python-迭代器及闭包

本文深入探讨了迭代器和生成器的概念,解释了可迭代对象与迭代器的区别,以及如何通过iter()函数将可迭代对象转换为迭代器。同时,文章还介绍了闭包这一特殊现象,展示了其在保持外层函数常驻内存和实现局部变量全局化方面的应用。

迭代器

迭代是访问容器元素的一种方式

可迭代对象

  1. Iterable,凡是可作用于 for 循环的对象都是 Iterable 类型
  2. 如何判断是否是可迭代对象
   from  collections.abs  import  Iterable
   s = 对象
   print(isinstance(s,Iterable))    #判断s是不是可迭代对象
  1. 常见的一类是集合数据类型,如 list 、 tuple 、 dict 、 set 、 str 等;一类是 generator ,包括生成
    器和带 yield 的 generator function

迭代器

  1. Iterator,能够被全局函数next()调用,并且返回下一个值的对象,就是迭代器
  2. 如何判断是否是可迭代对象
 from  collections.abs  import Iterator
   s = 对象
   print(isinstance(s,Iterator))    #判断s是不是可迭代对象
  1. 可迭代对象不一定是迭代器,但是迭代器都是可迭代对象
  2. 生成器就是一种特殊的迭代器
  3. iter()函数
    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。目的是在使用迭代器的时候,减少内存的占用。
   In [1]: iter([1,2])
   Out[1]: <list_iterator object at 0x000001C382399DD8>
   In [2]: isinstance(iter([]), Iterator)
   Out[2]: True
   In [3]: isinstance(iter('abc'), Iterator)
   Out[3]: True

函数—闭包(closure)

闭包是一种现象,是弱数据类型编程语言中所特有的现象

  1. 定义:能够在函数内部调用其他函数变量的现象就叫做闭包
    函数包裹函数的现象,就叫做闭包
   def outer():
       '''
           这个函数就是一个闭包
       '''
       print("这个是一个闭包")
       a = 10
       def inner():
           print("这个是里面函数的代码")
           b = 20
           print(a + b)
   
       return inner
   
   
   res = outer()
   print(res)
   # 调用inner函数
   res()
  1. 作用:让外层函数常驻内存,有可能垃圾无法回收,可以让局部变量全局化
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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