Python之路,Day4

本节内容

1.迭代器&生成器

2.装饰器

　　a) 基本装饰器

　　b)多参数装饰器

3.递归

4.算法基础：二分查找，二维数组转换

5.正则表达式

6.常用模块学习

7.作业：计算器开发

　　a)实现加减乘除及括号优先级解析

　　b)用户输入1 - 2 * ( (60-30 +(-40/5) * (9-2*5/3 + 7 /3*99/4*2998 +10 * 568/14 )) - (-4*3)/ (16-3*2) )等类似公式后，必须自己解析里面的（），+，-，*，/符号和公式，运算后得出结果，结果必须与真实计算器所得出的结果一致

迭代器&生成器

 

 

迭代器

迭代器是访问集合元素的一种方式。迭代对象从集合的第一个元素开始访问，知道所有的元素被访问完结束。迭代器只能往前不会后退，不过这也没什么，因为人们很少在迭代器途中后退。

特点：

1. 访问者不需要关心迭代器内部的结构，仅通过next（）方法不断去取下一个内容
2. 不能随机访问集合中的某个值，只能从头到尾依次访问
3. 访问到一半时不能往回退
4. 便于循环比较大的数据集合，节省内存

 　　对于原生支持随机访问数据结构（如tuple、list），迭代器和经典for循环的索引访问相比并无优势、反而丢失了索引值（可以使用内建函数enumerate()找回索引值）。但对于无法随机访问的数据结构（比如set）而言，迭代器是唯一的访问元素的方式。

　　另外，迭代器的一代优点是不要求事先准备好整个迭代过程中所有的元素。迭代器激进在迭代到某个元素时才计算该元素，而在这之前或之后，元素可以不存在或者被销毁，这个特点使它特别适合用于遍历一些巨大的或是无限的集合。比如几个G的文件，或是斐波那契数列等等，

　　迭代器更大的功劳是提供了一个统一的访问集合的接口，只要定义了__iter__方法对象，就可以使用迭代器访问。

迭代器有两个基本方法

• 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

生成一个迭代器：

a = iter([1,2,3,4,5])
print(a.__next__())
print(a.__next__())
print(a.__next__())
print(a.__next__())
print(a.__next__())
print(a.__next__())

当调取一个不存在的值时会报错

Traceback (most recent call last):

  File "D:/Users/Administrator/PycharmProjects/练习/函数/test.py", line 8, in <module>

    print(a.__next__())

StopIteration

Process finished with exit code 1

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 (val)
except StopIteration:
    pass

 

下面用生成斐波那契数列为例子，说明为何用迭代器

代码一

def fab(max):
    n, a, b = 0, 0, 1
    while n < max:
        print (b)
        a, b = b, a + b
        n = n + 1
fab(10)  

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

 代码二

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

代码二满足了可复用性的需求，但是占用了内存空间，最好不要。

代码三

 for i in range(1000): pass

　　

 for i in xrange(1000): pass

　　

对比前一个返回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

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()

生成器

　　带有yield的函数在pthon中被称为generator（生成器），举几个例子说明下（还是用生成斐波那契数列说明）

可以看出代码3没有代码1简洁，生成器（yield）可记忆保持代码1的简洁性，又可以保持代码3的效果

代码四

def fab(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
for n in fab(5):
    print(n)

　　简单的讲，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终端执行前是完全不一样的，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。