21

本文深入探讨Python生成器的原理及应用,包括生成器的基本概念、如何创建生成器、生成器函数的特点,以及如何使用next()和send()方法控制生成器的执行流程。同时,文章还介绍了如何使用生成器生成无限序列。

生成器

生成器,利用迭代器,我们可以在每次迭代获取数据时,(通过next()方法)按照特定的规律进行生成。

但是我们在实现一个迭代器时,关于当前迭代的状态需要我们自己记录,进而才能根据当前的状态生成下一个数据。为了达到记录当前状态,并配合next()函数进行迭代使用,可以采用更简便的语法。

生成器(generator),生成器是一种特殊的迭代器,他比迭代器更优雅。

创建一个生成器

列表[]——>()

li=[x**2 for x in range(6)]
print(li)

gen = (x**2 for x in range(6))
print(gen)

print('通过next()函数取得下一个值:')
print(next(gen))
print(next(gen))
print(next(gen))
print(next(gen))
print(next(gen))
print(next(gen))

gen = (x**2 for x in range(6))

print('通过for遍历:')
for i in gen:
    print(i,end=' ')

生成器函数

在函数中如果出现了yield关键字,那么该函数就不再是一个普通函数而是一个生成器函数。

next和yield进行匹配。如果遇到return,return后的语句不会再执行,直接抛出StopIteration,终止迭代。

如果return后有返回值,那么这个值就是异常的说明,而不是函数的返回值。

def foo():
    yield 1
    yield 2
    return 'Error'
    yield 3

f=foo()

print(next(f)) #程序会停留在对应yield后的语句
print(next(f)) 
print(next(f)) #当程序遇到return,return后的语句不会再执行。因此报错。

1
2
Traceback (most recent call last):
  File "C:/Users/Administrator/PycharmProjects/ggiao/7.30.py", line 122, in <module>
    print(next(f)) #当程序遇到return,return后的语句不会再执行。因此报错。
StopIteration

生成奇数

构造一个产生无穷奇数的生成器

def odd():
    n=1
    while True:
        yield n
        n+=2

odd_num=odd()

count=0
for i in odd_num:
  print(i,end=' ')
  count+=1
  if count>=5:
      break

print(next(odd_num))

用类实现

class OddIter:

    def __init__(self):
        self.start=-1

    def __iter__(self):
        return self

    def __next__(self):
        self.start+=2
        return  self.start

odd=OddIter()

for i in range(6):
    print(next(odd))
  • close()

    def gen():
        yield 1
        yield 2
        yield 3
        yield 4
    
    g=gen()
    print(next(g))
    print(next(g))
    g.close()
    print(next(g)) #回溯
    
  • send()

    • #x=yield y语句的含义:send()的作用就是使x赋值为其所传送的值(send的参数),然后让生成器执行到下一个yield。
    • 如果生成器未启动,则必须在使用send()前启动生成器,而启动的方法可以是gen.next(),也可以是gen.send(None)执行到第一个yield处。之后就可以使用send(para)不断地传入值了
    • 如果是已启动,则send(para)的作用就是给x赋值为发送的值(send的参数),然后,让生成器执行到下一个yield。
def gen():
    i=0
    while i<5:
        temp=yield i
        print(temp)
        i+=1
#创建生成器对象
obj=gen()
#使用next()唤醒生成器
print(next(obj))
print(next(obj))
print(obj.send('city'))
内容概要:本文围绕六自由度机械臂的人工神经网络(ANN)设计展开,重点研究了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程,并通过Matlab代码实现相关算法。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进行建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与B样条优化方法,形成从运动学到动力学再到轨迹优化的完整技术链条。; 适合人群:具备一定机器人学、自动控制理论基础,熟悉Matlab编程,从事智能控制、机器人控制、运动学六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)建模等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握机械臂正/逆运动学的数学建模与ANN求解方法;②理解拉格朗日-欧拉法在动力学建模中的应用;③实现基于神经网络的动力学补偿与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 阅读建议:建议读者结合Matlab代码动手实践,先从运动学建模入手,逐步深入动力学分析与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
评论
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