python学习笔记-Day4(1)

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

生成迭代器：

a = iter(['john','teddy','tony','nina'])
print(a)

访问列表内容：

a = iter(['john','teddy','tony','nina'])
print(a)
print(a.__next__())
print(a.__next__())
print(a.__next__())
print(a.__next__())

执行结果：

<list_iterator object at 0x006CA2B0>
john
teddy
tony
nina

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 

def cash_money(amount):
while amount >0:
        amount -=100
yield 100
print("又来取钱了")

ATM =cash_money(500)
print(ATM.__next__())
print(ATM.__next__())
print(ATM.__next__())
print("中断")
print(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。

异步应用

还可通过yield实现在单线程的情况下实现并发运算的效果。

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(i)
        c2.send(i)
producer('Candy')

装饰器由于函数也是一个对象，而且函数对象可以被赋值给变量，所以，通过变量也能调用该函数。

>>> def welcome():
...     print('welcome to visit my home page!')
...
>>> f = welcome
>>> f()
welcome to visit my home page!

def login(func):
    def iner(*args,**kwargs):
        print("passed user verification....")
        func(*args,**kwargs) #func = tv
    return iner
def home(name):
    print("Welcome [%s] to home page" %name)
# def tv(name):
@login # = tv login(tv) perform the function "login"
def tv(name):
    print("Welcome [%s] to Tv page" %name)
def movie(name,pwd="123"):
    print("Welcome [%s] to movie page" %name)


# tv = login(tv)
tv("Alex")
movie("Mikey",pwd="123")

递归

特点

递归算法是一种直接或者间接地调用自身算法的过程。在计算机编写程序中，递归算法对解决一大类问题是十分有效的，它往往使算法的描述简洁而且易于理解。

递归算法解决问题的特点：

(1) 递归就是在过程或函数里调用自身。

(2) 在使用递归策略时，必须有一个明确的递归结束条件，称为递归出口。

(3) 递归算法解题通常显得很简洁，但递归算法解题的运行效率较低。所以一般不提倡用递归算法设计程序。

(4) 在递归调用的过程当中系统为每一层的返回点、局部量等开辟了栈来存储。递归次数过多容易造成栈溢出等。所以一般不提倡用递归算法设计程序。

要求

递归算法所体现的“重复”一般有三个要求：

一是每次调用在规模上都有所缩小(通常是减半)；

二是相邻两次重复之间有紧密的联系，前一次要为后一次做准备(通常前一次的输出就作为后一次的输入)；

三是在问题的规模极小时必须用直接给出解答而不再进行递归调用，因而每次递归调用都是有条件的(以规模未达到直接解答的大小为条件)，无条件递归调用将会成为死循环而不能正常结束。

 

实现：

def cal(n):
    print(n)
    if n/2>1:
        res = cal(n/2)
        print('res:',res)
    print("N:",n)
    return n

cal(100)

斐波那契算法应用：

def func(arg1,arg2,stop):
    if arg1 == 0:
        print(arg1,arg2)
    arg3 = arg1 + arg2
    print(arg3)
    if arg3<stop:
        func(arg2,arg3,stop)

func(0,1,30)

折半查找 /二分查找：

def binary_search(data_source,find_n):

    mid = int(len(data_source)/2)

    if (len(data_source)) >= 1:

        if data_source[mid] > find_n: # data in left

           print("data in left of [%s]" %data_source[mid])
           binary_search(data_source[0:mid],find_n)

        elif data_source[mid] < find_n:
              print("data in right of[%s]" %data_source[mid])
              binary_search(data_source[mid:],find_n)
        else:
            print("found find_s,",data_source[mid])
    else:
        print("cannot find....")
if __name__ == '__main__':
    data = list(range(1,6000000,3))

    binary_search(data,400)