标签：stop list 通过 mos txt class 使用 可迭代对象 为什么
[x * x for x in range(1, 11)]
写列表生成式时，把要生成的元素x * x放到前面，后面跟for循环,或者跟其他的表达式。
例如，题目是要你把偶数全部筛选出来：
a=[x for x in range(1,11) if x%2==0] print(a) #[2, 4, 6, 8, 10]
python的哲学应该是代码写得越少越好，这样开发效率高。
第一，像字符str，列表list，元组turple,字典dict等等都是可迭代对象iterable,内置有__iter__方法的对象，即obj.__iter__，如下
‘hello‘.__iter__ (1,2,3).__iter__ [1,2,3].__iter__ {‘a‘:1}.__iter__ {‘a‘,‘b‘}.__iter__ open(‘a.txt‘).__iter__
但是像这一类没有obj.__next__()方法。不能用next()方法去迭代。
第二，像generator生成器都是迭代器对象iterator，也就是说内置有__iter__方法以及__next__方法。
文件类型是迭代器对象 open(‘a.txt‘).__iter__() open(‘a.txt‘).__next__()
也就是说，生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。可以用iter()函数让他们变成迭代器对象。
你可能会问，为什么list、dict、str等数据类型不是Iterator？
这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。
Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。
要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator：
>>> L = [x * x for x in range(10)] >>> L [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] >>> g = (x * x for x in range(10)) >>> g <generator object <genexpr> at 0x1022ef630>
创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator。
我们使用next()或者.__next__()方法可以获得genereaor的下一个返回值：
>>> g = (x * x for x in range(10)) >>> next(g) 0 >>> next(g) 1 >>> next(g) 4 >>> next(g) 9 >>> next(g) 16 >>> next(g) 25 >>> next(g) 36 >>> next(g) 49 >>> next(g) 64 >>> next(g) 81 >>> next(g) Traceback (most recent call last): File "<stdin>", line 1, in <module> StopIteration >>>
next()方法可以卡点。运行一次到下一个位置，然后再卡点，没有更多的元素时，抛出StopIteration的错误。但是一直用next()属实sb，数据集太大怎么循环，所以用for，因为generator也是可迭代对象。
a=(x for x in range(1,11) if x%2==0) for i in a: print(i) 2 4 6 8 10
def odd(): print(‘step 1‘) yield 1 print(‘step 2‘) yield(3) print(‘step 3‘) yield(5) a=odd() res=next(a) print(a) print(res) step 1 <generator object odd at 0x0000025945C37660> 1
下面实现用yield和for循环对函数进行循环，准确来讲是迭代器函数（我自己起的名字）
def odd(): print(‘step 1‘) yield 1 print(‘step 2‘) yield(3) print(‘step 3‘) yield(5) # res=next(a) # print(a) # print(res) for i in odd(): print(i)
step 1 1 step 2 3 step 3 5
牛逼了，用yield将函数转化成生成器，让他可迭代，我查验了一下，odd()具备了iter和next方法，yield让函数有了"卡点"的功能。
#基于for循环，我们可以完全不再依赖索引去取值了 dic={‘a‘:1,‘b‘:2,‘c‘:3} for k in dic: print(dic[k]) #for循环的工作原理 #1：执行in后对象的dic.__iter__()方法，得到一个迭代器对象iter_dic #2: 执行next(iter_dic),将得到的值赋值给k,然后执行循环体代码 #3: 重复过程2，直到捕捉到异常StopIteration,结束循环
就此我们知道了for的真正原理。还有可next()必是迭代器和生成器，它们表示一个惰性计算的序列；可iter()不一定是生成器迭代器，可能是可迭代对象iterable。
所以python里面的for是惰性计算，按理来说可以计算到无穷大的数。
标签：stop list 通过 mos txt class 使用 可迭代对象 为什么
原文地址：https://www.cnblogs.com/chengdz/p/12153773.html
