python将list转换为迭代器代码_python怎么把list转换成迭代器next⽅法:返回迭代器的下⼀个元素
__iter__⽅法:返回迭代器对象本⾝
下⾯⽤⽣成斐波那契数列为例⼦,说明为何⽤迭代器
代码1
def fab(max):
n, a, b = 0, 0, 1
while n < max:
print b
a, b = b, a + b
n = n + 1
直接在函数fab(max)中⽤print打印会导致函数的可复⽤性变差,因为fab返回None。其他函数⽆法获得fab函数返回的数列。
代码2
def fab(max):
L = []
n, a, b = 0, 0, 1
while n < max:
L.append(b)
a, b = b, a + b
n = n + 1    return L
代码2满⾜了可复⽤性的需求,但是占⽤了内存空间,最好不要。
代码3
对⽐
for i in range(1000): pass
for i in xrange(1000): pass
前⼀个返回1000个元素的列表,⽽后⼀个在每次迭代中返回⼀个元素,因此可以使⽤迭代器来解决复⽤可占空间的问题
python怎么读文件
class Fab(object):
def __init__(self, max):
self.max = max
self.n, self.a, self.b = 0, 0, 1
def __iter__(self):
return self
def next(self):
if self.n < self.max:
r = self.b
self.a, self.b = self.b, self.a + self.b
self.n = self.n + 1
return r
raise StopIteration()
执⾏
123456789
>>> for key in Fabs(5):    print key      11235
Fabs 类通过 next() 不断返回数列的下⼀个数,内存占⽤始终为常数
1.2 使⽤迭代器
使⽤内建的⼯⼚函数iter(iterable)可以获取迭代器对象:
1234
>>> lst = range(5)>>> it = iter(lst)>>> it
使⽤next()⽅法可以访问下⼀个元素:
123456
>>> it.next()0>>> it.next()1>>> it.next()2
python处理迭代器越界是抛出StopIteration异常
123456789101112
>>> it.next()3>>> it.next>>> it.next()4>>> it.next() Traceback (most recent call last):  File "", line 1, in    it.next()StopIteration
了解了StopIteration,可以使⽤迭代器进⾏遍历了
lst = range(5)
it = iter(lst)try:    while True:
val = it.next()        print valexcept StopIteration:    pass
结果
123456
>>>01234
事实上,因为迭代器如此普遍,python专门为for关键字做了迭代器的语法糖。在for循环中,Python将⾃动调⽤⼯⼚函数iter()获得迭代器,⾃动调⽤next()获取元素,还完成了检查StopIteration异常的⼯作。如下
>>> a = (1, 2, 3, 4)>>> for key in a:    print key
1
2
3
4
⾸先python对关键字in后的对象调⽤iter函数迭代器,然后调⽤迭代器的next⽅法获得元素,直到抛出StopIteration异常。
1.3 定义迭代器
下⾯⼀个例⼦——斐波那契数列
# -*- coding: cp936 -*-class Fabs(object):    def __init__(self,max):
self.max = max
self.n, self.a, self.b = 0, 0, 1  #特别指出:第0项是0,第1项是第⼀个1.整个数列从1开始
def __iter__(self):        return self    def next(self):        if self.n < self.max:
r = self.b
self.a, self.b = self.b, self.a + self.b
self.n = self.n + 1            return r        raise StopIteration()print Fabs(5)for key in Fabs(5):    print key
结果
123456
<__main__.fabs object at>11235
回到顶部
2. ⽣成器
带有 yield 的函数在 Python 中被称之为 generator(⽣成器),⼏个例⼦说明下(还是⽤⽣成斐波那契数列说明)
可以看出代码3远没有代码1简洁,⽣成器(yield)既可以保持代码1的简洁性,⼜可以保持代码3的效果
代码4
def fab(max):
n, a, b = 0, 0, 1    while n < max:        yield b
a, b = b, a + b
n = n + 1
执⾏
123456789
>>> for n in fab(5):    print n      11235
简单地讲,yield 的作⽤就是把⼀个函数变成⼀个 generator,带有 yield 的函数不再是⼀个普通函数,Python 解释器会将其视为⼀个generator,调⽤ fab(5) 不会执⾏ fab 函数,⽽是返回⼀个 iterable 对象!在 for 循环执⾏时,每次循环都会执⾏ fab 函数内部的代码,执⾏到 yield b 时,fab 函数就返回⼀个迭代值,下次迭代时,代码从 yield b 的下⼀条语句继续执⾏,⽽函数的本地变量看起来和上次中断执⾏前是完全⼀样的,于是函数继续执⾏,直到再次遇到 yield。看起来就好像⼀个函数在正常执⾏的过程中被 yield 中断了数次,每次中断都会通过 yield 返回当前的迭代值。
也可以⼿动调⽤ fab(5) 的 next() ⽅法(因为 fab(5) 是⼀个 generator 对象,该对象具有 next() ⽅法),这样我们就可以更清楚地看到fab 的执⾏流程:
12345678910111213
>>> f = fab(3)>>> f.next()1>>> f.next()1>>> f.next()2>>> f.next() Traceback (most recent call last):  File "", line 1, in
<()StopIteration
return作⽤
在⼀个⽣成器中,如果没有return,则默认执⾏到函数完毕;如果遇到return,如果在执⾏过程中 return,则直接抛出 StopIteration 终⽌迭代。例如
123456789
>>> s = fab(5)>>> s.next()1>>> s.next() Traceback (most recent call last):  File "", line 1, in    s.next()StopIteration
代码5  ⽂件读取
def read_file(fpath):
BLOCK_SIZE = 1024
with open(fpath, 'rb') as f:
while True:
block = f.read(BLOCK_SIZE)
if block:
yield block
else:
return
如果直接对⽂件对象调⽤ read() ⽅法,会导致不可预测的内存占⽤。好的⽅法是利⽤固定长度的缓冲区来不断读取⽂件内容。通过 yield,我们不再需要编写读⽂件的迭代类,就可以轻松实现⽂件读取。

版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198,我们将在24小时内删除。