python学习笔记（三）：迭代器

迭代器

• 列表解析与for循环
• iter与next
• map、zip与filter迭代器
• ord函数
• 矩阵与列表解析
• 生成器（generator）
• send与next

列表解析与for循环：

for循环用来遍历迭代对象中的每一个项，会在每次迭代中调用该对象的__next__方法，而且会捕捉StopIteration异常，从而决定何时停止循环。

列表解析和for循环都是迭代工具，列表解析是执行常见for循环的简明并且高效的方案：对可迭代对象内所有元素应用一个表达式，并且收集结果。可以把列表解析转换成for循环，列表解析的部分语法看起来就像是for循环的首行。

#for循环遍历并且修改列表
>>> List = [1,2,3,4,5]
>>> for i in range(len(List)):
    List[i] += 10
>>> List
[11, 12, 13, 14, 15]
#列表解析修改，跟for循环相比，列表解析运用代码更少却更快捷
>>> L = [i + 10 for i in List]
>>> L
[21, 22, 23, 24, 25]

iter和next：

#next方法
>>> i = open('new.txt')
>>> next(i)
'（1）未来10年，经济成长依然是政?权合法性的默认理由和遗训。朝野将继续一致不顾廉耻的赚?钱。\n'
>>> i.__next__()
'（2）金融继续有限度推进开放，但节奏会比WTO设计的慢，金融问题，留待下节讨论。\n'
#使用iter迭代
>>> L = [1,2,3,4,5]  
#列表此时不能使用next方法，会曝TypeError异常
>>> I = iter(L)         #将列表封装进iter
>>> next(I)
1
>>> next(I
2
......
>>> I.__next__()
4
>>> I.__next__()
5
#迭代完毕后如果继续运行，将会弹出StopIteration异常

map、zip、filter迭代器

#map方法
>>> a=(1,2,3)
>>> A = map(abs,a)
>>> next(A)
1
>>> A.__next__()
2

#filter方法
>>> list(filter(bool,['hello','','world','!','over']))
['hello', 'world', '!', 'over']

ord函数

#python的ord函数会返回一个ASCII整数编码
>>> test = 'kola'  
>>> List = []
>>> for x in test:               #通过for循环遍历字符串
    List.append(ord(x))      #通过append，将ord传入列表中
>>> List
[107, 111, 108, 97]

矩阵列表解析

#建立一个列表矩阵
>> M=[[1,2,3],[4,5,6],[7,8,9],[0,0,0]]
>>> M
[[1, 2, 3], [4, 5, 6], [7, 8, 9], [0, 0, 0]]
>>> [row[1] for row in M]  
[2, 5, 8, 0]
>>> [M[row][1] for row in (1,2,3)]
[5, 8, 0]
>>> [M[i][i]for i in range(3)]
[1, 5, 9]
#通过列表解析来混合多个矩阵
>>> N =[[1,1,1],[2,2,2],[3,3,3]]
>>> [M[row][col]*N[row][col]for row in range(3)for col in range(2)]
[1, 2, 8, 10, 21, 24]

理解列表解析：

基于运行在当前python下测试，map调用比等效的for循环要快两倍，二列表解析往往比map调用要稍快一些，速度上的差距是来自于底层实现上，map和列表解析是在解释器中以C语言的速度来运行的，毕python的for循环代码在PVM中进行运行要快的多。

 

生成器（generator）

成器就是一种迭代器拥有next方法并且行为与迭代器完全相同，所以生成器也可以用于Python的for循环中。

#首先创建一个最简单的生成器
>>> def gensquares(N):  #通过gensquares创建生成器
        for i in range(N):
            yield i **2
>>> for i in gensquares(5): #使用for循环遍历，跟迭代器一样
        print(i,end=' : ')
0 : 1 : 4 : 9 : 16 : 

如果想看看for循环里发生了什么，直接调用生成器函数

>>> x = gensquares(5)
>>> x
<generator object gensquares at 0x0000000003587B88>

调用生成器函数返回一个生成器

>>> generator = gensquares(5)
'''
第一次调用生成器的next方法时，生成器才开始执行生成器函数（而不是构建生成器时），直到遇到yield时暂停执行（挂起），并且yield的参数将作为此次next方法的返回值；
'''
>>> next(generator)
0
>>> next(generator)
1
>>> next(generator)
'''
之后每次调用生成器的next方法，生成器将从上次暂停执行的位置恢复执行生成器函数，直到再次遇到yield时暂停，并且同样的，yield的参数将作为next方法的返回值；
'''
4
>>> next(generator)
9
#当next函数到达生成器末尾时候，会抛出StopIteration异常
>>> next(generator)
Traceback (most recent call last):
  File "<pyshell#40>", line 1, in <module>
    next(generator)
StopIteration

在生成器迭代的过程中接入另一个生成器

1 >>> def generator():  #创造一个生成器函数
2     yield 1
3     yield 2
4     yield from range(10)  #接入另一个生成器
5 >>> for i in generator():print(i,end="|")   #通过for循环遍历
6 1|2|0|1|2|3|4|5|6|7|8|9|

 send函数

send是除next外另一个恢复生成器的方法。其实next()和send()在一定意义上作用是相似的，区别是send()可以传递yield表达式的值进去，而next()不能传递特定的值，只能传递None进去。

>>> def gen():
    for i in range(10):
        x = yield i
        print(x)        
>>> x = gen()
>>> next(x)
0
>>> x.send(44)
44
1
>>> x.send(24)
24
2
>>> next(x)
None
3