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
|
1月前
|
存储 索引 Python
|
1月前
|
Python
Python生成器、装饰器、异常
【10月更文挑战第15天】
|
1月前
|
传感器 大数据 数据处理
深入理解Python中的生成器:用法及应用场景
【10月更文挑战第7天】深入理解Python中的生成器:用法及应用场景
45 1
|
1月前
|
存储 数据处理 Python
深入解析Python中的生成器:效率与性能的双重提升
生成器不仅是Python中的一个高级特性,它们是构建高效、内存友好型应用程序的基石。本文将深入探讨生成器的内部机制,揭示它们如何通过惰性计算和迭代器协议提高数据处理的效率。
|
22天前
|
存储 程序员 数据处理
深入理解Python中的生成器与迭代器###
本文将探讨Python中生成器与迭代器的核心概念,通过对比分析二者的异同,结合具体代码示例,揭示它们在提高程序效率、优化内存使用方面的独特优势。生成器作为迭代器的一种特殊形式,其惰性求值的特性使其在处理大数据流时表现尤为出色。掌握生成器与迭代器的灵活运用,对于提升Python编程技能及解决复杂问题具有重要意义。 ###
|
1月前
|
存储 索引 Python
Python 迭代器是怎么实现的?
Python 迭代器是怎么实现的?
31 6
|
2月前
|
索引 Python
解密 Python 迭代器的实现原理
解密 Python 迭代器的实现原理
48 13
|
1月前
|
存储 大数据 数据处理
Python 中的列表推导式与生成器:特性、用途与区别
Python 中的列表推导式与生成器:特性、用途与区别
26 2
|
1月前
|
存储 大数据 Python
Python 中的列表推导式和生成器
Python 中的列表推导式和生成器
20 1
|
2月前
|
机器学习/深度学习 设计模式 大数据
30天拿下Python之迭代器和生成器
30天拿下Python之迭代器和生成器
20 3
下一篇
无影云桌面