python3.x 基础四：生成器与迭代器

1.预先存值到内存，调用之前已经占用了内存，不管用与不用，都占用内存

>>> a=[1,2,3,4,5]

>>> type(a)

<class 'list'>

>>> len(a)

5

>>> a = [ i for i in range(1,6)] #列表生成式，这里的i可以是一个函数

>>> type(a)

<class 'list'>

>>> len(a)

5

>>> a

[1, 2, 3, 4, 5]

>>> a=[]

>>> for i in range(10):

...     a.append(i)

...

>>> a

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

2.generateor 一边循环一边计算的机制，节省空间，只有在调用的时候才会生成对应的数据，可以用next访问

将列表生成式的中括号改成小括号，就变成生成器了

>>> [ i for i in range(1,6)]

[1, 2, 3, 4, 5]

>>> (i for i in range(1,6))

<generator object <genexpr> at 0x7f8747a69678>

>>> a=(i for i in range(1,6))

>>> type(a)

<class 'generator'>

>>> a.__next__()

1

>>> a.__next__()

2

>>> a.__next__()

3

>>> a.__next__()

4

>>> a.__next__()

5

>>> a.__next__()

Traceback (most recent call last):

  File "<stdin>", line 1, in <module>

StopIteration

3.斐波那契

def fib(max):

    n,a,b=0,0,1

    while n<max:

        print(b)

        a,b=b,a+b

        n=n+1

    return 'done'

fib(10)

4.将上面的print(b)改成生成式关键字 yield，就是生成器了

def fib(max):

    n,a,b=0,0,1

    while n<max:

        yield b

        a,b=b,a+b

        n=n+1

    return 'done'

gen=fib(10)

print(type(gen))

5.每次调用生成器的时候，遇到yield则返回本次值，然后跳出生成器，可执行其他指令，在下一次调用生成器的时候，将从上次结束的地方开始运行，直到yield跳出

def fib(max):

    n,a,b=0,0,1

    while n<max:

        yield b

        a,b=b,a+b

        n=n+1

    return 'done111'

gen=fib(5)

print(type(gen))

print(next(gen))

print('小明滚进来')

print(next(gen))

print('小明滚出去')

print(next(gen))

print('小明滚进来')

print(next(gen))

print('小明滚出去')

print(next(gen))
输出结果：
<class 'generator'>
1
小明滚进来
1
小明滚出去
2
小明滚进来
3
小明滚出去
5

6.处理异常try：处理内容 except：内容异常处理

def fib(max):

    n,a,b=0,0,1

    while n<max:

        yield b

        a,b=b,a+b

        n=n+1

    return 'done111'

gen=fib(5)

print(type(gen))

while True:

    try:

        val=next(gen)

        print('fib value is',val)

    except StopIteration as e:

        print(e.value)

        break

<class 'generator'>

fib value is 1

fib value is 1

fib value is 2

fib value is 3

fib value is 5

done111

7.生产者与消费者

g.__next__遇到yield返回，下一次从yield开始，但是不会赋值
g.send()遇到yield唤醒迭代器，赋值
进程-线程-携程，epoll异步IO原理
epoll是Linux内核为处理大批量文件描述符而作了改进的poll，是Linux下多路复用IO接口select/poll的增强版本，它能显著提高程序在大量并发连接中只有少量活跃的情况下的系统CPU利用率。另一点原因就是获取事件的时候，它无须遍历整个被侦听的描述符集，只要遍历那些被内核IO事件异步唤醒而加入Ready队列的描述符集合就行了

#/usr/bin/env python

#-*- coding: utf-8 -*-

#Author:jenvid.yang

import time

def consumer(name):

    print('%s is ready to have baozi!' %(name))

    while True:

        baozi = yield

        print('baozi %s is coming,baozi was ate by %s' %(baozi,name))

c=consumer('alex')

# c.__next__()

# b1='baozi001'

# c.send(b1)

def producer():

    c1=consumer('oldboy')

    c2=consumer('alex')

    c1.__next__()

    c2.__next__()

    print('i am going to make baozi!')

    for i in ['韭菜馅','猪肉馅','白菜陷','玉米馅','萝卜馅']:

        time.sleep(1)

        print('finish 2 baozi')

        c1.send(i)

        c2.send(i)

producer()

8.迭代器

列表/元组/字典/集合/字符串/生成器，可以用于for循环的对象统称为可迭代对象：Iterable
isinstance()，判断一个一个对象是否是Iterable对象

>>> from collections import Iterable

>>> isinstance([],Iterable)

True

>>> isinstance('',Iterable)

True

>>> isinstance({},Iterable)

True

>>> isinstance((),Iterable)

True

能用next()函数调用并返回下一个值的对象成为迭代器，Iterator

>>> from collections import Iterator

>>> isinstance([],Iterator)

False

>>> isinstance('',Iterator)

False

>>> isinstance((),Iterator)

False

>>> isinstance((i for i in range(2)),Iterator)

True

生成器是迭代器Iterator，但是Iterable不一定是Iterator，用iter()函数可以将迭代类型转成迭代器

>>> isinstance('',Iterator)

False

>>> isinstance(iter(''),Iterator)

True

迭代：
- 迭代器不能预先知道循环的长度
- 只能通过next()取下一个
- 最后结果抛出StopIterator错误
- 可for循环取值的对象是可迭代类型Iterable
- 可next()取值的对象是迭代器Iterator

巴特西

python3.x 基础四：生成器与迭代器

最新文章

热门文章