Python学习笔记（四）

目录：

 　　一.迭代

　　二.列表生成式

　　三.生成器

　　四.迭代器

 一.迭代

---

如果给定一个list或tuple,我们可以通过for循环来遍历这个list或tuple，这种遍历我们称为迭代（Iteration）

在Python中，迭代通过for...in来完成。

>>>d = {'a':1, 'b':2,'c':3}
>>>for key in d:
...         print(key)
...
a
b
c

同时迭代key,value可以用for k, v in d.items()

同时迭代索引和元素本身。enumerate函数

>>>for i, value in enumerate(['A', 'B', 'C']):
...            print(i, value)
...
0  A
1  B
2  C

 

二.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。

生成[1*1,2*2,3*3,...,10*10]

>>>[x*x for x in range(1,11)]
[1,4,9,16,25,36,49,64,81,100]

for循环后面还可以加上判断，这样我们就可以筛选出仅偶数的平方：

>>>[x*x for x in range(1,11) if  x%2 ==0]
[[4, 16, 36, 64, 100]

还可以使两层循环，可以生成全排列：

>>>[m+n for m in 'ABC' for n in 'XYZ']
['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']

 

三.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.第一种方法，只要把一个列表生成式的[]改成(),就创建了一个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
<generator object <genexpr> at 0x1022ef630>

创建L 和g的区别仅在于最外层的[]和(),L是一个list,而g是一个generator.

使用for循环迭代

>>>g = (x*x for x in range(10))
>>>for n in g:
...        print(n)
...
0
1
4
9
16
25
36
49
64
81

斐波那契数列：

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        print(b)
        a,b = b, a+b
        n = n+1
    return 'done'

可以看出，fib函数实际上是定义了斐波那契数列的推算规则，可以从第一个元素开始，推算出后续的任意元素，这种逻辑其实非常类似generator.

要把fib函数变成generator,只需要把print(b)改为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
        return 'done'

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的函数，而是一个generator.

这里，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。

generator是非常强大的工具，在Python中，可以简单地把列表生成式改成generator，也可以通过函数实现复杂逻辑的generator。

要理解generator的工作原理，它是在for循环的过程中不断计算出下一个元素，并在适当的条件结束for循环。对于函数改成的generator来说，遇到return语句或者执行到函数体最后一行语句，就是结束generator的指令，for循环随之结束。

 

四.迭代器

---

 

 

我们已经知道，可以直接作用于for循环的数据类型有以下几种：

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。

这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。

可以使用isinstance()判断一个对象是否是Iterable对象：

>>>from collections import Iterable
>>>isinstance([], Iterable)
True
>>>isinstance({}, Iterable)
True
>>>isinstance('abc', Iterable)
True
>>>isinstance(100, Iterable)
False

而生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。

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

可以使用isinstance()判断一个对象是否是Iterator对象：

>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False

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：

>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True

你可能会问，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。

小结

凡是可作用于for循环的对象都是Iterable类型；

凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；

集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。