本篇也是参考学习了某博主的博文,获益匪浅,此博主的技术栈和我目前走的路线应该是最接近的,有空好好学习下。
看完博主的python全栈学习之路感觉跟半年前的我经历神似!
这篇好好读完对于python的理解绝对能提升一个等级,耐心敲代码,不要只是看的懂就ok,看得懂并没完事,写代码远没这么简单,这是我最近最大的感慨!在刷leetcode的时候,我觉得就是,只有日积月累不断地练习,用到的东西绝对比单纯去记忆要容易掌握的多!总之就是--
多解决实际的问题而不是只学不用,用不到的东西很难记得牢。
以项目和题目练习驱动编程。
附上链接:https://www.cnblogs.com/wj-1314/p/8490822.html
之前对生成器和迭代器没有深入的理解和学习,今天借刷题的机会深入学一学,从最直观的角度来说,生成器存在的意义是什么?
最大的作用之一就是节省内存!举个简单的例子,假设要访问一个100万数据层级的前几个数据,如果用列表推导式,那么将会存储100万个数据到列表,这要占据十分巨大的内存,而yield可以解决这个问题,不占内存,随取随用。
什么是生成器?
在Python中,一边循环一边计算的机制,称为生成器:generator
怎样创建一个生成器?
python中要创建一个generator,有很多种方法,第一种方法很简单,只要把一个列表生成式的[]中括号改为()小括号,就创建一个generator
ls = [x for x in range(10)] #列表推导式
print(ls)
generator_ex = (x for x in range(10)) #小括号表示一个列表生成器
print(generator_ex)
print(next(generator_ex))
for i in generator_ex:
print(i)
output:
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
<generator object <genexpr> at 0x7f916c0a5390>
0
1
2
3
4
5
6
7
8
9
一般情况下,还是不会用next()来获取值,太麻烦了,用个for循环可以很好操作。
生成器函数:也是用def定义的,利用关键字yield一次性返回一个结果,阻塞,重新开始
yield相当于一个return的东西,返回一个生成器
生成器表达式:返回一个对象,这个对象只有在需要的时候才产生结果
对yield的总结
(1)通常的for..in...循环中,in后面是一个数组,这个数组就是一个可迭代对象,类似的还有链表,字符串,文件。他可以是a = [1,2,3],也可以是a = [x*x for x in range(3)]。
它的缺点也很明显,就是所有数据都在内存里面,如果有海量的数据,将会非常耗内存。
(2)生成器是可以迭代的,但是只可以读取它一次。因为用的时候才生成,比如a = (x*x for x in range(3))。!!!!注意这里是小括号而不是方括号。
(3)生成器(generator)能够迭代的关键是他有next()方法,工作原理就是通过重复调用next()方法,直到捕获一个异常。
(4)带有yield的函数不再是一个普通的函数,而是一个生成器generator,可用于迭代
(5)yield是一个类似return 的关键字,迭代一次遇到yield的时候就返回yield后面或者右面的值。而且下一次迭代的时候,从上一次迭代遇到的yield后面的代码开始执行
(6)yield就是return返回的一个值,并且记住这个返回的位置。下一次迭代就从这个位置开始。
(7)带有yield的函数不仅仅是只用于for循环,而且可用于某个函数的参数,只要这个函数的参数也允许迭代参数。
(8)send()和next()的区别就在于send可传递参数给yield表达式,这时候传递的参数就会作为yield表达式的值,而yield的参数是返回给调用者的值,也就是说send可以强行修改上一个yield表达式值。
(9)send()和next()都有返回值,他们的返回值是当前迭代遇到的yield的时候,yield后面表达式的值,其实就是当前迭代yield后面的参数。
(10)第一次调用时候必须先next()或send(),否则会报错,send后之所以为None是因为这时候没有上一个yield,所以也可以认为next()等同于send(None)
# 函数有了yield之后,函数名+()就变成了生成器
# return在生成器中代表生成器的中止,直接报错
# next的作用是唤醒并继续执行
# send的作用是唤醒并继续执行,发送一个信息到生成器内部
# 用生成器函数实现斐波那契数列
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n += 1
return "done"
for i in fib(6):
print(i)
output:
1
1
2
3
5
8
#但是这里是获取不了return的值的,如果需要获取的话,就要使用异常处理,如下。
g = fib(6) #这是一个生成器
while True:
try:
x = next(g)
print('generator: ',x)
except StopIteration as e: #StopIteration是抛出报错,可以在里面获取到return的值
print("生成器返回值:",e.value)
break
生成器表达式和生成器函数了解的差不多了,下面来说下迭代器!
一个实现了iter方法的对象时可迭代的(Iterable),一个实现next方法的对象是迭代器(Iterator)
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。
生成器都是Iterator
,但list
、dict
、str
虽然是Iterable(可迭代对象)
,却不是Iterator(迭代器)
。
把list
、dict
、str
等Iterable
变成Iterator
可以使用iter()
函数。
那么问题来了,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。
就比如下面的例子:
s=
'hello'
#字符串是可迭代对象,但不是迭代器
l=[1,2,3,4] #列表是可迭代对象,但不是迭代器
t=(1,2,3) #元组是可迭代对象,但不是迭代器
d={
'a'
:1} #字典是可迭代对象,但不是迭代器
set
={1,2,3} #集合是可迭代对象,但不是迭代器
f=open(
'test.txt'
) #文件是可迭代对象,是迭代器
可以使用isinstance()判断一个对象是否是Iterator对象:
#以字符串举个栗子:
s = 'hello'
from collections import Iterator
from collections import Iterable
print(isinstance(s, Iterator))
print(isinstance(s, Iterable))
print(isinstance(iter(s), Iterator))
output:
False
True
True
到此对生成器和迭代器的理解也就七七八八了,如果想要更多的了解,Stackoverflow是一个不错的选择,讲的也很详细,在此附上链接:http://stackoverflow.com/questions/231767/what-does-the-yield-keyword-do-in-python