脚本专栏 发布日期:2025/11/1 浏览次数:1
1. 迭代
根据记录的前面的元素的位置信息 去访问后续的元素的过程 -遍历 迭代
2. 可迭代对象 iterable
如何判断可迭代对象的3种方式
3. 可迭代对象
可迭代对象通过__iter__方法提供一个 可以遍历对象中数据的工具-迭代器
iter(可迭代对象) 可以获取可迭代对象的迭代器
通过迭代器可以迭代访问 数据
next(迭代器) ===== 迭代器对象.__next__()
可迭代对象的本质 提供了一个迭代器(遍历可迭代对象中的数据)
如何获取可迭代对象中的迭代器 迭代器对象 = iter(可迭代对象)
如果通过迭代器访问可迭代对象中下一个元素 元素的值 = next(迭代器对象)
如果迭代器遍历完成 抛出 停止迭代-异常StopIteration
如果需要实现一个迭代器 就需要实现__next__()
4. 迭代器 iterator
-- 迭代器访问可迭代对象中数据 判断对象是否是迭代器类型
from collections import Iterator isinstance(obj, Iterator)
自己实现
迭代器本身也是可迭代对象 __iter__() 提供迭代器(self)
下一个元素的值 = next(迭代器) =====> __next__()
实现一个可迭代对象
from collections import Iterable
from collections import Iterator
import time
class MylistIterator(object):
  """这是Mylist类型的对应迭代器类型 """
  def __init__(self,data):
    # 需要被便利的数据
    self.data = data
    # 保存用户访问的位置
    self.index = 0
  def __iter__(self):
    """python规定 迭代器是一种可迭代对象"""
    return self
  def __next__(self):
    """next(ml_iterator) 相当于调用迭代器对象的.__next__()"""
    if self.index < len(self.data):
      ret = self.data[self.index]
      self.index += 1
      return ret
    else:
      # 访问完成 应该抛出异常
      raise StopIteration
class Mylist(object):
  """可迭代对象"""
  def __init__(self):
    self.data = [1,2,3,4,5]
  def __iter__(self):
    """提供迭代器"""
    # 返回迭代器对象
    mliter = MylistIterator(self.data)
    return mliter
# ml是一个可迭代类型
ml = Mylist()
# 获取可迭代对象的 迭代器对象
ml_iter = iter(ml)
print(isinstance(ml_iter, Iterator))
for i in ml:
  print(i)
  time.sleep(1)
"""
1 可迭代对象的本质 提供了一个迭代器(遍历可迭代对象中的数据)
2 如何获取可迭代对象中的迭代器 迭代器对象 = iter(可迭代对象)
    实际上相当于 可迭代对象.__iter__()
3 如果通过迭代器访问可迭代对象中下一个元素 元素的值 = next(迭代器对象)
                  如果迭代器遍历完成 抛出 停止迭代-异常StopIteration
"""
print(isinstance(ml, Iterable))
用迭代器完成斐波那契数列(难点在next)
"""兔子队列 某一项的值是前两项的和
1 1 2 3 5 8
"""
class Fib(object):
  def __init__(self,n):
    """初始化操作"""
    # n代表数列的长度
    self.n = n
    # 下标记录
    self.index = 0
    self.number1 = 0
    self.number2 = 1
  def __iter__(self):
    return self
  def __next__(self):
    """next(迭代器)  === .__next__()"""
    if self.index < self.n:
      ret = self.number1
      self.number1,self.number2 = self.number2,self.number2+self.number1
      self.index += 1
      return ret
    else:
      raise StopIteration
# list() tuple()都可以接收迭代器 并且将遍历到的数据存储到集合中
print(list(Fib(10)))
#
# # 打印斐波那契数列的前10项的值
# # for i in Fib(10):
# #   print(i)
# # 1 通过iter函数获取可迭代对象 Iterable 的迭代器 iterator
# ml_iterator = iter(Fib(1000))
#
# # 2 在循环内部不断调用next(迭代器) 获取下一个元素的值
# # 3 如果迭代完成 会抛出一个停止迭代的异常StopIteration
5. 生成器 generator
生成器是一种特殊的迭代器 --- 是迭代器, 并且有自己的特点
1 创建生成器表达式 [] ----》 (x for x in range(100))
2 生成器函数
凡是有yield关键字的函数都不是普通函数了 而是生成器函数
# 列表推导式 lis=[x for x in range(10)] print(lis) # 生成器表达式 中括号变圆括号 data=(x for x in range(10)) print(data) # 遍历data for i in data: print(i)
结果:
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9] <generator object <genexpr> at 0x02AE7120> 1 3 5 7 9
6. yield关键字的作用
挂起当前函数 将后面表达式的值 返回到调用生成器的地方
接收数据 并唤醒当前函数 并且紧接着上次运行的地址继续执行
7. 唤醒生成器的两种方式
生成器.send("数据") 
next(生成器) === 生成器.send(None)
在第一次调用生成器对象的是 必须使用next()
在后续的情况下 send和next可以混用
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。