Python----迭代器的使用方法

简介: Python----迭代器的使用方法

Iterable,可迭代:

一个类实现了__iter__()函数,则这个类是可迭代的,通常__iter__()函数必须返回一个
实现了__next__()的类的对象,当然如果自己实现了__next__(),也可以返回自己

Iterator 迭代器:

同时实现了__iter__()和__next__()的对象,就是迭代器

class Student():
    def __init__(self,name):
        self.name=name
        self.start=0

    def __iter__(self):
        return self

    def __next__(self):
        if self.start <len(self.name):
            result=self.name[self.start]
            self.start+=1
            return result
        else:
            raise StopIteration

s=Student("Jack Macial")
for elem in s:
    print(elem)

执行结果如下:

J
a
c
k
 
M
a
c
i
a
l

下面查看next函数的使用

class Student():
    def __init__(self,name):
        self.name=name
        self.start=0

    def __iter__(self):
        return self

    def __next__(self):
        if self.start <len(self.name):
            result=self.name[self.start]
            self.start+=1
            return result
        else:
            raise StopIteration

s=Student("Jack Macial")
print(next(s))
print(next(s))
print(next(s))
print(next(s))
print(next(s))
print(next(s))
print(next(s))
print(next(s))
print(next(s))
print(next(s))
print(next(s))
print(next(s))

执行结果如下:

J
a
c
k
 
M
a
c
i
a
l
Traceback (most recent call last):
  File "G:/python_flask/test.py", line 29, in <module>
    print(next(s))
  File "G:/python_flask/test.py", line 15, in __next__
    raise StopIteration
StopIteration
目录
相关文章
|
5月前
|
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
352 1
|
5月前
|
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
738 1
|
6月前
|
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。
343 2
|
7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。
295 0
|
6月前
|
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。
308 0
|
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。 ####
|
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
162 13
|
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?
182 6
|
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
129 3
|
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。 ###

推荐镜像

更多