成人免费xxxxx在线视频软件_久久精品久久久_亚洲国产精品久久久_天天色天天色_亚洲人成一区_欧美一级欧美三级在线观看

奇妙的流控制 Python中的迭代器與生成器

作者：David Mertz
開發 后端 前端
文章介紹了在Python 2.2中引入的迭代器和生成器的原理和用法，對于Python程序員來說，非常有必要了解迭代器和生成器的來龍去脈。

在Python 2.2中引進了一種帶有新關鍵字的新型構造。這種構造是生成器；關鍵字是yield。生成器使幾個新型、強大和富有表現力的編程習慣用法成為可能，但初看，要理解生成器，還是有一點困難。

51CTO推薦閱讀：深入了解Python暫緩列表生成器

由于迭代器比較容易理解，讓我們先來看它。基本上， 迭代器是含有 .next() 方法的對象。唔，這樣定義不十分正確，但非常接近。事實上，當迭代器應用新的 iter() 內置函數時，大多數迭代器的上下文希望得到一個可以生成迭代器的對象。為使用戶定義的類（該類含有必不可少的 .next() 方法）返回迭代器，需要使 __iter__() 方法返回 self 。本文中的示例會清楚地說明這一點。如果迭代有一個邏輯終止，則迭代器的 .next() 方法可能決定拋出 StopIteration 異常。

生成器要稍微復雜和一般化一點。但生成器最典型的用途是用來定義迭代器；所以不值得總是為一些細微之處而擔心。 生成器是這樣一個函數，它記住上一次返回時在函數體中的位置。對生成器函數的第二次（或第 n 次）調用跳轉至該函數中間，而上次調用的所有局部變量都保持不變。

在某些方面，生成器就象本專欄前面文章討論的函數型編程中的“終止”。象“終止”一樣，生成器“記住”了它數據狀態。但生成器比“終止”要更進一步：生成器還“記住”了它在流控制構造（在命令式編程中，這種構造不只是數據值）中的位置。由于連續性使您在執行框架間任意跳轉，而不總是返回到直接調用者的上下文（如同生成器那樣），因此它仍是比較一般的。幸運的是，使用生成器比理解程序流和狀態的所有概念性問題容易得多。實際上，稍加實踐之后，就可以象普通函數那樣容易地使用生成器。

隨機遍歷

讓我們考慮一個相當簡單的問題，可以用多種方法來解決它 ― 新方法和舊方法都可以。假設我們想要一串正的隨機數字流，它比服從向后參考約束的數字流要小。明確的講，我們希望每個后續數字比前一個數字至少大或小 0.4。而且，數字流本身不是無限的，在幾個隨機步驟后結束。這個示例中，當數字流中產生小于 0.1 的數字時，我們將簡單地結束它。上述的約束有點象可以在“隨機遍歷”算法找到的約束，結束條件類似“統計”或“局部最小值”結果 ― 但當然，這要比大多數現實世界中簡單。在 Python 2.1或更早的版本中，我們有幾種方法來解決這個問題。一種方法是，簡單地生成流中的數字列表并返回它。可能看起來象：

  1. RandomWalk_List.py  
  2. import  
  3. random  
  4. def  
  5. randomwalk_list  
  6. ():  
  7. last, rand = 1, random.random()   
  8. # init candidate elements  
  9. nums = []     
  10. # empty list  
  11. while  
  12. rand > 0.1:   
  13. # threshhold terminator  
  14. if  
  15. abs(last-rand) >= 0.4:     
  16. # accept the number  
  17.   last = rand 
  18.   nums.append(rand)     
  19. # add latest candidate to nums  
  20. else  
  21. :  
  22. print  
  23. '*',  
  24. # display the rejection  
  25. rand = random.random()    
  26. # new candidate  
  27. nums.append(rand)   
  28. # add the final small element  
  29. return  
  30. nums 

利用這個函數就象如下所示般簡單：

  1. 隨機遍歷列表的迭代  
  2. for num in randomwalk_list():  
  3. print num, 

上面這種方法中有幾個值得注意的局限性。這個特定的示例中極不可能產生龐大的數字列表，但只通過將閥值終結符定義得較嚴格，就可以創建任意大流（隨機精確大小，但可以預見數量級）。在某種程度上，內存和性能問題可能使得這種方法不切實際，以及沒有必要。同樣是這個問題，使得 Python 較早的版本中添加了 xrange() 和 xreadlines() 。更重要的是，許多流取決于外部事件，并且當每個元素可用時，才處理這些流。例如，流可以偵聽一個端口，或者等待用戶輸入。試圖在流之外創建完整的列表并不就是這些情形中的某一種。

在 Python 2.1 和較早版本中，我們的訣竅是使用“靜態”函數局部變量來記住關于函數的上一次調用的一些事情。顯而易見，全局變量可以做同樣的工作，但它們帶來了大家熟知的全局性名稱空間污染的問題，并會因非局部性而引起錯誤。這里，如果您不熟悉這個訣竅，可能會感到詫異 ― Python 沒有“正式”的靜態范圍聲明。然而，如果賦予了命名參數可變的缺省值，那么參數就可以，用作以前調用的持久存儲器。明確的講，列表是一些便利的可變對象，他們甚至可以方便地保留多個值。使用“靜態”方法，可以編寫如下的函數：

  1. RandomWalk_Static.py  
  2. import  
  3. random  
  4. def  
  5. randomwalk_static  
  6. (last=[1]):  
  7. # init the "static" var(s)  
  8. rand = random.random()  
  9. # init a candidate value  
  10. if  
  11. last[0] < 0.1:   
  12. # threshhold terminator  
  13. return  
  14. None     
  15. # end-of-stream flag  
  16. while  
  17. abs(last[0]-rand) < 0.4:    
  18. # look for usable candidate  
  19. print  
  20. '*',  
  21. # display the rejection  
  22. rand = random.random()    
  23. # new candidate  
  24. last[0] = rand  
  25. # update the "static" var  
  26. return  
  27. rand 

這個函數是十分友好的存儲器。它只需要記住一個以前的值，返回一個單個數字（不是一個數字的大列表）。并且與此類似的一個函數可以返回取決于（部分地或完全地）外部事件的連續的值。不利的一面是，利用這個函數有點不夠簡練，且相當不靈活。

  1. 靜態隨機遍歷的迭代  
  2. num = randomwalk_static()  
  3. while num is not None:  
  4. print num,  
  5. num = randomwalk_static() 

#p#

新的遍歷方法

實質上，Python 2.2 序列都是迭代器。Python 常見的習慣用法 for elem in lst: 現在實際上讓 lst 產生一個迭代器。然后， for 循環反復調用這個迭代器的 .next() 方法，直到它遇到 StopIteration 異常為止。幸運的是，由于所有常見的內置類型自動產生它們的迭代器，所以 Python 程序員不需要知道這里發生了什么。實際上，現在字典里有 .iterkeys() 、 .iteritems() 和 .itervalues() 方法來產生迭代器；首要的是在新的習慣用法 for key in dct: 中使用了什么。同樣，通過調用 .readline() 迭代器支持新的習慣用法 for line in file: 。

但是如果實際所產生的是在 Python 解釋器內，則顯而易見要用定制類來產生它們自己的迭代器，而不是專使用內置類型的迭代器。定制類支持直接使用 randomwalk_list() 以及一次一個元素這種“極度節省”的 randomwalk_static ，它是簡單易懂的：

  1. RandomWalk_Iter.py  
  2. import  
  3. random  
  4. class  
  5. randomwalk_iter  
  6. :  
  7. def  
  8. __init__  
  9. (self):  
  10. self.last = 1   
  11. # init the prior value  
  12. self.rand = random.random()   
  13. # init a candidate value  
  14. def  
  15. __iter__  
  16. (self):  
  17. return  
  18. self     
  19. # simplest iterator creation  
  20. def  
  21. next  
  22. (self):  
  23. if  
  24. self.rand < 0.1:   
  25. # threshhold terminator  
  26. raise  
  27. StopIteration   
  28. # end of iteration  
  29. else  
  30. :   
  31. # look for usable candidate  
  32. while  
  33. abs(self.last-self.rand) < 0.4: 
  34. print  
  35. '*',  
  36. # display the rejection  
  37. self.rand = random.random()   
  38. # new candidate  
  39. selfself.last = self.rand     
  40. # update prior value  
  41. return  
  42. self.rand 

這個定制迭代器看起來確實如同由函數生成的真實列表一樣：

  1. 隨機遍歷類的迭代  
  2. for num in randomwalk_iter():  
  3. print num, 

事實上，即使支持習慣用法 if elem in iterator ，它僅嘗試為確定真值所需要的那么多的迭代器的元素，（如果最終的值為 false，當然，它就需要測試所有元素）。

#p#

美中不足

上述方法對于手邊的問題非常好用。但沒有一種方法能很好地解決這樣的情形：例程在運行中創建了大量的局部變量，并把它的運行簡化為循環和條件的嵌套。如果帶靜態（或全局）變量的迭代器類或函數取決于多個數據狀態，則出現兩個問題。一個是一般性問題：創建多個實例屬性或靜態列表元素來保留每個數據值。更為重要的問題是計算如何確切地返回到與數據狀態相符的流邏輯的相關部分。非常容易忘記不同數據間的相互作用和互相依存。

生成器完全繞過了整個問題。生成器“返回”時帶關鍵字 yield ，但“記住”了它“返回”的所有確切執行位置。下次調用生成器時，它再接著上次的位置 — 包括函數流和變量值這兩個方面。

在 Python 2.2+ 中，不直接 寫生成器。相反，編寫一個函數，當調用它時，返回生成器。這可能看起來有點古怪，但“函數工廠”是 Python 的常見特性，并且“生成器工廠”明顯是這個概念性擴展。在 Python 2.2+ 中使函數成為生成器工廠是它主體某處的一個或多個 yield 語句。如果 yield 發生， return 一定只發生在沒有伴隨任何返回值的情況中。然而，一個較好的選擇是，安排函數體以便于完成所有 yield 之后，執行就“跳轉到結束”。但如果遇到 return ，它導致產生的生成器拋出 StopIteration 異常，而不是進一步生成值。

從我的觀點來看，過去對生成器工廠的語法選擇有點欠缺。 yield 語句可以非常好地存在于函數體中，您可能無法確定是否函數一定會在函數體最初 N 行內的某處作為生成器工廠而存在。當然，對于函數工廠，也存在這樣的問題，但是由于函數工廠不改變函數體的實際 語法（并且有時允許函數體返回普通值，盡管這可能不是出自良好的設計）。對于我來說，新關鍵字 ― 比如 generator 代替 def ― 會是一個比較好的選擇。

先不考慮語法，當調用生成器來擔當迭代器時，生成器有良好的狀況來自動擔當迭代器。這里不需要象類的 .__iter__() 方法。遇到的每個 yield 都成為生成器的 .next() 方法的返回值。為了清楚起見，我們來看一個最簡單的生成器：

  1. 最簡單可行的 Python 2.2 生成器  
  2. >>>   
  3. from  
  4. __future__   
  5. import  
  6. generators  
  7. >>>   
  8. def  
  9. gen  
  10. ():  
  11. yield 1  
  12. >>> g = gen()  
  13. >>> g.next()  
  14. 1  
  15. >>> g.next()  
  16. Traceback (most recent call last):  
  17. File "<pyshell#15>", line 1,   
  18. in  
  19. ?  
  20. g.next()  
  21. StopIteration 

讓我們使生成器工作在我們樣本問題中：

  1. RandomWalk_Generator.py  
  2. from  
  3. __future__   
  4. import  
  5. generators     
  6. # only needed for Python 2.2  
  7. import  
  8. random  
  9. def  
  10. randomwalk_generator  
  11. ():  
  12. last, rand = 1, random.random()   
  13. # initialize candidate elements  
  14. while  
  15. rand > 0.1:   
  16. # threshhold terminator  
  17. print  
  18. '*',  
  19. # display the rejection  
  20. if  
  21. abs(last-rand) >= 0.4:     
  22. # accept the number  
  23.   last = rand     
  24. # update prior value  
  25.   yield rand  
  26. # return AT THIS POINT  
  27. rand = random.random()    
  28. # new candidate  
  29. yield rand    
  30. # return the final small element 

這個定義的簡單性是吸引人的。可以手工或者作為迭代器來利用這個生成器。在手工情形下，生成器可以在程序中傳遞，并且無論在哪里以及無論何時需要（這非常靈活），都可以調用。手工情形的一個簡單示例是：

  1. 隨機遍歷生成器的手工使用  
  2. gen = randomwalk_generator()  
  3. try:  
  4. while 1: print gen.next(),  
  5. except StopIteration:  
  6. pass 

然而，更多情況下，可能將生成器作為迭代器來使用，這樣更為簡練（并且看起來又象只是一個老式的序列）：

  1. 作為迭代器的隨機遍歷生成器  
  2. for num in randomwalk_generator():  
  3. print_short(num) 

結束語

Python 程序員需要花一點時間來熟悉生成器的來龍去脈。最初這樣一個簡單構造所增加的能力是令人驚奇的；并且我預言，甚至熟練的程序員（象 Python 開發人員自己）也需要花一些時間來繼續發現使用生成器過程中的一些微妙的新技術。

【編輯推薦】

  1. Python閉包的概念、形式與應用
  2. 手把手教您Python多線程應用技巧
  3. 對Python特色的詳細介紹
  4. 加速程序開發 Python整合C語言模塊

 

責任編輯：王曉東 來源： IBM DW
Python迭代器生成器
相關推薦

2023-03-01 00:07:32

JavaScript迭代器生成器

2017-06-26 16:26:15

Python迭代對象迭代器

2024-11-11 06:10:00

Python生成器迭代器

2024-05-10 11:31:59

Python迭代器生成器

2023-11-15 13:35:00

迭代器生成器Python

2023-09-02 20:15:48

迭代器前端生成器

2017-09-06 09:26:03

Python生成器協程

2023-07-21 17:08:30

2017-03-20 17:49:21

Java Web模板代碼

2009-07-01 17:30:14

樣式生成器Visual Stud

2023-05-05 08:53:38

迭代器生成器Python

2021-12-04 22:07:44

Python

2022-07-25 10:27:36

背景生成器工具前端

2023-02-07 16:11:41

2023-05-04 16:24:10

人工智能圖像生成器

2024-11-01 15:51:06

2021-11-28 08:03:41

Python迭代器對象

2010-03-26 13:03:23

Boost.Pytho

2022-02-15 10:30:58

UUID

2021-06-06 16:31:57

PythonPython 3.7 編程語言
點贊
收藏

51CTO技術棧公眾號

主站蜘蛛池模板： 男女羞羞网站 | 精品国产免费一区二区三区演员表 | 国产欧美在线观看 | 亚洲视频精品 | 国产成在线观看免费视频 | 黄色片网站国产 | 国产午夜精品福利 | 成人国产精品久久 | 精品1区| 国产精品99久久久久久久久久久久 | 国产精品视频在线观看 | 国产一区二区三区在线观看免费 | 欧美1区2区 | 91亚洲国产成人久久精品网站 | 国产欧美在线观看 | 中午字幕在线观看 | 国产免国产免费 | 日韩在线免费 | 很很干很很日 | 91大神在线资源观看无广告 | 久久亚洲美女 | 亚洲一区二区 | 91精品在线播放 | 国产精品视频入口 | 色婷婷av久久久久久久 | 中文字幕四虎 | 日本一区不卡 | 青青久在线视频 | 国产午夜精品久久久 | 美国黄色一级片 | 亚洲色图综合 | 亚洲欧美精品 | 国产不卡在线播放 | 色接久久 | 国产精品一区网站 | 国产一区二区电影 | 日本免费视频 | 成人免费xxxxx在线视频 | 国产精品视频一区二区三区四区国 | 99久久精品国产一区二区三区 | 亚洲精品观看 |