我们将要来学习python的重要概念迭代和迭代器,通过简单实用的例子如列表迭代器和xrange。
可迭代
一个对象,物理或者虚拟存储的序列。list,tuple,strins,dicttionary,set以及生成器对象都是可迭代的,整型数是不可迭代的。如果你不确定哪个可迭代哪个不可以,你需要用python内建的iter()来帮忙。
>>> iter([1,2,3]) <listiterator object at 0x026C8970> >>> iter({1:2, 2:4}) <dictionary-keyiterator object at 0x026CC1B0> >>> iter(1234) Traceback (most recent call last): File "<pyshell#145>", line 1, in <module> iter(1234) TypeError: 'int' object is not iterable
iter()为list返回了listiterator对象,为dictionary返回了dictionary-keyiterator对象。类似对其他可迭代类型也会返回迭代器对象。
iter()用在自定义的类型会怎样呢?我们先自己定义一个String类:
class String(object): def __init__(self, val): self.val = val def __str__(self): return self.val st = String('sample string')
那么,st是可迭代的吗?
>>> iter(st) TypeError: 'String' object is not iterable
你可能会有几个问题要问:
怎么让自定义的类型可迭代?
iter()究竟做了些什么?
让我们补充String类来找找答案
class String(object): def __init__(self, val): self.val = val def __str__(self): return self.val def __iter__(self): print "This is __iter__ method of String class" return iter(self.val) #self.val is python string so iter() will return it's iterator >>> st = String('Sample String') >>> iter(st) This is __iter__ method of String class <iterator object at 0x026C8150>
在String类中需要一个'__iter__'方法把String类型变成可迭代的,这就是说'iter'内部调用了'iterable.__iter__()'
别急,不是只有增加'__iter()'方法这一种途径
class String(object): def __init__(self, val): self.val = val def __str__(self): return self.val def __getitem__(self, index): return self.val[index] >>> st = String('Sample String') >>> iter(st) <iterator object at 0x0273AC10>
‘itr'也会调用'iterable.__getitem__()',所以我们用'__getitem__'方法让String类型可迭代。
如果在String类中同时使用'__iter__()'和'__getitem__()',就只有'__iter__'会起作用。
自动迭代
for循环会自动迭代
for x in iterable: print x
我们可以不用for循环来实现吗?
def iterate_while(iterable): index = 0 while(i< len(iterable)): print iterable[i] i +=1
这样做对list和string是管用的,但对dictionary不会奏效,所以这绝对不是python式的迭代,也肯定不能模拟for循环的功能。我们先看迭代器,等下回再过头来。
迭代器
关于迭代器先说几条………..
1. 迭代器对象在迭代过程中会会产生可迭代的值,`next()`或者`__next()__`是迭代器用来产生下一个值的方法。
2. 它会在迭代结束后发出StopIteration异常。
3. `iter()`函数返回迭代器对象
4. 如果`iter()`函数被用在迭代器对象,它会返回对象本身
我们试一试模仿for循环
def simulate_for_loop(iterable): it = iter(iterable) while(True): try: print next(it) except StopIteration: break >>> simulate_for_loop([23,12,34,56]) 23 12 34 56
前面我们看过了iterable类,我们知道iter会返回迭代器对象。
现在我们试着理解迭代器类的设计。
class Iterator: def __init__(self, iterable) self.iterable = iterable . . def __iter__(self): #iter should return self if called on iterator return self def next(self): #Use __next__() in python 3.x if condition: #it should raise StopIteration exception if no next element is left to return raise StopIteration
我们学了够多的迭代和迭代器,在python程序中不会用到比这更深的了。
但是为了学习的目的我们就到这儿。。。。
列表迭代器
你可能会在面试中写这个,所以打起精神来注意了
class list_iter(object): def __init__(self, list_data): self.list_data = list_data self.index = 0 def __iter__(self): return self def next(self): #Use __next__ in python 3.x if self.index < len(self.list_data): val = self.list_data[self.index] self.index += 1 return val else: raise StopIteration()
我们来用`list_iter`自己定义一个列表迭代器
class List(object): def __init__(self, val): self.val = val def __iter__(self): return list_iter(self.val) >>> ls = List([1,2,34]) >>> it = iter(ls) >>> next(it) 1 >>> next(it) 2 >>> next(it) 34 >>> next(it) Traceback (most recent call last): File "<pyshell#254>", line 1, in <module> next(it) File "<pyshell#228>", line 13, in next raise StopIteration() StopIteration
xrange
从一个问题开始——xrange是迭代还是迭代器?
我们来看看
>>> x = xrange(10) >>> type(x) <type 'xrange'>
几个关键点:
1. `iter(xrange(num))`应该被支持
2. 如果`iter(xrange(num))`返回同样的对象(xrange类型)那xrange就是迭代器
3. 如果`iter(xrange(num))`返回一个迭代器对象那xrange就是迭代
>>> iter(xrange(10)) <rangeiterator object at 0x0264EFE0>
它返回了rangeiterator,所以我们完全可以叫它迭代器。
让我们用最少的xrange函数实现自己的xrange
xrange_iterator
class xrange_iter(object): def __init__(self, num): self.num = num self.start = 0 def __iter__(self): return self def next(self): if self.start < self.num: val = self.start self.start += 1 return val else: raise StopIteration()
my xrange
class my_xrange(object): def __init__(self, num): self.num = num def __iter__(self): return xrange_iter(self.num) >>> for x in my_xrange(10): print x, 0 1 2 3 4 5 6 7 8 9
以上就是本文的全部内容,希望对大家学习掌握Python迭代和迭代器有所帮助。

NumpyarraysarebetterFornumericaloperations und multi-dimensionaldata, whilethearraymoduleiStableforbasic, an Gedächtniseffizienten

NumpyarraysarebetterforeheavynumericalComputing, während der projectwithsimpledatatypes.1) numpyarraysoferversatility und -PerformanceForlargedataSets und Compoxexoperations.2) thearraysoferversStility und Mächnory-Effefef

ctypesallowscreatingandmanipulationsc-stylearraysinpython.1) usectypestoInterfaceWithClibraryForperformance.2) createCec-stylearraysFornumericalComputationen.3) PassarrayStocfunctionsFectionFicecher-Operationen.

Inpython, eine "Liste" iSaverSatile, mutablesquencethatcanholdmixedDatatypes, während "Array" iSamorememory-effizientes, homogenoussequencequiringelementementsOfthesametype.1) ListareidealfordVeredatastorageAndmanipulationDuetothisiflexflexibilität

PythonlistsandArraysarBothmus.1) listsareflexiBleDsupportheterogenDatabUtarelessMemoryeffizient.2) Arraysaremoremory-effizientforhomogenousDatAbutLessvertile, das KorrectTypecodusagetoavoidoVoidERRors erfordert.

Python und C haben jeweils ihre eigenen Vorteile, und die Wahl sollte auf Projektanforderungen beruhen. 1) Python ist aufgrund seiner prägnanten Syntax und der dynamischen Typisierung für die schnelle Entwicklung und Datenverarbeitung geeignet. 2) C ist aufgrund seiner statischen Tipp- und manuellen Speicherverwaltung für hohe Leistung und Systemprogrammierung geeignet.

Die Auswahl von Python oder C hängt von den Projektanforderungen ab: 1) Wenn Sie eine schnelle Entwicklung, Datenverarbeitung und Prototypdesign benötigen, wählen Sie Python. 2) Wenn Sie eine hohe Leistung, eine geringe Latenz und eine schließende Hardwarekontrolle benötigen, wählen Sie C.

Indem Sie täglich 2 Stunden Python -Lernen investieren, können Sie Ihre Programmierkenntnisse effektiv verbessern. 1. Lernen Sie neues Wissen: Lesen Sie Dokumente oder sehen Sie sich Tutorials an. 2. Üben: Schreiben Sie Code und vollständige Übungen. 3. Überprüfung: Konsolidieren Sie den Inhalt, den Sie gelernt haben. 4. Projektpraxis: Wenden Sie an, was Sie in den tatsächlichen Projekten gelernt haben. Ein solcher strukturierter Lernplan kann Ihnen helfen, Python systematisch zu meistern und Karriereziele zu erreichen.


Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

Video Face Swap
Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heißer Artikel

Heiße Werkzeuge

EditPlus chinesische Crack-Version
Geringe Größe, Syntaxhervorhebung, unterstützt keine Code-Eingabeaufforderungsfunktion

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Dreamweaver Mac
Visuelle Webentwicklungstools

MinGW – Minimalistisches GNU für Windows
Dieses Projekt wird derzeit auf osdn.net/projects/mingw migriert. Sie können uns dort weiterhin folgen. MinGW: Eine native Windows-Portierung der GNU Compiler Collection (GCC), frei verteilbare Importbibliotheken und Header-Dateien zum Erstellen nativer Windows-Anwendungen, einschließlich Erweiterungen der MSVC-Laufzeit zur Unterstützung der C99-Funktionalität. Die gesamte MinGW-Software kann auf 64-Bit-Windows-Plattformen ausgeführt werden.
