python 生成器和迭代器

简介: 在Python中,迭代器是遵循迭代协议的对象。 使用iter ()从任何序列对象中得到迭代器(如 list, tuple, dictionary, set 等)。

目录

一、递归函数

递归:如果一个函数内部调用了自己那么就叫递归。

def f():
    print("你好,我叫aa")
    f()
f()

1.如果要定义递归函数,必须要有出口,因为无限递归会导致内存溢出

2.设计一个出口,不断的向出口接近

def f(x):
    print("你好,我叫aa")
    if x == 10:
        return  # 结束函数
    f(x + 1)
f(1)

案例:求987654321 的结果,就是9的阶乘

n! = n * (n-1)!
9的阶乘 = 9 * 8 * 7 * 6 * 5 * 4 * 3 * 2 * 1
9的阶乘 = 9 * 8!
8的阶乘 = 8 * 7!
7的阶乘 = 7 * 6!
6的阶乘 = 6 * 5!
5的阶乘 = 5 * 4!
4的阶乘 = 4 * 3!
3的阶乘 = 3 * 2!
2的阶乘 = 2 * 1!
f(x) = x * f(x-1) # 阶乘公式
def f(x):
    if x == 1:
        return 1
    return x * f(x - 1)
print(f(5))
 f(5) = 5 * f(4)
      5 * 4 * f(3)
      5 * 4 * 3 * f(2)
     5 * 4 * 3 * 2 * f(1)  # f(1) = 1

二、生成器

在 Python 中,使用了 yield 的函数被称为生成器(generator)。跟普通函数不同的是,生成器是一个返回迭代器的函数,只能用于迭代操作,更简单点理解生成器就是一个迭代器。 在调用生成器运行的过程中,每次遇到yield 时函数会暂停并保存当前所有的运行信息,返回 yield 的值, 并在下一次执行 next () 方法时从当前位置继续运行。

生成器:相当于存储一种厨师

# s = [x for x in range(10000000)]
f = (x for x in range(10))
print(next(f)) # 输出f的第1个值
print(next(f)) # 输出f的第2个值
print(next(f)) # 输出f的第3个值
....

一次性做出所有菜

for i in f:
    print(i)
def f():
    print("f1")
    yield 1  # 挂起
    print("f2")
    yield 2  # 挂起
def g():
    print("g1")
    yield 1
    print("g2")
    yield 2

可以使用生成器 多个任务 交叉执行

g1 = f()
g2 = g()
next(g1)
next(g2)
next(g1)
next(g2)
# f1 g1 f2 g2

生成器的两种创建方式

1.(i for i in range(1,10))

2.yiled 关键字实现

def f():
    print("f1")
    yield 1  # 挂起
    print("f2")
    yield 2  # 挂起
    print("f3")
    yield 3
g = f()

迭代遍历的本质:

不断通过 i = next(g)

for i in g:
    print(i)

for i in 可迭代对象

从现象来说,只要是可以for循环的都是可迭代对象
从本质来说,是内置有iter方法的是可迭代对象

能for循环是因为有一个__iter__()方法

可迭代对象:对象拥有iter方法的

三、迭代器

在Python中,迭代器是遵循迭代协议的对象。 使用iter ()从任何序列对象中得到迭代器(如 list, tuple, dictionary, set 等)。

生成器就是迭代器

迭代器需要满足两个条件:

1.有iter方法

2.有next方法

l = [1,2,3,4]
l.__iter__()
iter(l) # 本质上就是  l.__iter__()
iter : 返回一个迭代器对象

for循环内部本质3个事情

1.调用可迭代对象的iter方法返回一个迭代器

2.不断调用迭代器的next方法

3.处理异常

相关文章
|
26天前
|
大数据 数据处理 数据安全/隐私保护
Python3 迭代器与生成器详解:从入门到实践
简介:本文深入解析Python中处理数据序列的利器——迭代器与生成器。通过通俗语言与实战案例,讲解其核心原理、自定义实现及大数据处理中的高效应用。
67 0
|
2月前
|
人工智能 数据安全/隐私保护 Python
小红书图文生成器,小红书AI图文生成工具,python版本软件
Pillow库自动生成符合平台尺寸要求的配图7;3)利用Playwright实现自动化发布流程6。
|
2月前
|
数据采集 NoSQL 调度
当生成器遇上异步IO:Python并发编程的十大实战兵法
本文通过十大实战场景,详解Python中生成器与异步IO的高效结合。从协程演进、背压控制到分布式锁、性能剖析,全面展示如何利用asyncio与生成器构建高并发应用,助你掌握非阻塞编程核心技巧,提升I/O密集型程序性能。
99 0
|
6天前
|
存储 大数据 Unix
Python生成器 vs 迭代器:从内存到代码的深度解析
在Python中,处理大数据或无限序列时,迭代器与生成器可避免内存溢出。迭代器通过`__iter__`和`__next__`手动实现,控制灵活;生成器用`yield`自动实现,代码简洁、内存高效。生成器适合大文件读取、惰性计算等场景,是性能优化的关键工具。
90 2
|
5月前
|
开发者 Python
Python代码设计:使用生成器替代回调函数
本文探讨了在处理大文件时计算MD5值的实现方法,并展示了如何通过回调函数、生成器和类等方式输出进度。首先介绍了通过回调函数更新进度的方式,然后优化为使用生成器简化调用者代码,最后对比了两种方式的优缺点。虽然生成器使代码更简洁,但在异常处理上不如回调函数灵活。作者通过实例分析,帮助开发者根据需求选择合适的方式。
103 16
|
1月前
|
传感器 数据采集 监控
Python生成器与迭代器:从内存优化到协程调度的深度实践
简介:本文深入解析Python迭代器与生成器的原理及应用,涵盖内存优化技巧、底层协议实现、生成器通信机制及异步编程场景。通过实例讲解如何高效处理大文件、构建数据流水线,并对比不同迭代方式的性能特点,助你编写低内存、高效率的Python代码。
117 0
|
2月前
|
存储 API 数据库
自动发短信的软件,批量自动群发短信,手机号电话号生成器【python框架】
这个短信群发系统包含以下核心功能: 随机手机号生成器(支持中国号码) 批量短信发送功能(使用Twilio API)
|
3月前
|
数据采集 搜索推荐 调度
当生成器遇上异步IO:Python并发编程的十大实战兵法
生成器与异步IO是Python并发编程中的两大利器,二者结合可解决诸多复杂问题。本文通过十个真实场景展示其强大功能:从优雅追踪日志文件、API调用流量整形,到实时数据流反压控制、大文件分片处理等,每个场景都体现了生成器按需生成数据与异步IO高效利用I/O的优势。两者配合不仅内存可控、响应及时,还能实现资源隔离与任务独立调度,为高并发系统提供优雅解决方案。这种组合如同乐高积木,虽单个模块简单,但组合后却能构建出复杂高效的系统。
89 0
|
10月前
|
大数据 数据处理 开发者
Python中的迭代器和生成器:不仅仅是语法糖####
本文探讨了Python中迭代器和生成器的深层价值,它们不仅简化代码、提升性能,还促进了函数式编程风格。通过具体示例,揭示了这些工具在处理大数据、惰性求值及资源管理等方面的优势。 ####
|
10月前
|
JavaScript 前端开发 算法
python中的列表生成式和生成器
欢迎来到瑞雨溪的博客,这里是一位热爱JavaScript和Vue的大一学生的天地。通过自学前端技术2年半,现正向全栈开发迈进。如果你从我的文章中受益,欢迎关注,我将持续更新高质量内容,你的支持是我前进的动力!🎉🎉🎉
129 0

推荐镜像

更多