前言

最近在學(xué)習(xí)深度學(xué)習(xí)，已經(jīng)跑出了幾個(gè)模型，但Pyhton的基礎(chǔ)不夠扎實(shí)，因此，開始補(bǔ)習(xí)Python了，大家都推薦廖雪峰的課程，因此，開始了學(xué)習(xí)，但光學(xué)有沒有用，還要和大家討論一下，因此，寫下這些帖子，廖雪峰的課程連接在這里：廖雪峰
Python的相關(guān)介紹，以及它的歷史故事和運(yùn)行機(jī)制，可以參見這篇：python介紹
Python的安裝可以參見這篇：Python安裝
Python的運(yùn)行模式以及輸入輸出可以參見這篇：Python IO
Python的基礎(chǔ)概念介紹，可以參見這篇：Python 基礎(chǔ)
Python字符串和編碼的介紹，可以參見這篇：Python字符串與編碼
Python基本數(shù)據(jù)結(jié)構(gòu)：list和tuple介紹，可以參見這篇：Python list和tuple
Python控制語(yǔ)句介紹：ifelse，可以參見這篇：Python 條件判斷
Python控制語(yǔ)句介紹：循環(huán)實(shí)現(xiàn)，可以參見這篇：Python循環(huán)語(yǔ)句
Python數(shù)據(jù)結(jié)構(gòu)：dict和set介紹Python數(shù)據(jù)結(jié)構(gòu)dict和set
Python函數(shù)相關(guān)：Python函數(shù)
目錄：

• 前言
• 高級(jí)特性
  • 切片
    • 練習(xí)
  • 迭代
    • 練習(xí)
  • 列表生成式
    • 練習(xí)
  • 生成器
    • 練習(xí)生成楊輝三角
    • 小結(jié)
  • 迭代器
    • 小結(jié)

高級(jí)特性

掌握了Python的數(shù)據(jù)結(jié)構(gòu)、控制語(yǔ)句和基本函數(shù)，基本上就可以編寫出很多有用的程序了。
比如構(gòu)造一個(gè)1, 3, 5, 7, …, 99的列表，可以通過循環(huán)實(shí)現(xiàn)：
L = []
n = 1
while n <= 99:
L.append(n)
n = n + 2
取list的前一半的元素，也可以通過循環(huán)實(shí)現(xiàn)。
但是在Python中，代碼不是越多越好，而是越少越好。代碼不是越復(fù)雜越好，而是越簡(jiǎn)單越好。
基于這一思想，我們來介紹Python中非常有用的高級(jí)特性，1行代碼能實(shí)現(xiàn)的功能，決不寫5行代碼。
請(qǐng)始終牢記，代碼越少，開發(fā)效率越高。

切片

取一個(gè)list或tuple的部分元素是非常常見的操作。比如，一個(gè)list如下：

>>> L = ['Mike', 'Sarah', 'Tracy', 'Bob', 'Jack']

取前3個(gè)元素，應(yīng)該怎么做？
笨辦法：

>>> [L[0], L[1], L[2]] ['Mike', 'Sarah', 'Tracy']

之所以是笨辦法是因?yàn)閿U(kuò)展一下，取前N個(gè)元素就沒轍了。
取前N個(gè)元素，也就是索引為0-(N-1)的元素，可以用循環(huán)：

>>> r = [] >>> n = 3 >>> for i in range(n): ... r.append(L[i]) ... >>> r ['Mike', 'Sarah', 'Tracy']

對(duì)這種經(jīng)常取指定索引范圍的操作，用循環(huán)十分繁瑣，因此，Python提供了切片（Slice）操作符，能大大簡(jiǎn)化這種操作。
對(duì)應(yīng)上面的問題，取前3個(gè)元素，用一行代碼就可以完成切片：

>>> L[0:3] ['Michael', 'Sarah', 'Tracy']

L[0:3]表示，從索引0開始取，直到索引3為止，但不包括索引3。即索引0，1，2，正好是3個(gè)元素。
如果第一個(gè)索引是0，還可以省略：

>>> L[:3] ['Mike', 'Sarah', 'Tracy']

也可以從索引1開始，取出2個(gè)元素出來：

>>> L[1:3] ['Sarah', 'Tracy']

類似的，既然Python支持L[-1]取倒數(shù)第一個(gè)元素，那么它同樣支持倒數(shù)切片，試試：

>>> L[-2:] ['Bob', 'Jack'] >>> L[-2:-1] ['Bob']

記住倒數(shù)第一個(gè)元素的索引是-1。
切片操作十分有用。我們先創(chuàng)建一個(gè)0-99的數(shù)列：

>>> L = list(range(100)) >>> L [0, 1, 2, 3, ..., 99]

可以通過切片輕松取出某一段數(shù)列。比如前10個(gè)數(shù)：

>>> L[:10] [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

后10個(gè)數(shù)：

>>> L[-10:] [90, 91, 92, 93, 94, 95, 96, 97, 98, 99]

前11-20個(gè)數(shù)：

>>> L[10:20] [10, 11, 12, 13, 14, 15, 16, 17, 18, 19]

前10個(gè)數(shù)，每?jī)蓚€(gè)取一個(gè)：

>>> L[:10:2] [0, 2, 4, 6, 8]

所有數(shù)，每5個(gè)取一個(gè)：

>>> L[::5] [0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]

甚至什么都不寫，只寫[:]就可以原樣復(fù)制一個(gè)list：

>>> L[:] [0, 1, 2, 3, ..., 99]

tuple也是一種list，唯一區(qū)別是tuple不可變。因此，tuple也可以用切片操作，只是操作的結(jié)果仍是tuple：

>>> (0, 1, 2, 3, 4, 5)[:3] (0, 1, 2)

字符串’xxx’也可以看成是一種list，每個(gè)元素就是一個(gè)字符。因此，字符串也可以用切片操作，只是操作結(jié)果仍是字符串：

>>> 'ABCDEFG'[:3] 'ABC' >>> 'ABCDEFG'[::2] 'ACEG'

在很多編程語(yǔ)言中，針對(duì)字符串提供了很多各種截取函數(shù)（例如，substring），其實(shí)目的就是對(duì)字符串切片。Python沒有針對(duì)字符串的截取函數(shù)，只需要切片一個(gè)操作就可以完成，非常簡(jiǎn)單。

練習(xí)

利用切片操作，實(shí)現(xiàn)一個(gè)trim()函數(shù)，去除字符串首尾的空格，注意不要調(diào)用str的strip()方法：

def trim(s):num=len(s)timer1=0timer2=-1for i in range(0,num):if s[timer1]==' ':timer1=timer1+1if s[timer2]==' ':timer2=timer2-1s3=s[timer1:timer2+num+1]return s3

迭代

如果給定一個(gè)list或tuple，我們可以通過for循環(huán)來遍歷這個(gè)list或tuple，這種遍歷我們稱為迭代（Iteration）。
在Python中，迭代是通過for … in來完成的，而很多語(yǔ)言比如C語(yǔ)言，迭代list是通過下標(biāo)完成的，比如Java代碼：

for (i=0; i<list.length; i++) {n = list[i]; }

可以看出，Python的for循環(huán)抽象程度要高于C的for循環(huán)，因?yàn)镻ython的for循環(huán)不僅可以用在list或tuple上，還可以作用在其他可迭代對(duì)象上。

list這種數(shù)據(jù)類型雖然有下標(biāo)，但很多其他數(shù)據(jù)類型是沒有下標(biāo)的，但是，只要是可迭代對(duì)象，無論有無下標(biāo)，都可以迭代，比如dict就可以迭代：

>>> d = {'a': 1, 'b': 2, 'c': 3} >>> for key in d: ... print(key) ... a c b

因?yàn)閐ict的存儲(chǔ)不是按照l(shuí)ist的方式順序排列，所以，迭代出的結(jié)果順序很可能和初始化的結(jié)果不一樣。

默認(rèn)情況下，dict迭代的是key。如果要迭代value，可以用for value in d.values()，如果要同時(shí)迭代key和value，可以用for k, v in d.items()。
由于字符串也是可迭代對(duì)象，因此，也可以作用于for循環(huán)：

>>> for ch in 'ABC': ... print(ch) ... A B C

所以，當(dāng)我們使用for循環(huán)時(shí)，只要作用于一個(gè)可迭代對(duì)象，for循環(huán)就可以正常運(yùn)行，而我們不太關(guān)心該對(duì)象究竟是list還是其他數(shù)據(jù)類型。
那么，如何判斷一個(gè)對(duì)象是可迭代對(duì)象呢？方法是通過collections模塊的Iterable類型判斷：

>>> from collections import Iterable >>> isinstance('abc', Iterable) # str是否可迭代 True >>> isinstance([1,2,3], Iterable) # list是否可迭代 True >>> isinstance(123, Iterable) # 整數(shù)是否可迭代 False

最后一個(gè)小問題，如果要對(duì)list實(shí)現(xiàn)類似Java那樣的下標(biāo)循環(huán)怎么辦？Python內(nèi)置的enumerate函數(shù)可以把一個(gè)list變成索引-元素對(duì)，這樣就可以在for循環(huán)中同時(shí)迭代索引和元素本身：

>>> for i, value in enumerate(['A', 'B', 'C']): ... print(i, value) ... 0 A 1 B 2 C

上面的for循環(huán)里，同時(shí)引用了兩個(gè)變量，在Python里是很常見的，比如下面的代碼：

>>> for x, y in [(1, 1), (2, 4), (3, 9)]: ... print(x, y) ... 1 1 2 4 3 9

練習(xí)

請(qǐng)使用迭代查找一個(gè)list中最小和最大值，并返回一個(gè)tuple：

def finde(x):minn=x[0]maxn=x[0]for value in x:if minn>value:minn=valueif maxn<value:maxn=valuereturn(minn,maxn)

列表生成式

列表生成式即List Comprehensions，是Python內(nèi)置的非常簡(jiǎn)單卻強(qiáng)大的可以用來創(chuàng)建list的生成式。
舉個(gè)例子，要生成list [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]可以用list(range(1, 11))：

>>> list(range(1, 11)) [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

但如果要生成[1x1, 2x2, 3x3, …, 10x10]怎么做？方法一是循環(huán)：

>>> L = [] >>> for x in range(1, 11): ... L.append(x * x) ... >>> L [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

但是循環(huán)太繁瑣，而列表生成式則可以用一行語(yǔ)句代替循環(huán)生成上面的list：

>>> [x * x for x in range(1, 11)] [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

寫列表生成式時(shí)，把要生成的元素x * x放到前面，后面跟for循環(huán)，就可以把list創(chuàng)建出來，十分有用，多寫幾次，很快就可以熟悉這種語(yǔ)法。
for循環(huán)后面還可以加上if判斷，這樣我們就可以篩選出僅偶數(shù)的平方：

>>> [x * x for x in range(1, 11) if x % 2 == 0] [4, 16, 36, 64, 100]

還可以使用兩層循環(huán)，可以生成全排列：

>>> [m + n for m in 'ABC' for n in 'XYZ'] ['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']

三層和三層以上的循環(huán)就很少用到了。
運(yùn)用列表生成式，可以寫出非常簡(jiǎn)潔的代碼。例如，列出當(dāng)前目錄下的所有文件和目錄名，可以通過一行代碼實(shí)現(xiàn)：

>>> import os # 導(dǎo)入os模塊，模塊的概念后面講到 >>> [d for d in os.listdir('.')] # os.listdir可以列出文件和目錄 ['check_exampe.py', 'example_.py', 'example_download.py', 'example_download2.py', 'example_fact.py', 'example_find.py', 'example_function.py', 'example_Hanno.py', 'example_month_2.py', 'example_Multifunc.py', 'example_one.py', 'example_power.py', 'example_power1.py', 'example_print.py', 'example_print2.py', 'example_strip.py', 'example_variable.py', 'QR.png', '__pycache__']

for循環(huán)其實(shí)可以同時(shí)使用兩個(gè)甚至多個(gè)變量，比如dict的items()可以同時(shí)迭代key和value：

>>> d = {'x': 'A', 'y': 'B', 'z': 'C' } >>> for k, v in d.items(): ... print(k, '=', v) ... y = B x = A z = C

因此，列表生成式也可以使用兩個(gè)變量來生成list：

>>> d = {'x': 'A', 'y': 'B', 'z': 'C' } >>> [k + '=' + v for k, v in d.items()] ['y=B', 'x=A', 'z=C']

最后把一個(gè)list中所有的字符串變成小寫：

>>> L = ['Hello', 'World', 'IBM', 'Apple'] >>> [s.lower() for s in L] ['hello', 'world', 'ibm', 'apple']

練習(xí)

如果list中既包含字符串，又包含整數(shù)，由于非字符串類型沒有l(wèi)ower()方法，所以列表生成式會(huì)報(bào)錯(cuò)：

>>> L = ['Hello', 'World', 18, 'Apple', None] >>> [s.lower() for s in L] Traceback (most recent call last):File "<stdin>", line 1, in <module>File "<stdin>", line 1, in <listcomp> AttributeError: 'int' object has no attribute 'lower'

使用內(nèi)建的isinstance函數(shù)可以判斷一個(gè)變量是不是字符串：

>>> x = 'abc' >>> y = 123 >>> isinstance(x, str) True >>> isinstance(y, str) False

答案

L = ['Hello', 'World', 18, 'Apple', None] l2=[s.lower() for s in L if isinstance(s,str)] print(l2)

生成器

通過列表生成式，我們可以直接創(chuàng)建一個(gè)列表。但是，受到內(nèi)存限制，列表容量肯定是有限的。而且，創(chuàng)建一個(gè)包含100萬(wàn)個(gè)元素的列表，不僅占用很大的存儲(chǔ)空間，如果我們僅僅需要訪問前面幾個(gè)元素，那后面絕大多數(shù)元素占用的空間都白白浪費(fèi)了。
所以，如果列表元素可以按照某種算法推算出來，那我們是否可以在循環(huán)的過程中不斷推算出后續(xù)的元素呢？這樣就不必創(chuàng)建完整的list，從而節(jié)省大量的空間。在Python中，這種一邊循環(huán)一邊計(jì)算的機(jī)制，稱為生成器：generator。
要?jiǎng)?chuàng)建一個(gè)generator，有很多種方法。第一種方法很簡(jiǎn)單，只要把一個(gè)列表生成式的[]改成()，就創(chuàng)建了一個(gè)generator：

>>> L = [x * x for x in range(10)] >>> L [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] >>> g = (x * x for x in range(10)) >>> g <generator object <genexpr> at 0x1022ef630>

創(chuàng)建L和g的區(qū)別僅在于最外層的[]和()，L是一個(gè)list，而g是一個(gè)generator。
我們可以直接打印出list的每一個(gè)元素，但我們?cè)趺创蛴〕鰃enerator的每一個(gè)元素呢？
如果要一個(gè)一個(gè)打印出來，可以通過next()函數(shù)獲得generator的下一個(gè)返回值：

>>> next(g) 0 >>> next(g) 1 >>> next(g) 4 >>> next(g) 9 >>> next(g) 16 >>> next(g) 25 >>> next(g) 36 >>> next(g) 49 >>> next(g) 64 >>> next(g) 81 >>> next(g) Traceback (most recent call last):File "<stdin>", line 1, in <module> StopIteration

我們講過，generator保存的是算法，每次調(diào)用next(g)，就計(jì)算出g的下一個(gè)元素的值，直到計(jì)算到最后一個(gè)元素，沒有更多的元素時(shí)，拋出StopIteration的錯(cuò)誤。
當(dāng)然，上面這種不斷調(diào)用next(g)實(shí)在是太變態(tài)了，正確的方法是使用for循環(huán)，因?yàn)間enerator也是可迭代對(duì)象：

>>> g = (x * x for x in range(10)) >>> for n in g: ... print(n) ... 0 1 4 9 16 25 36 49 64 81

所以，我們創(chuàng)建了一個(gè)generator后，基本上永遠(yuǎn)不會(huì)調(diào)用next()，而是通過for循環(huán)來迭代它，并且不需要關(guān)心StopIteration的錯(cuò)誤。
generator非常強(qiáng)大。如果推算的算法比較復(fù)雜，用類似列表生成式的for循環(huán)無法實(shí)現(xiàn)的時(shí)候，還可以用函數(shù)來實(shí)現(xiàn)。

比如，著名的斐波拉契數(shù)列（Fibonacci），除第一個(gè)和第二個(gè)數(shù)外，任意一個(gè)數(shù)都可由前兩個(gè)數(shù)相加得到：

1, 1, 2, 3, 5, 8, 13, 21, 34, ...

斐波拉契數(shù)列用列表生成式寫不出來，但是，用函數(shù)把它打印出來卻很容易：

def fib(max):n, a, b = 0, 0, 1while n < max:print(b)a, b = b, a + bn = n + 1return 'done'

注意，賦值語(yǔ)句：

a, b = b, a + b相當(dāng)于：t = (b, a + b) # t是一個(gè)tuple a = t[0] b = t[1]

但不必顯式寫出臨時(shí)變量t就可以賦值。
上面的函數(shù)可以輸出斐波那契數(shù)列的前N個(gè)數(shù)：

>>> fib(6) 1 1 2 3 5 8 'done'

仔細(xì)觀察，可以看出，fib函數(shù)實(shí)際上是定義了斐波拉契數(shù)列的推算規(guī)則，可以從第一個(gè)元素開始，推算出后續(xù)任意的元素，這種邏輯其實(shí)非常類似generator。
也就是說，上面的函數(shù)和generator僅一步之遙。要把fib函數(shù)變成generator，只需要把print(b)改為yield b就可以了：

def fib(max):n, a, b = 0, 0, 1while n < max:yield ba, b = b, a + bn = n + 1return 'done'

這就是定義generator的另一種方法。如果一個(gè)函數(shù)定義中包含yield關(guān)鍵字，那么這個(gè)函數(shù)就不再是一個(gè)普通函數(shù)，而是一個(gè)generator：

>>> f = fib(6) >>> f <generator object fib at 0x104feaaa0>

這里，最難理解的就是generator和函數(shù)的執(zhí)行流程不一樣。函數(shù)是順序執(zhí)行，遇到return語(yǔ)句或者最后一行函數(shù)語(yǔ)句就返回。而變成generator的函數(shù)，在每次調(diào)用next()的時(shí)候執(zhí)行，遇到y(tǒng)ield語(yǔ)句返回，再次執(zhí)行時(shí)從上次返回的yield語(yǔ)句處繼續(xù)執(zhí)行。
舉個(gè)簡(jiǎn)單的例子，定義一個(gè)generator，依次返回?cái)?shù)字1，3，5：

def odd():print('step 1')yield 1print('step 2')yield(3)print('step 3')yield(5)

調(diào)用該generator時(shí)，首先要生成一個(gè)generator對(duì)象，然后用next()函數(shù)不斷獲得下一個(gè)返回值：

>>> o = odd() >>> next(o) step 1 1 >>> next(o) step 2 3 >>> next(o) step 3 5 >>> next(o) Traceback (most recent call last):File "<stdin>", line 1, in <module> StopIteration

可以看到，odd不是普通函數(shù)，而是generator，在執(zhí)行過程中，遇到y(tǒng)ield就中斷，下次又繼續(xù)執(zhí)行。執(zhí)行3次yield后，已經(jīng)沒有yield可以執(zhí)行了，所以，第4次調(diào)用next(o)就報(bào)錯(cuò)。

回到fib的例子，我們?cè)谘h(huán)過程中不斷調(diào)用yield，就會(huì)不斷中斷。當(dāng)然要給循環(huán)設(shè)置一個(gè)條件來退出循環(huán)，不然就會(huì)產(chǎn)生一個(gè)無限數(shù)列出來。

同樣的，把函數(shù)改成generator后，我們基本上從來不會(huì)用next()來獲取下一個(gè)返回值，而是直接使用for循環(huán)來迭代：

>>> for n in fib(6): ... print(n) ... 1 1 2 3 5 8

但是用for循環(huán)調(diào)用generator時(shí)，發(fā)現(xiàn)拿不到generator的return語(yǔ)句的返回值。如果想要拿到返回值，必須捕獲StopIteration錯(cuò)誤，返回值包含在StopIteration的value中：

>>> g = fib(6) >>> while True:try:x = next(g)print('g:', x)except StopIteration as e:print('Generator return value:', e.value)breakg: 1 g: 1 g: 2 g: 3 g: 5 g: 8 Generator return value: done

關(guān)于如何捕獲錯(cuò)誤，后面的錯(cuò)誤處理還會(huì)詳細(xì)講解。

練習(xí)生成楊輝三角

def triangles(num):if num==1:b=[1]elif num==2:b=[1,1]else:b=[1,1]i=3while i <num:yield bc=i*[None]c[0]=1c[i-1]=1for j in range(1,i-1):c[j]=b[j-1]+b[j]b=ci=i+1 return b

小結(jié)

generator是非常強(qiáng)大的工具，在Python中，可以簡(jiǎn)單地把列表生成式改成generator，也可以通過函數(shù)實(shí)現(xiàn)復(fù)雜邏輯的generator。
要理解generator的工作原理，它是在for循環(huán)的過程中不斷計(jì)算出下一個(gè)元素，并在適當(dāng)?shù)臈l件結(jié)束for循環(huán)。對(duì)于函數(shù)改成的generator來說，遇到return語(yǔ)句或者執(zhí)行到函數(shù)體最后一行語(yǔ)句，就是結(jié)束generator的指令，for循環(huán)隨之結(jié)束。
請(qǐng)注意區(qū)分普通函數(shù)和generator函數(shù)，普通函數(shù)調(diào)用直接返回結(jié)果：

>>> r = abs(6) >>> r 6

generator函數(shù)的“調(diào)用”實(shí)際返回一個(gè)generator對(duì)象：

>>> g = fib(6) >>> g <generator object fib at 0x1022ef948>

迭代器

我們已經(jīng)知道，可以直接作用于for循環(huán)的數(shù)據(jù)類型有以下幾種：
一類是集合數(shù)據(jù)類型，如list、tuple、dict、set、str等；
一類是generator，包括生成器和帶yield的generator function。
這些可以直接作用于for循環(huán)的對(duì)象統(tǒng)稱為可迭代對(duì)象：Iterable。
可以使用isinstance()判斷一個(gè)對(duì)象是否是Iterable對(duì)象：

>>> from collections import Iterable >>> isinstance([], Iterable) True >>> isinstance({}, Iterable) True >>> isinstance('abc', Iterable) True >>> isinstance((x for x in range(10)), Iterable) True >>> isinstance(100, Iterable) False

而生成器不但可以作用于for循環(huán)，還可以被next()函數(shù)不斷調(diào)用并返回下一個(gè)值，直到最后拋出StopIteration錯(cuò)誤表示無法繼續(xù)返回下一個(gè)值了。

可以被next()函數(shù)調(diào)用并不斷返回下一個(gè)值的對(duì)象稱為迭代器：Iterator。

可以使用isinstance()判斷一個(gè)對(duì)象是否是Iterator對(duì)象：

>>> from collections import Iterator >>> isinstance((x for x in range(10)), Iterator) True >>> isinstance([], Iterator) False >>> isinstance({}, Iterator) False >>> isinstance('abc', Iterator) False

生成器都是Iterator對(duì)象，但list、dict、str雖然是Iterable，卻不是Iterator。

把list、dict、str等Iterable變成Iterator可以使用iter()函數(shù)：

>>> isinstance(iter([]), Iterator) True >>> isinstance(iter('abc'), Iterator) True

你可能會(huì)問，為什么list、dict、str等數(shù)據(jù)類型不是Iterator？

這是因?yàn)镻ython的Iterator對(duì)象表示的是一個(gè)數(shù)據(jù)流，Iterator對(duì)象可以被next()函數(shù)調(diào)用并不斷返回下一個(gè)數(shù)據(jù)，直到?jīng)]有數(shù)據(jù)時(shí)拋出StopIteration錯(cuò)誤。可以把這個(gè)數(shù)據(jù)流看做是一個(gè)有序序列，但我們卻不能提前知道序列的長(zhǎng)度，只能不斷通過next()函數(shù)實(shí)現(xiàn)按需計(jì)算下一個(gè)數(shù)據(jù)，所以Iterator的計(jì)算是惰性的，只有在需要返回下一個(gè)數(shù)據(jù)時(shí)它才會(huì)計(jì)算。

Iterator甚至可以表示一個(gè)無限大的數(shù)據(jù)流，例如全體自然數(shù)。而使用list是永遠(yuǎn)不可能存儲(chǔ)全體自然數(shù)的。

小結(jié)

凡是可作用于for循環(huán)的對(duì)象都是Iterable類型；
凡是可作用于next()函數(shù)的對(duì)象都是Iterator類型，它們表示一個(gè)惰性計(jì)算的序列；
集合數(shù)據(jù)類型如list、dict、str等是Iterable但不是Iterator，不過可以通過iter()函數(shù)獲得一個(gè)Iterator對(duì)象。
Python的for循環(huán)本質(zhì)上就是通過不斷調(diào)用next()函數(shù)實(shí)現(xiàn)的，例如：

for x in [1, 2, 3, 4, 5]:pass

實(shí)際上完全等價(jià)于：

# 首先獲得Iterator對(duì)象: it = iter([1, 2, 3, 4, 5]) # 循環(huán): while True:try:# 獲得下一個(gè)值:x = next(it)except StopIteration:# 遇到StopIteration就退出循環(huán)break

總結(jié)

以上是生活随笔為你收集整理的Python学习笔记：高级特性的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。