Python编程:iterator迭代器

简介: Python编程:iterator迭代器

可迭代对象Iterable:

可以直接作用于for循环的对象

1、集合数据类型:list,tuple,dict,set,str

2、generator:包括生成器和带yield的生成器函数


迭代器Iterator:

可以被next()函数调用,并不断返回下一个值的对象

表示一个数据流,甚至是无穷大的数据流,如全体自然数

惰性计算

from collections import Iterable
from collections import Iterator
# 可迭代对象
print(isinstance([1,2,3],Iterable))                           # True
print(isinstance((1,2,3),Iterable))                           # True
print(isinstance({"one": 1,"two": 2,"three": 3},Iterable))    # True
print(isinstance({1,2,3},Iterable))                           # True
print(isinstance("abc",Iterable))                             # True
print(isinstance((x for x in range(10)),Iterable))            # True
print(isinstance(100,Iterable))                               # False
# 迭代器
print(isinstance((1,2,3),Iterator))                           # False
print(isinstance({"one": 1,"two": 2,"three": 3},Iterator))    # False
print(isinstance({1,2,3},Iterator))                           # False
print(isinstance("abc",Iterator))                             # False
print(isinstance((x for x in range(10)),Iterator))            # True
print(isinstance(100,Iterator))                               # False
# 可迭代对象 --> 迭代器
print(isinstance(iter([1,2,3]),Iterable))                           # True
print(isinstance(iter((1,2,3)),Iterator))                           # True
print(isinstance(iter({"one": 1,"two": 2,"three": 3}),Iterator))    # True
print(isinstance(iter({1,2,3}),Iterator))                           # True
print(isinstance(iter("abc"),Iterator))                             # True
# 例如
lst = [1, 2, 3, 4, 5, 6]
it = iter(lst)  # 转为Iterator
while True:
    try:
        print(next(it))  # 通过next方法逐个调用
    except StopIteration as e:
        break
"""OUT:
1
2
3
4
5
6
"""
相关文章
|
2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
217 1
|
3月前
|
数据采集 机器学习/深度学习 人工智能
Python:现代编程的首选语言
Python:现代编程的首选语言
319 102
|
3月前
|
数据采集 机器学习/深度学习 算法框架/工具
Python:现代编程的瑞士军刀
Python:现代编程的瑞士军刀
345 104
|
2月前
|
Python
Python编程:运算符详解
本文全面详解Python各类运算符,涵盖算术、比较、逻辑、赋值、位、身份、成员运算符及优先级规则,结合实例代码与运行结果,助你深入掌握Python运算符的使用方法与应用场景。
219 3
|
2月前
|
数据处理 Python
Python编程:类型转换与输入输出
本教程介绍Python中输入输出与类型转换的基础知识,涵盖input()和print()的使用,int()、float()等类型转换方法,并通过综合示例演示数据处理、错误处理及格式化输出,助你掌握核心编程技能。
483 3
|
2月前
|
并行计算 安全 计算机视觉
Python多进程编程:用multiprocessing突破GIL限制
Python中GIL限制多线程性能,尤其在CPU密集型任务中。`multiprocessing`模块通过创建独立进程,绕过GIL,实现真正的并行计算。它支持进程池、队列、管道、共享内存和同步机制,适用于科学计算、图像处理等场景。相比多线程,多进程更适合利用多核优势,虽有较高内存开销,但能显著提升性能。合理使用进程池与通信机制,可最大化效率。
300 3
|
2月前
|
Java 调度 数据库
Python threading模块:多线程编程的实战指南
本文深入讲解Python多线程编程,涵盖threading模块的核心用法:线程创建、生命周期、同步机制(锁、信号量、条件变量)、线程通信(队列)、守护线程与线程池应用。结合实战案例,如多线程下载器,帮助开发者提升程序并发性能,适用于I/O密集型任务处理。
312 0
|
3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。
260 2
|
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。 ####
|
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
112 3

推荐镜像

更多