day13 迭代器和生成器
阿新 • • 發佈：2018-12-15
1複習
# 函式 —— 2天 # 函式的定義和呼叫 # def 函式名(形參): #函式體 #return 返回值 #被呼叫的地方接收 #呼叫 函式名(實參) # 站在形參的角度上 ： 位置引數，*args，預設引數（陷阱），**kwargs # 站在實參的角度上 ： 按照位置傳，按照關鍵字傳 # 返回值：沒有返回值 返回一個值 返回多個值 # 接收返回值：沒有返回值不接收，返回一個值用一個變數接收，返回多個值用一個變數或者對應數目的變數接收 # 閉包函式 —— 在內部函式引用外部函式的變數 # 裝飾器函式—— 裝飾器一定是閉包函式# 裝飾器的作用 ： 在不改變原來函式的呼叫方式的情況下 在這個函式的前後新增新的功能 # 完美的符合了一個開發原則 ：開放封閉原則 # 對擴充套件是開發的 # 對修改是封閉的 # 基礎的裝飾器 # from functools import wraps # def wrapper(func): # @wraps(func) # def inner(*args,**kwargs): # '''在函式被呼叫之前新增的程式碼'''# ret = func(*args,**kwargs) # func是被裝飾的函式 在這裡被呼叫 # '''在函式被呼叫之後新增的程式碼''' # return ret # return inner # 使用 —— @wrapper # @wrapper # def func(): #inner # pass # # func.__name__ # 帶引數的裝飾器# @wrapper -- > @warapper(argument) # 三層巢狀函式 # def outer(形參): # def wrapper(func): # def inner(*args,**kwargs): # '''在函式被呼叫之前新增的程式碼''' # ret = func(*args,**kwargs) # func是被裝飾的函式 在這裡被呼叫 # '''在函式被呼叫之後新增的程式碼''' # return ret # return inner # return wrapper # @outer(True) # def func(): # pass # 多個裝飾器裝飾一個函式 # 俄羅斯套娃 #def wrapper1(func): # @wraps(func) # def inner(*args,**kwargs): # print('before 1') # print('******') # ret = func(*args,**kwargs) # func是被裝飾的函式 在這裡被呼叫 # '''在函式被呼叫之後新增的程式碼''' # return ret # def wrapper2(func): # @wraps(func) # def inner(*args,**kwargs): # print('before 2') # ret = func(*args,**kwargs) # func是被裝飾的函式 在這裡被呼叫 # '''在函式被呼叫之後新增的程式碼''' # return ret # @wrapper1 # @wrapper2 # def func(): # print('111') # 迭代器和生成器 —— 兩天 # 內建函式 —— 兩天
2迭代器
1雙下方法
#雙下方法 print([1].__add__([2])) print([1]+[2]) <<< [1, 2] [1, 2]
#list dic str set tuple range enumerate print(dir([])) #告訴我列表的所有方法 ret=set(dir([]))&set(dir({}))&set(dir(""))&set(dir(range(12))) print(ret) print(set(dir([]))-set(dir({}))) <<< ['__add__', '__class__', '__contains__', '__delattr__', '__delitem__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__gt__', '__hash__', '__iadd__', '__imul__', '__init__', '__init_subclass__', '__iter__', '__le__', '__len__', '__lt__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__reversed__', '__rmul__', '__setattr__', '__setitem__', '__sizeof__', '__str__', '__subclasshook__', 'append', 'clear', 'copy', 'count', 'extend', 'index', 'insert', 'pop', 'remove', 'reverse', 'sort'] {'__gt__', '__reduce_ex__', '__doc__', '__getitem__', '__len__', '__sizeof__', '__new__', '__eq__', '__delattr__', '__str__', '__reduce__', '__format__', '__repr__', '__ne__', '__le__', '__lt__', '__iter__', '__getattribute__', '__init__', '__contains__', '__subclasshook__', '__setattr__', '__dir__', '__class__', '__ge__', '__init_subclass__', '__hash__'} {'__iadd__', '__imul__', '__mul__', 'count', 'index', 'sort', 'reverse', 'append', '__rmul__', 'extend', 'remove', 'insert', '__reversed__', '__add__'}
''' 可迭代協議： 只要能被for迴圈的資料型別 就一定有__iter__方法 [] iterable 只要含有__iter__方法的都是可迭代的 迭代器協議： 一個列表執行了__iter__()之後的返回值就是一個迭代器 [].__iter__ iteraor 內部含有__iter__和__next__方法的就是迭代器 通過__next__()就可以從迭代器中一個一個取值 :print(iterator.__next__()) for： for迴圈其實就是在使用迭代器 只有是可迭代物件的時候才能用for 當我們用一個新的變數 不確定能不能for迴圈的時候 就判斷是否可迭代 判斷方法 from _collections_abc import Iterable print(isinstance([],Iterable)) print('__iter__'in dir([])) '''
2協議
#協議 print([].__iter__()) #列印迭代器直接給你記憶體地址 print(set(dir([].__iter__()))-set(dir([]))) #列表迭代器相當於列表的獨特方法 print([1,'a','bbb'].__iter__().__length_hint__()) #__length_hint__求元素個數 l=[1,2,3] iterator=l.__iter__() print(iterator.__next__()) print(iterator.__next__()) print(iterator.__next__()) <<< <list_iterator object at 0x0000026048DF4438> {'__setstate__', '__next__', '__length_hint__'} 3 1 2 3
3判斷方法
#判斷方法 print('__iter__'in dir([])) print('__iter__'in dir([].__iter__())) from _collections_abc import Iterable #棄用警告：不推薦使用或匯入來自collections from collections.abc import Iterator #而不是“collections.abc”中的ABC print(isinstance([],Iterator)) # 並且在python3.8中它將停止工作 print(isinstance([],Iterable)) #判斷[]是不是可迭代的 <<< True True False True
4for
#for #只要有iter方法就能被迴圈 for迴圈其實就是在使用迭代器 l=[1,2,3] for i in l.__iter__(): print(i) print([].__iter__()) #列印迭代器直接給你記憶體地址 print(range(10).__iter__()) print(range(10)) l=[1,2,3] for i in l: print(i) if i ==2: break <<< 1 2 3 <list_iterator object at 0x0000024B1E314208> <range_iterator object at 0x0000024B1DFAD830> range(0, 10) 1 2
5迭代器的好處
# 迭代器的好處 ''' 從容器型別中一個個取值 會把所有值都取到 節省記憶體空間 迭代器並不會在記憶體中佔一大塊記憶體 而是隨著迴圈 每次生成一個next給我一個''' l=[1,2,3,4] iterator=l.__iter__() while 1: print(iterator.__next__()) <<< Traceback (most recent call last): File "C:/python全棧/me第一部分/day13 迭代器和生成器.py", line 76, in <module> print(iterator.__next__()) StopIteration 1 2 3 4
print(range(10000)) print(list(range(3))) def f(): for i in range(200): i="wahaha%s"%i return i print(f()) <<< range(0, 10000) [0, 1, 2] wahaha199
3.生成器
#3 生成器 #生成器函式 本質上就是我們自己寫的函式 #只要含有yield關鍵字的函式都是生成器函式 #yield不能和return共用且需要寫在函式內 def generetor(): print(1) yield 'a' ret=generetor() print(ret) print(ret.__next__()) <<< <generator object generetor at 0x00000246FE4C8A98> 1 a
1.生成器函式 執行之後會得到一個生成器作為一個返回值
#生成器函式 執行之後會得到一個生成器作為一個返回值 def generetor1(): print(1) yield 'a' print(2) yield 'b' yield 'c' g=generetor1() print(g) ret=g.__next__() print(ret) # for i in g: # print(i) 1 a 2 b c ret=g.__next__() print(ret) ret = g.__next__() print(ret) <<< 1 a 2 b c
2.next方法獲取生成器的值
# 娃哈哈 import time def wahaha(): for i in range(200000): yield '娃哈哈%s'% i g=wahaha() g1=wahaha() print(g.__next__()) print(g.__next__()) print(g1.__next__()) g=wahaha() count=0 a=time.time() for i in g: count+=1 print(i) if count>3: break b=time.time() print(b-a) print("***",g.__next__()) for i in g: count+=1 print(i) if count>6: break print("&&",g.__next__()) <<< 娃哈哈0 娃哈哈1 娃哈哈0 娃哈哈0 娃哈哈1 娃哈哈2 娃哈哈3 0.0 *** 娃哈哈4 娃哈哈5 娃哈哈6 娃哈哈7 && 娃哈哈8
4 利用生成器監聽檔案輸入
#4 利用生成器監聽檔案輸入 def tail(filename): f=open(filename,encoding='utf-8') while True: line=f.readline() if line.strip(): yield line.strip() #使用生成器在後面的操作中更靈活想加*就加 g=tail('file') # print(g.__next__()) for i in g: if 'python' in i: print("***",i) <<< *** python
