迭代器

本文介绍了迭代和迭代器的概念,解释了可迭代对象与迭代器的区别,并展示了如何使用Python内置函数判断对象是否可迭代及是否为迭代器。

迭代器

  • 什么是迭代和迭代器

​ 迭代是访问集合元素的一种方式,迭代器是一个可以记住遍历的位置的对象。

​ 迭代器对象从集合的以一个元素开始访问,直到所有的元素被访问完结束。

​ 迭代器只能往前不会后退

  • 可迭代的对象

    以直接作用于for循环的数据类型有以下几种:

    • 集合类数据类型,list、tuple、dict、set、str
    • 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

  • 判断是否可以迭代

    可以使用isinstance()来判断一个对象是否是Iterable对象:

    In [17]: from collections import Iterable
    
    In [18]: isinstance([],Iterable)
    Out[18]: True
    
    In [19]: isinstance({},Iterable)
    Out[19]: True
    
    In [20]: isinstance((1,),Iterable)
    Out[20]: True
    
    In [21]: isinstance("abc",Iterable)
    Out[21]: True
    
    In [22]: isinstance((x for x in range(10)),Iterable)
    Out[22]: True
    
    In [23]: isinstance(110,Iterable)
    Out[23]: False
    
    In [24]: 
    
    

    ​ 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异常就表示无法继续下一个值了。

  • 迭代器

    ​ 可以被next()函数调用并不断返回下一个值的对象称之为迭代器:Iterator

    ​ 可以使用isinstance()来判断一个对象是否是Iterator对象:

    In [25]: from collections import Iterator
    
    In [26]: isinstance([],Iterator)
    Out[26]: False
    
    In [27]: isinstance({},Iterator)
    Out[27]: False
    
    In [28]: isinstance((),Iterator)
    Out[28]: False
    
    In [29]: isinstance("abcd",Iterator)
    Out[29]: False
    
    In [30]: isinstance(110,Iterator)
    Out[30]: False
    
    In [31]: isinstance((x for x in range(10)),Iterator)
    Out[31]: True
    
    In [32]: 
    
    
  • iter()函数

    ​ 生成器都是Iterator对象,但是list、dict、str虽然是Iterable,却不是Iterator

    ​ 可以通过iter()函数将list、dict、str等Iterable转成Iterator

    In [37]: isinstance(iter([]),Iterator)
    Out[37]: True
    
    In [38]: isinstance(iter("abcd"),Iterator)
    Out[38]: True
    

  • 总结
    • 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
    • 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。
【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值