python基础6之迭代器&生成器、json&pickle数据序列化
内容概要:
一、生成器
二、迭代器
三、json&pickle数据序列化
一、生成器generator |
在学习生成器之前我们先了解下列表生成式,现在生产一个这样的列表[0,2,4,6,8,10],当然有很多方法,下面的方法就叫列表生成式。
>>> [ i*2 for i in range(6) ][0, 2, 4, 6, 8, 10]
当然还有其他方法:
>>> a=map(lambda x:x*2,range(6))>>> for i in a:
... print(i)
...
0
2
4
6
8
10
lambbda版本
通过列表生成式,我们可以直接创建一个列表。但是,受到内存限制,列表容量肯定是有限的。而且,创建一个包含100万个元素的列表,不仅占用很大的存储空间,如果我们仅仅需要访问前面几个元素,那后面绝大多数元素占用的空间都白白浪费了。
所以,如果列表元素可以按照某种算法推算出来,那我们是否可以在循环的过程中不断推算出后续的元素呢?这样就不必创建完整的list,从而节省大量的空间。在Python中,这种一边循环一边计算的机制,称为生成器:generator。
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。
>>> ( i*2 for i in range(6) )<generator object <genexpr> at 0x000000000106B360>
当我们把列表生成式变成了生产器,它会有__next__()方法(在2.7中是next()),此时我们每调用一次,就会生成一次数据:
>>> a=( i*2 for i in range(6) )>>> a.__next__()
0
>>> a.__next__()
2
>>> a.__next__()
4
>>> a.__next__()
6
>>>
普通的生成器
定义:如果一个函数定义中包含yield
关键字,那么这个函数就不再是一个普通函数,而是一个generator
yield作用:使函数状态停留在yield关键字执行完之后的状态,并返回当前的迭代值,当我们使用next方法的时候,会重新唤醒该函数,并从之前保留的状态继续执行下去yield下面的代码;
后续还提到send方法,作用是给yield发送返回数据,让我们来看看普通生成器。
def gen():a=1
while a<10:
res=yield a
print(res)
a+=1
a=gen()
print(a.__next__())#调用next方法唤醒函数
print("分割线====")
print(a.__next__())
a.send("拿去")#向yield发送返回值
print(a.__next__())
结果:
1
分割线====
None
2
拿去
None
4
通常我们在使用的生成器的时候并不使用next的方法,而是使用for循环取得返回值(tips:当生成器执行到最后时候使用next方法会抛出StopIteration异常,而for循环不会。
);
def gen():a=1
while a<10:
yield a
a+=1
for i in gen():
print(i)
结果:
1
2
3
4
5
6
7
8
9
View Code
二、迭代器 |
概念:
可迭代对象(Iterable)):可以被for循环的对象或者数据类型叫做可迭代对象,所以像list
、tuple
、dict
、set
、str、generator都是可迭代对象,这些可迭代对象可以通过iter()方法成为迭代器;
迭代器:可以被next()
函数调用并不断返回下一个值的对象称为迭代器,生成器是迭代器,但迭代器不一定是生成器;
可以使用isinstance()
判断一个对象是否是Iterator
对象
>>> from collections import Iterator,Iterable>>> isinstance([],Iterator)#不是迭代器返回false
False
>>> isinstance([],Iterable)#可迭代对象返回True
True
>>> isinstance((i*2 for i in range(6)),Iterator)#是迭代器
True
>>> isinstance((i*2 for i in range(6)),Iterable)
True
以上是 python基础6之迭代器&生成器、json&pickle数据序列化 的全部内容, 来源链接: utcz.com/z/388379.html