• Python 迭代器&生成器,装饰器,递归,算法基础:二分查找、二维数组转换,正则表达式,作业:计算器开发


    本节大纲

    1. 迭代器&生成器
    2. 装饰器 
      1. 基本装饰器
      2. 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
      1. 实现加减乘除及拓号优先级解析
      2. 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,结果必须与真实的计算器所得出的结果一致

    迭代器&生成器

    python014 Python3 迭代器与生成器

    迭代器

    迭代器是访问集合元素的一种方式。迭代器对象从集合的第一个元素开始访问,直到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途中往后退。另外,迭代器的一大优点是不要求事先准备好整个迭代过程中所有的元素。迭代器仅仅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。这个特点使得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

    特点:

    1. 访问者不需要关心迭代器内部的结构,仅需通过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

    生成一个迭代器:

    >>> a = iter([1,2,3,4,5])
    >>> a
    <list_iterator object at 0x101402630>
    >>> a.__next__()
    >>> a.__next__()
    >>> a.__next__()
    >>> a.__next__()
    >>> a.__next__()
    >>> a.__next__()
    Traceback (most recent call last):
      File "<stdin>", line 1, in <module>
    StopIteration
    
    #!/usr/bin/python3
    
    it = iter(["apple","google","baidu","360"])
    print(it)
    print(type(it))
    print(it.__next__())
    print(it.__next__())
    print(it.__next__())
    print(it.__next__())
    

    执行结果:

    <list_iterator object at 0x00000000028149B0>
    <class 'list_iterator'>
    apple
    google
    baidu
    360
    

    迭代器对象已经耗尽,对其__next__()方法的任何进一步调用都将再次引发停止迭代

    #!/usr/bin/python3
    
    it = iter(["apple","google","baidu","360"])
    print(it)
    print(type(it))
    print(it.__next__())
    print(it.__next__())
    print(it.__next__())
    print(it.__next__())
    
    # 迭代器对象已经耗尽,对其__next__()方法的任何进一步调用都将再次引发停止迭代
    print(it.__next__())
    

    运行结果:

    Traceback (most recent call last):
      File "D:/py/day001/day1/test.py", line 12, in <module>
    <list_iterator object at 0x00000000028249B0>
        print(it.__next__())
    StopIteration
    <class 'list_iterator'>
    apple
    google
    baidu
    360
    #!/usr/bin/python3
    
    it = iter(["apple","google","baidu","360"])
    print(it)
    print(type(it))
    
    for i in it:
        print(i)
    

    执行结果:

    <list_iterator object at 0x0000000002204C88>
    <class 'list_iterator'>
    apple
    google
    baidu
    360

    open文件的迭代

    #!/usr/bin/python3
    
    f = open("test.txt","w")
    f.write("My name is Alice.
    ")
    f.write("This is second line.
    ")
    f.write("python is good language
    ")
    f.write("swift
    ")
    f.close()
    
    fp = open("test.txt","r")
    
    for i in fp:    # 迭代
        print(i)
    
    fp.close()
    

    执行结果:

    My name is Alice.
    
    This is second line.
    
    python is good language
    
    swift

    反复调用iterator的__next__()方法(或将其传递到内置函数next())返回流中的连续项。当没有更多的数据可用时,就会提出stop迭代异常。此时,迭代器对象已经耗尽,对其__next__()方法的任何进一步调用都将再次引发停止迭代。

    在Python中,很多对象都是可以通过for语句来直接遍历的,例如list、string、dict等等,这些对象都可以被称为可迭代对象。至于说哪些对象是可以被迭代访问的,就要了解一下迭代器相关的知识了。

    迭代器
    迭代器对象要求支持迭代器协议的对象,在Python中,支持迭代器协议就是实现对象的__iter__()和next()方法。其中__iter__()方法返回迭代器对象本身;next()(2.x)方法返回容器的下一个元素,在结尾时引发StopIteration异常。

    __iter__()和next()(2.x)方法
    这两个方法是迭代器最基本的方法,一个用来获得迭代器对象,一个用来获取容器中的下一个元素。
    对于可迭代对象,可以使用内建函数iter()来获取它的迭代器对象:

    例子中,通过iter()方法获得了list的迭代器对象,然后就可以通过next()(2.x)方法来访问list中的元素了。当容器中没有可访问的元素后,next()方法将会抛出一个StopIteration异常终止迭代器。
    其实,当我们使用for语句的时候,for语句就会自动的通过__iter__()方法来获得迭代器对象,并且通过next()方法来获取下一个元素。

    生成器generator

    定义:一个函数调用时返回一个迭代器,那这个函数就叫做生成器(generator),如果函数中包含yield语法,那这个函数就会变成生成器

    代码:

    def cash_out(amount):
        while amount >0:
            amount -= 100
            yield 100
            print("擦,又来取钱了。。。败家子!")
    
     
    ATM = cash_out(500)
     
    print("取到钱 %s 万" % ATM.__next__())
    print("花掉花掉!")
    print("取到钱 %s 万" % ATM.__next__())
    print("取到钱 %s 万" % ATM.__next__())
    print("花掉花掉!")
    print("取到钱 %s 万" % ATM.__next__())
    print("取到钱 %s 万" % ATM.__next__())
    print("取到钱 %s 万" % ATM.__next__()) #到这时钱就取没了,再取就报错了
    print("取到钱 %s 万" % ATM.__next__())    
    

    作用:
    这个yield的主要效果呢,就是可以使函数中断,并保存中断状态,中断后,代码可以继续往下执行,过一段时间还可以再重新调用这个函数,从上次yield的下一句开始执行。

    另外,还可通过yield实现在单线程的情况下实现并发运算的效果

    #!/usr/bin/env python
    # -*- coding:utf-8 -*-
    
    import time
    
    def consumer(name):
        print("%s 准备吃包子啦!" % name)
        while True:
            baozi = yield
            print("包子[%s]来了,被[%s]吃了!" % (baozi, name))
    
    def producer(name):
        c = consumer('A')
        c2 = consumer('B')
        c.__next__()
        c2.__next__()
        print("老子开始准备做包子啦!")
        for i in range(10):
            time.sleep(1)
            print("做了2个包子!")
            c.send("A-%d"%(i))        # 向yield发送
            c2.send("B-%d"%(i))       # xiangyield发送
    
    producer("alex")
    

    运行结果:

    A 准备吃包子啦!
    B 准备吃包子啦!
    老子开始准备做包子啦!
    做了2个包子!
    包子[A-0]来了,被[A]吃了!
    包子[B-0]来了,被[B]吃了!
    做了2个包子!
    包子[A-1]来了,被[A]吃了!
    包子[B-1]来了,被[B]吃了!
    做了2个包子!
    包子[A-2]来了,被[A]吃了!
    包子[B-2]来了,被[B]吃了!
    做了2个包子!
    包子[A-3]来了,被[A]吃了!
    包子[B-3]来了,被[B]吃了!
    做了2个包子!
    包子[A-4]来了,被[A]吃了!
    包子[B-4]来了,被[B]吃了!
    做了2个包子!
    包子[A-5]来了,被[A]吃了!
    包子[B-5]来了,被[B]吃了!
    做了2个包子!
    包子[A-6]来了,被[A]吃了!
    包子[B-6]来了,被[B]吃了!
    做了2个包子!
    包子[A-7]来了,被[A]吃了!
    包子[B-7]来了,被[B]吃了!
    做了2个包子!
    包子[A-8]来了,被[A]吃了!
    包子[B-8]来了,被[B]吃了!
    做了2个包子!
    包子[A-9]来了,被[A]吃了!
    包子[B-9]来了,被[B]吃了!
    
  • 相关阅读:
    ISO 学习笔记 2015-03-15
    IOS 学习笔记 20150314
    IOS 学习日志 2015-3-13
    Letter Combinations of a Phone Number
    anagrams
    Pow(x, n)
    Distinct Subsequences
    Excel Sheet Column Number
    MIT 三课程
    c++ 重载,覆盖,重定义
  • 原文地址:https://www.cnblogs.com/chenlin163/p/7263036.html
Copyright © 2020-2023  润新知