綜述迭代器

對(duì)于原生支持隨機(jī)訪問的數(shù)據(jù)結(jié)構(gòu)（如tuple、list），迭代器和經(jīng)典for循環(huán)的索引訪問相比并無(wú)優(yōu)勢(shì)，反而丟失了索引值（可以使用內(nèi)建函數(shù)enumerate()找回這個(gè)索引值）。但對(duì)于無(wú)法隨機(jī)訪問的數(shù)據(jù)結(jié)構(gòu)（比如set）而言，迭代器是唯一的訪問元素的方式。

另外，迭代器的一大優(yōu)點(diǎn)是不要求事先準(zhǔn)備好整個(gè)迭代過程中所有的元素。迭代器僅僅在迭代到某個(gè)元素時(shí)才計(jì)算該元素，而在這之前或之后，元素可以不存在或者被銷毀。這個(gè)特點(diǎn)使得它特別適合用于遍歷一些巨大的或是無(wú)限的集合，比如幾個(gè)G的文件，或是斐波那契數(shù)列等等。

迭代器更大的功勞是提供了一個(gè)統(tǒng)一的訪問集合的接口，只要定義了iter()方法對(duì)象，就可以使用迭代器訪問。

例如：

List = [1,2,3]
L = List.__iter__()
>>> L.next()
1
>>> L.next()
2
>>> L.next()
3

為什么使用迭代器

for i in range(1000): pass
for i in xrange(1000): pass

前一個(gè)返回1000個(gè)元素的列表，而后一個(gè)在每次迭代中返回一個(gè)元素，因此可以使用迭代器來(lái)解決復(fù)用可占空間的問題

class Fab(object): 
 def __init__(self, max): 
 self.max = max
 self.n, self.a, self.b = 0, 0, 1

 def __iter__(self): 
 return self

 def next(self): 
 if self.n < self.max: 
  r = self.b 
  self.a, self.b = self.b, self.a + self.b 
  self.n = self.n + 1
  return r 
 raise StopIteration()

Fab 類通過 next() 不斷返回?cái)?shù)列的下一個(gè)數(shù)，內(nèi)存占用始終為常數(shù)　

示例代碼2

def fab(max):
 n, a, b = 0, 0, 1
 while n < max:
 yield b
 a, b = b, a + b
 n = n = 1

簡(jiǎn)單地講，yield 的作用就是把一個(gè)函數(shù)變成一個(gè) generator，帶有 yield 的函數(shù)不再是一個(gè)普通函數(shù)，Python 解釋器會(huì)將其視為一個(gè) generator，調(diào)用 fab(5) 不會(huì)執(zhí)行 fab 函數(shù)，而是返回一個(gè) iterable 對(duì)象！

在 for 循環(huán)執(zhí)行時(shí)，每次循環(huán)都會(huì)執(zhí)行 fab 函數(shù)內(nèi)部的代碼，執(zhí)行到 yield b 時(shí)，fab 函數(shù)就返回一個(gè)迭代值，下次迭代時(shí)，代碼從 yield b 的下一條語(yǔ)句繼續(xù)執(zhí)行，而函數(shù)的本地變量看起來(lái)和上次中斷執(zhí)行前是完全一樣的，于是函數(shù)繼續(xù)執(zhí)行，直到再次遇到 yield。

看起來(lái)就好像一個(gè)函數(shù)在正常執(zhí)行的過程中被 yield 中斷了數(shù)次，每次中斷都會(huì)通過 yield 返回當(dāng)前的迭代值。

以上這篇python 字典item與iteritems的區(qū)別詳解就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

最新評(píng)論