一、列表生成式:
看列表[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],我要求你把列表裏的每個值加1,可能會有以下幾種寫法:
方法一:
>>> a
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> b = []
>>> for i in a:b.append(i+1)
...
>>> b
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
>>> a = b
>>> a
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
方法二:
a = [1,3,4,6,7,7,8,9,11]
for index,i in enumerate(a):
a[index] +=1
print(a)
方法三:
>>> a
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
>>> a = map(lambda x:x+1, a)
>>> a
<map object at 0x101d2c630>
>>> for i in a:print(i)
...
2
3
4
5
6
7
8
9
10
11
其實還有一種寫法,如下
>>> a = [i+1 for i in range(10)]
>>> a
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
這就叫做列表生成
二、生成器(通過列表生成式,可以直接創建一個列表,但是受內存限制,列表容量有限,而且創建一個很大元素的列表,不僅佔用很大的內存空間,如果我們僅僅訪問前面幾個元素,後面絕大多數元素佔用的空間都白白浪費)
1種方法:把一個列表生成式【】改成(),就創建了一個generater;
>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x1022ef630>
創建L和g,區別在於最外層的【】和();L是一個list,g是一個generater;那麼我們可以直接打印list,如何打印generater中每個參數。如果一個一個打印,可以使用next()獲取generater的下一個值。因爲generater保存的是一個算法,每次調用next(),就會計算出g的下一個值。直到計算出最後一個值,沒有更多值時,拋出stopiteration的錯誤。上面這種調用next(g)方法太變態,我們採用for循環;因爲generater也是可迭代對象。
g=(x*x for x in range(10) )
for n in g:
print n
所以我們創建generater基本上不適用next調用,而是使用for循環打印,而且不會出現stopiteration錯誤;
generater非常強大,但是如果推算的算法比較複雜,,用類似列表生成式的for循環無法實現時,可以用函數來實現。
2種方法:以上產生另一種generater生成器,函數中含有yield關鍵字,那麼這個函數就不是一個普通的函數,而是一個generater。
def fib(max):
n,a,b = 0,0,1
while n < max:
#print(b)
yield b
a,b = b,a+b
n += 1return 'done'
>>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0>
上面比較難理解的是generater和函數的執行流程不一樣,函數式順序執行,遇到return語句或者最後一行函數語句就返回。而變成generater函數,在每次調用next()的時候執行,遇到yield函數返回。再次執行時從上次返回的yield語句處繼續執行。
data = fib(10)
print(data)
print(data.__next__())
print(data.__next__())
print("乾點別的事")
print(data.__next__())
print(data.__next__())
print(data.__next__())
print(data.__next__())
print(data.__next__())
#輸出
<generator object fib at 0x101be02b0>
1
1
乾點別的事
2
3
5
8
13
在上面fib的例子,我們在循環過程中不斷調用yield,就會不斷中斷。當然要給循環設置一個條件來退出循環,不然就會產生一個無限數列出來。
同樣的,把函數改成generator後,我們基本上從來不會用next()來獲取下一個返回值,而是直接使用for循環來迭代:
>>> for n in fib(6):
... print(n)
...
1
1
2
3
5
8
但是用for循環調用generator時,發現拿不到generator的return語句的返回值。如果想要拿到返回值,必須捕獲StopIteration錯誤,返回值包含在StopIteration的value中:
>>> g = fib(6)
>>> while True:
... try:
... x = next(g)
... print('g:', x)
... except StopIteration as e:
... print('Generator return value:', e.value)
... break
...
g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
Generator return value: done
另外,注意:
斐波拉契數列用列表生成式寫不出來,但是,用函數把它打印出來卻很容易:
def fib(max):
n, a, b = 0, 0, 1
while n < max:
print(b)
a, b = b, a + b
n = n + 1
return 'done'
注意,賦值語句:
a, b = b, a + b
相當於
t = (b, a + b) # t是一個tuple
a = t[0]
b = t[1]
三、迭代器:
我們已經知道,可以直接用於for循環的數據類型有以下幾種:
一類是集合數據類型,如list、tuple、dict、set、str等
一類是generater,包括生成器和帶yield的generater function
這些可以直接作用於for循環的對象統稱爲可迭代對象:Iterable
可以使用isinstance()判斷一個對象是否是Iterable對象:
>>> from collections import Iterable
>>> isinstance([], Iterable)
True
而生成器不但可以用作於for循環,還可以被next()函數不斷調用並返回下一個值,指導最後拋出stopiteration錯誤表示無法繼續返回下一個值了。
可以被next()調用並不斷返回下一個值的對象稱爲迭代器:Iterator;
>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
生成器都是Iterator對象,但是list,dict、str雖然是iterable卻不是Iterator,把list、dict、str等Iterable變成Iterator可以使用iter()函數:
>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True
你可能會問,爲什麼list、dict、str等數據類型不是Iterator?
這是因爲Python的Iterator對象表示的是一個數據流,Iterator對象可以被next()函數調用並不斷返回下一個數據,直到沒有數據時拋出StopIteration錯誤。可以把這個數據流看做是一個有序序列,但我們卻不能提前知道序列的長度,只能不斷通過next()函數實現按需計算下一個數據,所以Iterator的計算是惰性的,只有在需要返回下一個數據時它纔會計算。
Iterator甚至可以表示一個無限大的數據流,例如全體自然數。而使用list是永遠不可能存儲全體自然數的。
小結:
凡是可作用於for循環的對象都是Iterable類型;
凡是可作用於next()函數的對象都是Iterator類型,它們表示一個惰性計算的序列;
集合數據類型如list、dict、str等是Iterable但不是Iterator,不過可以通過iter()函數獲得一個Iterator對象。
Python的for循環本質上就是通過不斷調用next()函數實現的,例如
for x in [1, 2, 3, 4, 5]:
pass
實際上完全等價於:
# 首先獲得Iterator對象:
it = iter([1, 2, 3, 4, 5])
# 循環:
while True:
try:
# 獲得下一個值:
x = next(it)
except StopIteration:
# 遇到StopIteration就退出循環
break