您现在的位置是：首页 > 其他

当前栏目

17 Python - 迭代

对象迭代代码

2023-03-02 11:48:23 时间

该内容笔记为参考网络笔记，该内容讲的更透彻一些

来自网址：（[https://www.cnblogs.com/eastonliu/p/9156418.html][https_www.cnblogs.com_eastonliu_p_9156418.html]）

#### 01概述 ####

理解可迭代对象（iterable）、迭代器（iterator）和生成器（generator）的三者关系。

#### 02可迭代对象（iterable） ####

我们知道，在Python世界里，一切皆对象。对象根据定义的维度，又可以分为各种不同的类型，比如：文件对象，字符串对象，列表对象。。。等等。

那什么对象才能叫做**可迭代对象**呢？一句话：“实现了\_\_iter\_\_方法的对象就叫做可迭代对象”，

\_\_iter\_\_方法的作用就是返回一个迭代器对象。

直观理解就是能用for循环进行迭代的对象就是可迭代对象。

比如：字符串，列表，元祖，字典，集合等等，都是可迭代对象。

**（1）for循环与\_\_iter()\_\_方法又有什么关系呢？**

比如我们在对一个列表进行迭代时，如下代码：

x = \[1,2,3\]

for i in x:

print(i)

实际执行情况如下图：

![1707346-20190705161356565-2117406956.png][]

调用可迭代对象的\_\_iter\_\_方法返回一个迭代器对象（iterator）

不断调用迭代器对象的\_\_next\_\_方法返回元素

直到迭代完成后，处理StopIteration异常

#### 03迭代器（iterator）即迭代器对象 ####

那么什么叫迭代器呢？它是一个带状态的**对象**，

他能在你调用next()方法的时候返回容器中的下一个值，任何实现了\_\_iter\_\_和\_\_next\_\_()方法的对象都是迭代器，

\_\_iter\_\_返回迭代器自身，

\_\_next\_\_返回容器中的下一个值，

如果容器中没有更多元素了，则抛出StopIteration异常。

根据定义，我们可以写一个迭代器，并通过next()方法来调用，如下代码

class Fib():

def \_\_init\_\_(self,max):

self.n = 0

self.prev = 0

self.curr = 1

self.max = max

def \_\_iter\_\_(self):

return self

def \_\_next\_\_(self):

if self.n < self.max:

value = self.curr

self.curr += self.prev

self.prev = value

self.n += 1

return value

else:

raise StopIteration

\# 调用

f = Fib(5)

print(next(f))

结果

Traceback (most recent call last):

File "D:/Git/Test\_Framework/utils/1.py", line 37, in <module>

print(next(f))

File "D:/Git/Test\_Framework/utils/1.py", line 29, in \_\_next\_\_

raise StopIteration

StopIteration

迭代器就像一个懒加载的工厂，等到有人需要的时候才给它生成值返回，没调用的时候就处于休眠状态等待下一次调用。直到无元素可调用，返回StopIteration异常。

#### 04 生成器（generator） ####

生成器其实是**一种特殊的迭代器**，不过这种迭代器更加优雅。

它不需要再像上面的类一样写\_\_iter\_\_()和\_\_next\_\_()方法了，只需要一个yiled关键字。

生成器一定是迭代器（反之不成立），因此任何生成器也是以一种懒加载的模式生成值。用生成器来实现斐波那契数列的例子是：

def fib(max):

n, prev, curr = 0, 0, 1

while n<max:

yield curr

prev, curr = curr, curr + prev

n += 1

生成器特殊的地方在于函数体中没有return关键字，函数的返回值是一个生成器对象。当执行f=fib()返回的是一个生成器对象，此时函数体中的代码并不会执行，只有显示或隐示地调用next的时候才会真正执行里面的代码。

生成器还有一个send方法，可以往生成器里的变量传值，如下代码：

def foo():

print("first")

count=yield

print(count)

yield

f = foo()

f.send(None)

f.send(2)

调用过程：

f = foo()返回一个生成器

f.send(None)进入函数执行代码，遇到count=yield，冻结并跳出函数体

f.send(2)再次进入函数体，接着冻结的代码继续执行，把2传给变量count，打印count,遇到yield冻结并跳出函数

转载于:https://www.cnblogs.com/yijiexi/p/11139003.html

[https_www.cnblogs.com_eastonliu_p_9156418.html]: https://www.cnblogs.com/eastonliu/p/9156418.html
[1707346-20190705161356565-2117406956.png]: /images/20211209/db4c3d6367e248af883b7f7482a992f7.png

猜你喜欢

阿里云飞天计划ECS体验感想
Docker、Podman 容器“扫盲“ 学习笔记
基于Docker构建CentOS7_Java8_Tomcat8.5 的镜像及Web应用的部署
大数据在智慧城市中的五大应用
虚拟主机支持伪静态吗
Python自学之路—位运算
基于Docker部署 Tomcat集群、 Nginx负载均衡
MAC使用快捷键
关于项目中启动脚本编写的一些笔记整理
“零信任”防御云计算信任危机
阿里云独享虚拟主机能备案吗
Python自学之路—条件、循环语句
geoHash算法入门学习总结
不花钱零门槛、10分钟搭建自己的线上博客平台
Java对象创建过程
了解私有云监控和报告的6个工具
SEO优化中URL中的相对路径和绝对路径区别
云虚拟主机ip哪里看
Python自学之路—变量与运算
如何实现卓越的云计算运营

zl程序教程

当前栏目

17 Python - 迭代

相关文章