python的可迭代对象
今日所得
迭代器
可迭代对象
迭代器对象
for循环内部原理
生成器
生成器表达式
内会函数
面对过程编程
迭代器
迭代就是指更新换代的过程,要重复进行,而且每次的迭代都必须基于上一次的结果。
我们使用for循环的时候就是把元素从容器里一个个取出来,这种过程其实就是迭代。
迭代器:迭代取值的工具。
迭代器的作用是提供给你一种不依赖索引取值的方式。
需要迭代取值的数据类型有:字符串、列表、元组、字典、集合
迭代是重复更换的过程,每一次的更换(迭代)都是基于上一次的结果,也就是说每一次迭代都要和上次的结果有关系
迭代器:是用于迭代的工具
可以迭代取值的数据类型
字符串
列表
元组
字典
集合
可迭代对象
可以使用内置__iter__(双下划线加iter加双下划线)方法的都叫做可迭代对象
基本数据类型中的可迭代对象有
str list tuple dict set
文件对象本身就是迭代器对象(所以文件对象执行内置的__iter__之后还是本身,没有任何变化)
res = 'hello' l = [1,2,3,4,5,6] t = (1,2,3,4,5,6) s = {1,2,3,4,5,6} d = {'name':'chen','age':18,'pwd':123} f = with open ('test.txt','w',encoding='utf-8') res.__iter__() l.__iter__() t.__iter__() s.__iter__() d.__iter__() f.__iter__()
文件对象(文件对象本身就是迭代器对象,执行__iter__之后还是本身,没有变化)
可迭代对象执行内置的__iter__方法后得到的就是该对象的迭代器
迭代器对象
迭代器对象有内置__iter__的方法
有内置__next__的方法
迭代器一定是可迭代对象
可迭代对象不一定是迭代器对象
迭代器对象无论执行多少次__iter__方法得到的还是迭代器对象本身
迭代器取值的特点
只能往后依次取,不能从后往前取
l=[1,2,3,4] iter_l=l.__iter__() # 用__iter__将可迭代对象转换成一个迭代器对象 print(iter_l.__next__()) # 迭代器取值,调用__next__ print(iter_l.__next__()) # 调用一次取一个 print(iter_l.__next__()) print(iter_l.__next__()) print(iter_l.__next__()) # 如果取完了直接报错StopIteration
异常处理
while True: try: print(iter_d.__next__()) except StopIteration: # print('老母猪生不动了') break
d = {'name':'jason','password':'123','hobby':'泡m'} iter_d = d.__iter__() # 将字典变成迭代器对象 while True: try: print(iter_d.__next__()) # 循环取值 except StopIteration: # 异常处理,当出现的异常和你在except后面写的一样时则继续执行下面的代码 print('取完了' break
for循环内部原理
for循环里的in关键字,跟的是一个可迭代对象,将in后面的对象调用__iter__转换成迭代器
for循环内部的本质
1.让关键字in后面的对象使用__iter__转换成迭代器对象
2.调用__next__迭代取值
3.内部有异常捕获StopIteration,当迭代器里的元素为空时报错,自动结束循环
迭代取值的优点:1.不依赖于索引取值
2.内存中永远只占一份空间,不会导致内存溢出
迭代取值的缺点:1.不能获取指定的元素
2.迭代器里的元素取完后再取,会报StopIteration的错误
d = {'name':'jason','password':'123','hobby':'泡m'} for i in d: print(i) # for 循环后面的in跟的是一个可迭代对象
生成器
用户自定义的迭代器,本质就是迭代器
当函数内有yield关键字的时候,调用该函数不会执行函数体代码,而是将函数变成生成器。
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,在每个结果中间,是挂起函数的状态,也就是下次可以接着这里执行。
def func(): print('第一次') yield 1 print('第二次') yield 2 # 函数内如果有yield关键字,那么在加括号执行函数的时候并不会触发函数体代码的运行,函数会暂停在yield这个地方,使用__next__就能得到yield后面的返回值 # yield既可以返回一个值也可以返回多个值,并且多个值是按照元组的形式返回的
def func(): print('first') yield 666 # yield后面跟的值就是调用迭代器__next__方法你能得到的值 print('second') yield 777,888,999 # yield既可以返回一个值也可以返回多个值 并且多个值也是按照元组的形式返回 yield # 函数内如果有yield关键字,那么加括号执行函数的时候并不会触发函数体代码的运行 g=func() # 生成器初始化:将函数变成迭代器 print(g.__next__()) # 输出为666 print(g.__next__()) # 输出为(777, 888, 999) print(g.__next__()) # 输出为None
#yield # 1.帮你提供了一种自定义生成器方式 # 2.会帮你将函数的运行状态暂停住 # 3.可以返回值 #与return之间异同点 # 相同点:都可以返回值,并且都可以返回多个 # 不同点: # yield可以返回多次值,而return只能返回一次函数立即结束 # yield还可以接受外部传入的值
#yield支持外界为其传参 def dog(name): print('%s 准备开吃'%name) while True: food = yield print('%s 吃了 %s'%(name,food)) g = dog('egon') g.__next__() # 必须先将代码运行至yield 才能够为其传值 g.send('狗不理包子') # 给yield左边的变量传参 触发了__next__方法 g.send('饺子') >>>:egon 准备开吃 egon 吃了 狗不理包子 egon 吃了 饺子
生成器表达式
res = (i for i in range(1,10) if i != 4) # 生成器表达式 print(res) print(res.__next__()) print(res.__next__()) print(res.__next__()) print(res.__next__()) ##把列表解析的[]换成()得到的就是生成器表达式
不调用__next__方法 生成器内部代码一句都不会运行
生成器表达式通常用在获取较大容器类型数据的时候
#自定义range功能 def my_range(start, end, step=1): while start < end: yield start start += step
常用内置函数方法
abs(-1) # 求绝对值 l = [0,1,2] all(l) # 只要有一个为False就返回False any(l) # 只要有一个为True就返回True def func(): name = '局部空间' print(locals()) # 当前语句在哪个位置,就返回哪个位置所存储的所有空间名 print(globals()) # 无论在哪,查看的都是全局名称空间 l = [1,2,3] print(dir(1)) # 获取该对象所有可以使用的方法 # divmod 分页器 divmod(103,10) # 返回两个数(10,3)前一个是商,后一个是余数,用处是网页分页,有余数就加上一页 # enumerate 枚举 l = ['name','age'] for i,j in enumerate(l,1) print(i,j) # 在元素前加一个索引,并且可以指定索引从哪个数字开始 # eval() exec() """ 这两个都可以识别字符串中的Python语法,eval不支持逻辑代码,只支持一些简单的python代码,exec可以识别逻辑代码 """ print(isinstance(n,list)) # 判断对象是否属于某个数据类型 print(pow(2,3)) # 括号后面的数是前面的数的几次方 print(round(3.4)) # 浮点数的四舍五入
#locals print(locals()) # 当前语句在哪个位置 就会返回哪个位置所存储的所有的名字 #globals print(globals()) # 无论在哪 查看的都是全局名称空间 #dir 获取当前对象名称空间里面的名字 l = [1,2,3] print(dir(l)) # eval #exec #eval() 函数用来执行一个字符串表达式,并返回表达式的值。 #exec 执行储存在字符串或文件中的 Python 语句,相比于 eval,exec可以执行更复杂的 Python 代码. # format 三种玩法 # {}占位 # {index} 索引 # {name} 指名道姓 #locals print(locals()) # 当前语句在哪个位置 就会返回哪个位置所存储的所有的名字 #globals print(globals()) # 无论在哪 查看的都是全局名称空间
面对过程编程:就类似于设计一条流水线
好处:将复杂的问题流程化,从而简单化
坏处:可扩展性较差,一旦需要修改,整体都会受到影响