标签:使用 ade 数据流 内容 容器 cer __next__ 内存 通过
迭代器介绍
for循环原理
迭代器的优缺点
迭代器即用来迭代取值的工具,而迭代是重复反馈过程的活动,其目的通常是为了逼近所需目标或结果
每一次对工程的重复称为一次‘迭代‘,而每一次迭代得到的结果会作为下一次迭代的初始值,单纯的重复并不是迭代
?
while True:
msg = input(‘>>: ‘).strip()
print(msg)
下述while循环才是一个迭代的过程,不仅满足重复,而且‘每次重新赋值后的index值作为下一次循环中新的索引进行取值,反复迭代,最终可以取尽列表中的值‘
?
goods = [‘mac‘, ‘lenovo‘, ‘acer‘, ‘dell‘, ‘sony‘]
?
index = 0
while index < len(goods):
print(goods[index])
index += 1
通过索引的方式进行迭代取值,实现简单,但仅适用于序列类型:字符串、列表、元组
但对于没有索引的字典、集合等非序列类型,必须找到一种不依赖索引来进行迭代取值的方式,这就用到了‘迭代器‘
?
想了解迭代器是什么,必须事先搞清楚一个很重要的概念:可迭代对象
?
从语法形式上讲,内置有__inter__方法的对象都是可迭代对象,字符串、列表、元组、字典、集合、打开的文件都是可迭代对象:
?
{‘name‘:‘egon‘}.__iter__
{7,8,9}.__iter__
……
调用obj.iter()方法返回的结果就是一个‘迭代器对象‘
迭代器对象是内置有iter和next方法的对象,打开的文件本身就是一个迭代器对象,执行迭代器对象.iter()方法得到的仍然是迭代器本身,而执行迭代器.next()方法就会计算出迭代器的下一个值
迭代器是python提供的一种统一的、不依赖索引的迭代取值方式,只要存在多个‘值‘,无论序列类型还是非序列类型都可以按照迭代器的方式取值
?
s = {1,2,3} # 可迭代对象
i = iter(s) # 本质就是在调用s.__iter__(),返回s的迭代器对象i
next(i) # 本质就是在调用i.__next__()
>>> 1
next(i)
>>> 2
next(i)
>>> 3
next(i)
>>> # 抛出stopiteration的异常,代表无值可取,迭代结束
有了迭代器之后 我们便可以不依赖索引迭代取值了,使用while循环的实现方式如下:
?
goods=[‘mac‘,‘lenovo‘,‘acer‘,‘dell‘,‘sony‘]
i=iter(goods) #每次都需要重新获取一个迭代器对象
while True:
try:
print(next(i))
except StopIteration: #捕捉异常终止循环
break
?
for循环又称为迭代循环,in后可以跟任意可迭代对象,上述while循环可以简写为:
?
goods=[‘mac‘,‘lenovo‘,‘acer‘,‘dell‘,‘sony‘]
for item in goods:
print(item)
for循环在工作时,首先会调用可迭代对象goods内置的iter方法拿到一个迭代器对象,然后再调用该迭代器对象的next方法将取到的值赋给item,执行循环体完成一次循环,周而复始,直到捕捉stopiteration异常,结束迭代
基于索引的迭代取值,所有迭代的状态都保存在了索引中,而基于迭代器实现迭代的方式不再需要索引,所有迭代的状态就保存在迭代器中,然而这种处理方式优点与缺点并存:
1 为序列和非序列类型提供了一种统一的迭代取值方式
?
2 惰性计算:迭代器对象表示的是一个数据流,可以只在需要时才去调用next来计算出一个值,就迭代器本身来说,同一时 刻在内存中只有一个值,因而可以存放无限大的数据流,而对于其他容器类型,如列表,需要把所有的元素都 存放于内存中,受内存大小的限制,可以存放的值的个数是有限的
1 除非取尽,否则无法获取迭代器的长度
?
2 只能取下一个值,不能回到开始,更像是‘一次性的‘,迭代器产生后的唯一目标就是重复执行next方法直到值取尽,否则就会停留在某个位置,等待下一次调用next;若是要再次迭代同个对象,只能重新调用iter方法去创建一个新的迭代器对象,如果有两个或者多个循环使用同一个迭代器,必然只会有一个循环能取到值
标签:使用 ade 数据流 内容 容器 cer __next__ 内存 通过
原文地址:https://www.cnblogs.com/chijintao/p/14727703.html