Python迭代器协议及for循环工作机制详解

时间:2021-05-22

一、递归与迭代

二、什么是迭代器协议

1、迭代器协议是指: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,已终止迭代(只能往后走不能往前退)

2、可迭代对象:实现了迭代器协议的对象(如何实现:对象内部定义一个__iter__()方法)

3、协议是一种约定,可迭代对象实现了迭代器协议,python的内部工具(如for循环,sum,min,max函数等)使用迭代器协议访问对象。

三、python中强大的for循环机制

for循环的本质:循环所有对象,全部是使用迭代器协议

解释:

有时会想,for循环的本质就是遵循迭代器协议访问对象,那么for循环的对象肯定都是迭代器了啊,没错,那既然这样,for循环可以遍历(字符串,,列表,字典,集合,文件对象),那这些类型的数据肯定都是可迭代对象啊?但是,为什么定义一个列表l=[1,2,3,4]没有next()方法。

(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循环中,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stoplteration异常,已终止迭代

l=[1,2,3,4,5]#下标访问方式print(l[0])print(l[7]) #超出访问会报IndexError: list index out of range#遵循迭代器协议的方式diedai=l.__iter__()print(diedai.__next__())print(diedai.__next__())print(diedai.__next__())print(diedai.__next__())print(diedai.__next__())print(diedai.__next__()) #超出边界会报StopIteration#for循环访问方式:#for循环本质就是遵循迭代器协议的访问方式,先调用diedai.__iter__()方法,或者直接diedai=iter(l),然后依次执行diedai.next(),直到for循环捕捉到StopIteration终止循环#for循环所有对象的本质都是一样的道理for i in l: #diedai=l.__iter__() print(l[i]) #i=diedai.next()#使用while模拟for循环做的事情diedai_l=l.__iter__()while True: try: print(diedai_l.__next__()) except StopIteration: print("迭代完毕,终止循环") break

四、生成器初探

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),所以生成器就是可迭代对象

生成器分类及在python中的表现形式:(python有两种不同的方法提供生成器)

1、生成器函数:常规函数定义,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,在没个结果中间,挂起函数的状态,以便下次用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

为何使用生成器以及生产器的优点:

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,这也是生产器的重要好处

import time# def producer():# ret=[]# for i in range(100):# time.sleep(0.1)# ret.append('包子%s' %i)# return ret## def consumer(res):# for index,baozi in enumerate(res):# time.sleep(0.1)# print('第%s个人,吃了%s' %(index,baozi))## res=producer()# consumer(res)#yield 3相当于return 控制的是函数的返回值#x=yield的另外一个特性,接受send传过来的值,赋值给x# def test():# print('开始啦')# firt=yield #return 1 first=None# print('第一次',firt)# yield 2# print('第二次')## t=test()# res=t.__next__() #next(t)# print(res)# # t.__next__()# # res=t.send(None)# res=t.send('函数停留在first那个位置,我就是给first赋值的')# print(res)# def producer():# ret=[]# for i in range(100):# time.sleep(0.1)# ret.append('包子%s' %i)# return retdef consumer(name): print('我是[%s],我准备开始吃包子了' %name) while True: baozi=yield time.sleep(1) print('%s 很开心的把【%s】吃掉了' %(name,baozi))def producer(): c1=consumer('wupeiqi') c2=consumer('yuanhao_SB') c1.__next__() c2.__next__() for i in range(10): time.sleep(1) c1.send('包子 %s' %i) c2.send('包子 %s' %i)producer()

生产器小结

1、生成器是可迭代对象

2、实现了延迟计算、省内存

3、生成器本质和其他的数据类型一样,都是实现了迭代器协议,只不过生成器附加了一个延迟计算省内存的好处,其余的可迭代对象可没有这点好处

五、生成器表达式和列表解析

#1、三元表达式name="alex"name="yangyl"res="1" if name=="yangyl" else "2"print(res)egg_list=["鸡蛋%s" %i for i in range(10) ] #列表解析print(egg_list)#使用生产器获取egg_two=("鸡蛋%s" %i for i in range(10)) #生产器表达式print(egg_two)print(egg_two.__next__())print(next(egg_two)) #next()本质就是调用__next__

总结:

1、把列表解析中的[]换成() 得到的就是生成器表达式

2、列表解析与生成器表达式都是一种便利的编程方式,只不过生成器表达式更节省内存

3、python不但使用迭代器协议,让for循环变得更加通用。大部分内置函数,也是使用迭代器协议访问对象的。列如:sum函数是python的内置函数,该函数使用迭代器协议访问对象,而生成器实现了迭代器协议,所以我们可以直接这样计算一系列值的和:

s1=sum(x ** 2 for x in range(4))
print(s1)

而不用多此一举先构造一个列表

s2=sum([x ** 2 for x in range(4)])
print(s2)

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。

声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。

相关文章