对象""" return self def __next__(self): """next(ml_iterator) 相当于调用迭代器对象的.__next__()""" if self.index < len(self.data): ret = self.data[self.index] self.index += 1 return ret else: # 访问完成 应该抛出异常 raise StopIteration class Mylist(object): """可迭代对象""" def __init__(self): self.data = [1,2,3,4,5] def __iter__(self): """提供迭代器""" # 返回迭代器对象 mliter = MylistIterator(self.data) return mliter # ml是一个可迭代类型 ml = Mylist() # 获取可迭代对象的 迭代器对象 ml_iter = iter(ml) print(isinstance(ml_iter, Iterator)) for i in ml: print(i) time.sleep(1) """ 1 可迭代对象的本质 提供了一个迭代器(遍历可迭代对象中的数据) 2 如何获取可迭代对象中的迭代器 迭代器对象 = iter(可迭代对象) 实际上相当于 可迭代对象.__iter__() 3 如果通过迭代器访问可迭代对象中下一个元素 元素的值 = next(迭代器对象) 如果迭代器遍历完成 抛出 停止迭代-异常StopIteration """ print(isinstance(ml, Iterable))
用迭代器完成斐波那契数列(难点在next)
"""兔子队列 某一项的值是前两项的和 1 1 2 3 5 8 """ class Fib(object): def __init__(self,n): """初始化操作""" # n代表数列的长度 self.n = n # 下标记录 self.index = 0 self.number1 = 0 self.number2 = 1 def __iter__(self): return self def __next__(self): """next(迭代器) === .__next__()""" if self.index < self.n: ret = self.number1 self.number1,self.number2 = self.number2,self.number2+self.number1 self.index += 1 return ret else: raise StopIteration # list() tuple()都可以接收迭代器 并且将遍历到的数据存储到集合中 print(list(Fib(10))) # # # 打印斐波那契数列的前10项的值 # # for i in Fib(10): # # print(i) # # 1 通过iter函数获取可迭代对象 Iterable 的迭代器 iterator # ml_iterator = iter(Fib(1000)) # # # 2 在循环内部不断调用next(迭代器) 获取下一个元素的值 # # 3 如果迭代完成 会抛出一个停止迭代的异常StopIteration
5. 生成器 generator
生成器是一种特殊的迭代器 --- 是迭代器, 并且有自己的特点
1 创建生成器表达式 [] ----》 (x for x in range(100))
2 生成器函数
凡是有yield关键字的函数都不是普通函数了 而是生成器函数
# 列表推导式 lis=[x for x in range(10)] print(lis) # 生成器表达式 中括号变圆括号 data=(x for x in range(10)) print(data) # 遍历data for i in data: print(i)
结果:
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9] <generator object <genexpr> at 0x02AE7120> 1 3 5 7 9
6. yield关键字的作用
挂起当前函数 将后面表达式的值 返回到调用生成器的地方
接收数据 并唤醒当前函数 并且紧接着上次运行的地址继续执行
7. 唤醒生成器的两种方式
生成器.send("数据")
next(生成器) === 生成器.send(None)
在第一次调用生成器对象的是 必须使用next()
在后续的情况下 send和next可以混用
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
RTX 5090要首发 性能要翻倍!三星展示GDDR7显存
三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。
首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。
据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。