Python基础-08

最新推荐文章于 2024-08-29 22:05:00 发布

原创最新推荐文章于 2024-08-29 22:05:00 发布 · 120 阅读

CC 4.0 BY-SA版权

一、迭代器：
*迭代器协议：对象必须提供一个next方法，执行该方法要返回迭代的下一项，否则引起stopIteration
     异常以终止异常
*可迭代对象：实现迭代器协议的对象
     如何实现迭代器协议呢？在对象内部定义__iter__()方法，对象调用该方法，即对象就变成了迭代器对象
* for循环的本质：所有循环的对象都是使用迭代器协议的。
*for循环的执行流程：
  其实（列表，元组，字符串，字典，集合，文件对象）并不是可迭代对象，是在for循环中，循环对象调用了__iter__()方法，使得其变成可迭代对象，之后调用next方法，依次打印每一项。for循环可以捕获StopIteration的异常自行停止循环。
   例子： list=[1,2,3,4]
             for item in list:#先执行iter=list.__iter__(),之后执行iter.__next__()迭代每一项
              print(item)
  注意： 1.for循环与while循环的区别，for循环可以遍历所有可迭代对象，不管其有序还是无序，二wehile只能通过索引遍历有序对象
                2.next(iter) 本方法是python的内置方法，等价于iter.__next__().

二、生成器（Generator）：
1.定义：一种数据类型，自动实现迭代器协议（别的数据类型需要调用内部的__iter__()方法实现协议），即一种可迭代对象
2.分类及在Python中的表现形式：
  *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，可以多次执行yield语句而return就不可以多次执行。
       *生成器函数返回值是生成器，通过调用next方法，访问yield的返回值。每次调用next方法，就执行到函数的第一个yield，并且挂起函数保存状态，当下次再调用next函数时，会从挂起位置继续执行.
  *生成器表达式：
       （打印内容 for循环判断条件）与列表解析式基本一致
   注意：本表达式返回的是生成器对象，必须通过调用next方法，才能迭代元素，省内存(只有的使用元素的时候才开辟空间)。
       *Python中的三元表达式：
            object1 if 表达式(True) else object2
            if后面的条件返回True时，该表达式返回结果是object1，否则返回else后面的object2
       *列表解析式：
            [打印内容 for循环判断条件]
            例如：['pzz%s'%i for i in range(10) if i>5]
            注意：判断条件只能写if。同时判断条件是可省略的
这种解析式浪费内存，消耗大。不建议使用（一次性要把所有列表的元素拿出来）
3.注意：迭代器（生成器也是一个特殊的迭代器）只能迭代一次（一次是指把元素完整的遍历一次）
  例：求文件中字典中的人口之和，本例子重点练习：生成器函数、生成器表达式以及sum函数
   a.txt文件中的内容：
        {"population":10}
        {"population":20}
        {"population":30}
        {"population":40}

   def sum_population():
        with open('a.txt',encoding="utf-8") as f:
             for item in f: #按行读取文件内容
              yield item

   print(sum(eval(i)['population'] for i in sum_population()))
   注意：上述sum的参数：生成器表达式可以不加小括号。sum的参数是可迭代对象。
     eval(i)['population'] for i in sum_population()
     for循环遍历sum_population()，每一次i就是生成器调用一次next方法，该方法返回值是str，
     用eval函数提取str中的数据结构（dict），通过key的方式取得value数值，进行求和运算。

4.生成器补充：

我们可以通过以下三种方式出发生成器的一次迭代：

*生成器.__next__()

*next(生成器)

*生成器.send(object)

例子：

def test():
    print("begining...")
    first=yield 1
    print("1 over",first)
    yield 2
    print("2 over")
g=test()
g.__next__()
g.send("love")#住里面的object是通过yield赋值给了first。

三、生产者与消费者模型