Python学习:迭代器与生成器的深入解析

简介: Python学习:迭代器与生成器的深入解析

函数在Python中扮演着重要角色,不仅可以封装代码逻辑,还能通过迭代器和生成器这两种强大的技术,实现更高效的数据处理和遍历。本篇博客将深入探讨Python函数的迭代器和生成器,结合实际案例为你揭示它们的神奇,以及如何巧妙地应用迭代器和生成器来解决实际问题。

迭代器:数据的遍历之道

迭代器是Python中一种特殊的对象,它能够逐个返回数据元素,使得数据的遍历变得更加高效。

迭代器基础

numbers = [1, 2, 3, 4, 5]
iterator = iter(numbers)
print(next(iterator))  # 输出:1
print(next(iterator))  # 输出:2
print(next(iterator))  # 输出:3

自定义迭代器

class SquareIterator:
    def __init__(self, data):
        self.data = data
        self.index = 0
    def __iter__(self):
        return self
    def __next__(self):
        if self.index >= len(self.data):
            raise StopIteration
        result = self.data[self.index] ** 2
        self.index += 1
        return result
numbers = [1, 2, 3, 4, 5]
square_iter = SquareIterator(numbers)
for num in square_iter:
    print(num)

在案例中,我们定义了一个自定义迭代器SquareIterator,用于将数据中的每个元素平方后返回。

生成器:延迟计算的智慧

生成器是一种更为高级的迭代器,它能够在需要时按需生成数据,实现了更高效的内存利用和数据处理。

生成器函数

def square_generator(data):
    for num in data:
        yield num ** 2
numbers = [1, 2, 3, 4, 5]
square_gen = square_generator(numbers)
for num in square_gen:
    print(num)

生成器表达式

numbers = [1, 2, 3, 4, 5]
square_gen = (num ** 2 for num in numbers)
for num in square_gen:
    print(num)

迭代器和生成器的案例:斐波那契数列

def fibonacci_generator():
    a, b = 0, 1
    while True:
        yield a
        a, b = b, a + b
fib_gen = fibonacci_generator()
for _ in range(10):
    print(next(fib_gen), end=" ")

在这个案例中,我们通过生成器实现了一个无限生成斐波那契数列的序列。

总结

迭代器和生成器是Python函数的两大神奇能力,能够在数据处理和遍历中发挥重要作用。本篇博客深入介绍了迭代器的基本原理、自定义迭代器以及生成器的创建和使用,结合实际案例展示了它们的威力。在实际编程中,巧妙地运用迭代器和生成器,可以使数据处理更加高效、节省内存,带你进入数据处理的新境界。

目录
相关文章
|
存储 JavaScript Java
(Python基础)新时代语言!一起学习Python吧!(四):dict字典和set类型;切片类型、列表生成式;map和reduce迭代器;filter过滤函数、sorted排序函数;lambda函数
dict字典 Python内置了字典:dict的支持,dict全称dictionary,在其他语言中也称为map,使用键-值(key-value)存储,具有极快的查找速度。 我们可以通过声明JS对象一样的方式声明dict
701 2
|
存储 Java 数据处理
(numpy)Python做数据处理必备框架!(一):认识numpy;从概念层面开始学习ndarray数组:形状、数组转置、数值范围、矩阵...
Numpy是什么? numpy是Python中科学计算的基础包。 它是一个Python库,提供多维数组对象、各种派生对象(例如掩码数组和矩阵)以及用于对数组进行快速操作的各种方法,包括数学、逻辑、形状操作、排序、选择、I/0 、离散傅里叶变换、基本线性代数、基本统计运算、随机模拟等等。 Numpy能做什么? numpy的部分功能如下: ndarray,一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组 用于对整组数据进行快速运算的标准数学函数(无需编写循环)。 用于读写磁盘数据的工具以及用于操作内存映射文件的工具。 线性代数、随机数生成以及傅里叶变换功能。 用于集成由C、C++
888 1
|
算法 Java Docker
(Python基础)新时代语言!一起学习Python吧!(三):IF条件判断和match匹配;Python中的循环:for...in、while循环;循环操作关键字;Python函数使用方法
IF 条件判断 使用if语句,对条件进行判断 true则执行代码块缩进语句 false则不执行代码块缩进语句,如果有else 或 elif 则进入相应的规则中执行
1870 1
|
存储 Java 索引
(Python基础)新时代语言!一起学习Python吧!(二):字符编码由来;Python字符串、字符串格式化;list集合和tuple元组区别
字符编码 我们要清楚,计算机最开始的表达都是由二进制而来 我们要想通过二进制来表示我们熟知的字符看看以下的变化 例如: 1 的二进制编码为 0000 0001 我们通过A这个字符,让其在计算机内部存储(现如今,A 字符在地址通常表示为65) 现在拿A举例: 在计算机内部 A字符,它本身表示为 65这个数,在计算机底层会转为二进制码 也意味着A字符在底层表示为 1000001 通过这样的字符表示进行转换,逐步发展为拥有127个字符的编码存储到计算机中,这个编码表也被称为ASCII编码。 但随时代变迁,ASCII编码逐渐暴露短板,全球有上百种语言,光是ASCII编码并不能够满足需求
516 4
|
机器学习/深度学习 自然语言处理 大数据
深入理解python的生成器表达式和列表解析
没有用过的东西,没有深刻理解的东西很难说自己会,而且被别人一问必然破绽百出。虽然之前有接触过python协程的概念,但是只是走马观花,这两天的一次交谈中,别人问到了协程,顿时语塞,死活想不起来曾经看过的东西,之后突然想到了yield,但为时已晚,只能说概念不清,所以本篇先缕缕python的生成器和yield关键字。
1125 99
|
Python
如何在Python中使用生成器表达式?
如何在Python中使用生成器表达式?
400 5
|
Python
python生成器表达式
python生成器表达式
436 0
|
机器学习/深度学习 数据采集 数据挖掘
【python进阶】你还在使用for循环新建数组?生成器表达式帮你一行解决
在本文中,介绍了生成器与表达式的用法,帮助我们快速创建数组以及其他序列,解锁了python序列的新姿势。在后续的更新中,我将继续对元组的高级姿势和玩法进行介绍。
14999 2
【python进阶】你还在使用for循环新建数组?生成器表达式帮你一行解决
|
Python
Python 教程之控制流(17)生成器表达式
Python 教程之控制流(17)生成器表达式
198 0

热门文章

最新文章

推荐镜像

更多