生成器/迭代器 和 函数的递归

2018-06-18 03:31:11来源:未知 阅读 ()

新老客户大回馈,云服务器低至5折

生成器

一个包含yield关键字的函数就是一个生成器函数。yield可以为我们从函数中返回值,但是yield又不同于return,return的执行意味着程序的结束,调用生成器函数不会得到返回的具体的值,而是得到一个可迭代的对象。每一次获取这个可迭代对象的值,就能推动函数的执行,获取新的返回值。直到函数执行结束。

def func():
    print(111)
    yield 1

    print(222)
    yield 2

    print(333)
    yield 3


ret = func()
r = ret.__next__()
print(r)
r2 = ret.__next__()
print(r2)
r3 = ret.__next__()
print(r3)
111
1
222
2
333
3
输出结果

 

生成器图示解析:

 

range 和 xrange

range 前面已经说明了,range([start,] stop[, step]),根据 start与 stop指定的范围以及step设定的步长,生成一个序列。

在 python 2.7中的 range

>>> range(5)
[0, 1, 2, 3, 4]
>>> range(1,5)
[1, 2, 3, 4]
>>> range(0,6,2)
[0, 2, 4]

 

xrange 用法与 range 完全相同,所不同的是生成的不是一个list对象,而是一个生成器。xrange即是 python3中的 range用法

>>> xrange(5)
xrange(5)
>>> list(xrange(5)) [0, 1, 2, 3, 4]
>>> xrange(1,5) xrange(1, 5)
>>> list(xrange(1,5)) [1, 2, 3, 4]
>>> xrange(0,6,2) xrange(0, 6, 2)
>>> list(xrange(0,6,2)) [0, 2, 4]

 

由上面的示例可以知道:要生成很大的数字序列的时候,用 xrange会比 range性能优很多,因为不需要一上来就开辟一块很大的内存空间,就是生成器的原理。

xrange 和 range 这两个基本上都是在循环的时候用。

for i in range(0, 100):
    print i

for i in xrange(0, 100):
    print i

这两个输出的结果都是一样的,实际上有很多不同

 

range会直接生成一个 list对象:

a = range(0,100)
print type(a)
print a
print a[0], a[1]

输出结果:

<type 'list'>
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97, 98, 99]
0 1

 

而 xrange则不会直接生成一个 list,而是每次调用返回其中的一个值:

a = xrange(0,100)
print type(a)
print a
print a[0], a[1]

输出结果:

<type 'xrange'>
xrange(100)
0 1

 

好在 python3中 range就已经是 xrange的模式了

现在我们基于生成器来实现 range功能

def myrange(arg):
    start = 0
    while True:
        if start > arg:
            return
        yield start
        start += 1


ret = myrange(10)
r = ret.__next__()
print(r)

 

迭代器

迭代器是访问集合元素的一种方式。迭代器对象从集合的第一个元素开始访问,直到所有的元素被访问完结束。

迭代器只能往前不会后退,不过这也没什么,因为人们很少在迭代途中往后退。

另外,迭代器的一大优点是不要求事先准备好整个迭代过程中所有的元素。

迭代器仅仅在迭代到某个元素时才计算该元素,而在这之前或之后,元素可以不存在或者被销毁。

这个特点使得它特别适合用于遍历一些巨大的或是无限的集合,比如几个G的文件。

 

def myrange(arg):
    start = 0
    while True:
        if start > arg:
            return
        yield start
        start += 1


ret = myrange(10)
r = ret.__next__()
print(r)
r = ret.__next__()
print(r)
r = ret.__next__()
print(r)
r = ret.__next__()
print(r)
__next__方法迭代器

python 中的 for循环自动调用了如上的__next__方法,作为迭代器

def myrange(arg):
    start = 0
    while True:
        if start > arg:
            return
        yield start
        start += 1


ret = myrange(10)
for item in ret:
    print(item)

 

所以我们只需要了解封装了迭代器的 for 循环的本质就OK了!

 

函数的递归

本质上就是指一个函数调用另一个函数

讲通俗一些就是老和尚给小和尚讲故事,讲的故事又是老和尚给小和尚讲故事...

即递归的定义——在一个函数里再调用这个函数本身

def func(n):
    n += 1
    if n >= 10:
        return 'end'
    return func(n)


r = func(1)
print(r)

 

递归的最大深度——997

递归函数如果不受到外力的阻止会一直执行下去。

之前已经说过关于函数调用的问题,每一次函数调用都会产生一个属于它自己的名称空间,如果一直调用下去,就会造成名称空间占用太多内存的问题

于是python为了杜绝此类现象,强制的将递归层数控制在了 997

def foo(n):
    print(n)
    n += 1
    foo(n)
foo(1)
证明实验

上述代码实验可以看出,未报错之前能看到的最大数字就是997。

当然了,997是 python为了我们程序的内存优化所设定的一个默认值,我们当然还可以通过一些手段去修改它:

import sys
print(sys.setrecursionlimit(100000))

 

通过递归完成累乘器

def func(num):
    if num == 1:
        return 1
    return num * func(num - 1)


x = func(7)
print(x)
1—7的累乘器

 

 

总而言之

理解好了生成器、迭代器和递归,可以说是深入理解了函数循环的真正含义

标签:

版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点,本站所提供的摄影照片,插画,设计作品,如需使用,请与原作者联系,版权归原作者所有

上一篇:使用pyinstaller打包python+thinter实现抖音撩小姐姐的GUI程序

下一篇:django中models的filter过滤方法