day05

今天首先要说的是深拷贝和浅拷贝。
copy/deepcopy
我觉得这个问题直接用代码说话比较直观

import copy
a=[1,2,3,4,[1,2,3]]
b=a
c=copy.copy(a)
d=copy.deepcopy(a)
a.append(5)
a[4].append(4)
结果：
	a -->[1,2,3,4,[1,2,3,4],5]
	b -->[1,2,3,4,[1,2,3,4],5]
	c -->[1,2,3,4,[1,2,3,4]]
	d -->[1,2,3,4,[1,2,3]]

解释：b是赋值，c是浅拷贝，d是深拷贝，所以得出结论，赋值是对象的引用，引用就是引用的[1,2,3,4,[1,2,3]]，当这个值变了，a和b这两个变量还是指向那个地址，所以值变成什么，a和b就指向什么。c是浅拷贝，这个拷贝只有改变内层元素内的值时，才会跟着改变，改变外层的值，不会跟着改变（这里是最难理解和记忆的），d就牛逼了，d是深拷贝，相当于重新创造了一个值和变量，所以不管原有值变得天昏地暗，对d都没有影响。
以上是对于可变对象，那么不可变对象呢？

a=1
b=a
c=copy.cpoy(a)
d=copy.deepcopy(a)
a=2
结果：
a -->2
b -->1
c -->1
d -->1

由此看出，对于不可变对象，浅拷贝之后，其实是原有的a的指向变了，a指向一个新创造的2，而b和c都还是指向原有的1，d是深拷贝，所以肯定是不会有任何变化的，他有一个独立的1指向。

第二个要讲的内容是迭代器和生成器
迭代器和生成器有很多不同的理解，但是我有一个很好的可以区分他们的地方，先不管内部实现的情况下：

迭代器：一个函数内含有iter语句，并且用next方法取值的就是迭代器，如果没有值了，则会抛出异常，这个也是for循环遍历可迭代对象的内部实现原理。
生成器：函数内部有若干个yiled语句，调用一次函数，则生成一个值，然后继续阻塞在下一个yield地方，等待下一次被调用，继续生成制定值，如此循环直到最后一个yield结束。我们知道的xrange（）就是一个生成器。
g = ( x*x for x in range(5))
这里的g就是一个生成器，可以用type（g）查看
可以用next方法返回值：g.next()
当没有值再生成是，就抛出一个异常，结束程序
def odd():
	print 'step 1'
	yield 1
	print 'step 2'
	yield 2
	print 'stet 3'
	yield 3
这个odd也是一个生成器
如果函数内可以生成的元素太多，比如有100万个，那么用next方法一个一个去取，那你的取到天荒地老，我们可以用for循环遍历。