内容概要
- 迭代器
- 生成器
- 函数递归
- 三元表达式
- 生成式
- 二分法
内容详细
-
迭代器
# 1.什么是迭代器 # 迭代器指的是迭代取值的工具，迭代是一个重复的过程， # 每次重复都是基于上一次的结果而继续的，单纯的重复并不是迭代 # 2.为何要有迭代器 # 迭代器是用来迭代取值的工具，而涉及到把多个值循环取出来的类型 # 有：列表、字符串、元组、集合、字典、文件 l = [‘ycc‘,‘xixi‘,‘haha‘] count = 0 while count < len(l): print(l[count]) count += 1 # 上述迭代取值的方式只适用于有索引的数据类型：列表、字符串、元组 # 为了解决基于索引迭代取值的局限性，python必须提供一种能够不依赖于索引的取值方式，这就是迭代器 # 3.如何用迭代器 # 可迭代对象：但凡内置有__iter__方法的都称为可迭代的对象 # s1 = ‘abc‘ # s1_iterator = s1.__iter__() # l = [] # l_iterator = l.__iter__() # set1 = {1,2,3} # set1_iterator = set1.__iter__() # dic = {‘a‘:1,‘b‘:2,‘c‘:3} # dic_iterator = dic.__iter__() # tup = (1,2,3) # tup_iterator = tup.__iter__() # with open(‘a.txt‘,‘w‘) as f: # f.__iter__() # pass # 4.例： s1 = ‘abc‘ s1_iterator = s1.__iter__() # 等价于 iter(s1) print(s1_iterator.__next()) # a print(s1_iterator.__next()) # b print(s1_iterator.__next()) # c print(s1_iterator.__next()) # error:StopIteration # 只有三个值取完就报错 # 可迭代对象与迭代器对象详解： 1.可迭代对象(可以转换成迭代器的对象)：内置有__iter__()方法的对象 可迭代对象.__iter__() = 迭代器对象 2.迭代器对象：内置有__next__()并且内置有__iter__() 迭代器对象.__next__() = 得到的下一个值 迭代器对象.__iter__() = 得到迭代器本身，说白了掉了跟没调一个用 # 1. # d = {‘a‘:1,‘b‘:2,‘c‘:3} # d_iterator = d.__iter__() # print(d_iterator is d_iterator.__iter__()) # True 迭代器对象 = 迭代器对象.__iter__() # 2. # for循环的工作原理：for循环可称之为迭代器循环 # 1. d.__iter__()得到一个迭代器对象 # 2. 迭代器对象.__next__()得到一个返回值，然后将返回值赋给k # 3. 循环往复步骤2，直到抛出异常for循环会捕捉异常结束 d = {‘a‘:1,‘b‘:2,‘c‘:3} for k in d: print(d) d_iterator = d.__iter__() while True: try: print(next(d_iterator)) except StopIteration: break print(‘=============================>‘) d_iterator = d.__iter__() # 这里必须再调一次迭代器功能，因为上面已经将值取完了 while True: try: print(next(d_iterator)) except StopIteration: break # 3. print(list(‘hello‘)) # [‘h‘, ‘e‘, ‘l‘, ‘l‘, ‘o‘] 原理同for循环 # 4. # 可迭代对象：字符串、列表、字典、元组、集合、文件对象 # 迭代器对象：文件对象 # 可迭代对象只有调用内置方法.__iter__()才能变成迭代器对象 # 文件对象既是可迭代对象也是迭代器对象 # with open(‘user.txt‘,‘w‘) as f: # f.__iter__() # f.__next__() # pass # 5.迭代器的优缺点总结 # 优点： # 1.为序列和非序列类型提供了一种统一的迭代取值方式。 # 2.惰性计算：迭代器对象表示的是一个数据流，可以只在需要时才去调用next来计算出一个值， # 就迭代器本身来说，同一时刻在内存中只有一个值，因而可以存放无限大的数据流，而对于其他容器类型， # 如列表，需要把所有的元素都存放于内存中，受内存大小的限制，可以存放的值的个数是有限的。 # 缺点： # 1.除非取尽，否则无法获取迭代器的长度 # 2.只能取下一个值，不能回到开始，更像是‘一次性的’，迭代器产生后的唯一目标就是重复执行next方法直到值取尽， # 否则就会停留在某个位置，等待下一次调用next；若是要再次迭代同个对象， # 你只能重新调用iter方法去创建一个新的迭代器对象，如果有两个或者多个循环使用同一个迭代器 # ， 必然只会有一个循环能取到值 -
生成器
# 如何得到自定义的迭代器 # 在函数内一旦存在yield关键字，调用函数并不会执行函数体代码，会返回一个生成器对象，生成器即自定义的迭代器 def func(): print(‘第一次‘) yield 1 print(‘第二次‘) yield 2 print(‘第三次‘) yield 3 print(‘第四次‘) func() g = func() g.__iter__() # # 会触发函数体代码的运行，然后遇到yield停下来，将yield后的值当作本次调用的结果返回 res1 = g.__next__() print(res1) res2 = g.__next__() print(res2) res3 = g.__next__() print(res3) # res4 = g.__next__() # StopIteration # ps：补充 # len(‘aaa‘) # 等同于‘aaa‘.__len__() # next(g) # 等同于g.__next__() # iter(可迭代对象) # 等同于 可迭代对象.__iter__() # 应用： def my_range(start,stop,step=1): while start < stop: yield start start += step g = my_range(1,5,2) while True: try: print(next(g)) except StopIteration: break # for i in my_range(1,10,2): # print(i) # ps:retrun 与 yield的区别： # 有了yield关键字，我们就有了一种自定义迭代器的实现方式。yield可以用于返回值， # 但不同于return，函数一遇到return就结束了，而yield可以保存函数的运行状态挂起函数，用来返回多次值。 -
函数递归
# 函数递归调用：是函数嵌套调用的一种特殊形式 # 具体是指：在调用函数的过程中，直接或间接的又调用到本身 # import sys 了解 # print(sys.getrecursionlimit()) # 1000 最多死循环1000次 # sys.setrecursionlimit() # 这个方法可以将限制1000次进行修改 # 一、递归定义 # 直接调用本身(死循环) def f1(): print(‘是我自己‘) f1() f1() # 间接调用本身(死循环) def f1(): print(‘===>f1‘) f2() def f2(): print(‘===>f2‘) f1() f1() # 一段代码的循环运行的方案有两种 # 方案一：while、for循环 while True: print(11) print(22) # 方案二： 递归的本质就是循环 def f1(): print(1) print(2) f1() f1() # 二、要强调的一点是： # 递归调用不应该无限的调用下去，应该在满足某种条件下结束递归调用 # 例：取小于10的数 # 方案一 ：while、for循环 count = 0 while count < 10: print(count) count += 1 # 方案二： 递归 def func(count): if count > 9: return count += 1 func(count) func(0) # 三、递归的两个阶段 # 回溯：一层一层调用下去 # 递推：满足某种结束条件，结束递归调用，然后一层一层返回 # 例： # age(5) = age(4)+10 # age(4) = age(3)+10 # age(3) = age(2)+10 # age(2) = age(1)+10 # age = 18 def age(n): if age == 18: return return age(n) = age(n-1)+10 age() # 四、递归函数的应用，打印出下面列表的所有元素 l = [1,[2,[3,[4,5,[6,[7,[8,9,10]]]]]]] for x in l: # 如果是列表应该再循环再判断 if type(x) is list: pass # 这里会套无数个判断 else: print(x) # 转换思路用递归 def func(list1) for x in list1: if type(x) is list: func(x) else: print(x) func(l) -
三元表达式
def func(x,y): if x > y: return x else: return y func() # 三元表达式 简化函数体 # 格式：条件成立时要返回的值 if 条件 else 条件不成立时要返回的值 def func(x,y) return x if x > y else y res = func(1,3) print(res) # 3 -
生成式
# 1.列表生成式 l = [‘alex_dsb‘,‘egon_dsb‘,‘lxx_dsb‘,‘jason_dsb‘,‘ycc‘] # 将列表中含‘dsb‘的筛选数来组成一个新列表 # 方案一：for循环+if判断+append new_l = [] for name in l: if name.endswith(‘dsb‘): new_l.append(name) print(new_l) # 方案二：生成式 new_l1 = [name for name in l if name.endswith(‘dsb‘)] # 将后缀_dsb去掉 new_l2 = [name.replace(‘_dsb‘,‘‘) for name in l] # 将后缀_dsb加上 new_l3 = [name+‘_dsb‘ for name in new_l2] # 2.字典生成式 dic = {‘name‘:‘ycc‘,‘age‘:27,‘gender‘:‘male‘} new_dic = {k:v for k,v in dic.items() if k != ‘gender‘} print(new_dic) items = [(‘name‘,‘ycc‘),(‘age‘,27),(‘hobbies‘,[‘play‘,])] new_items = {k:v for k,v in items if k != ‘hobbies‘} print(new_items) # 3.集合生成式 keys = [‘name‘,‘age‘,‘hobbies‘] new_keys = {k for k in keys} print(new_keys) # 4.生成器生成式 # g = (i for i in range(1,20) if i <18) # # 此刻g内部一个值也没有 # # print(next(g)) # print(next(g)) # print(next(g)) # print(next(g)) # sum()的使用方法 # print(sum({1, 2, 3})) # 要放可变类型 # 将a.txt中的字符个数和算出来 # with open(‘user.txt‘,‘rt‘,encoding=‘utf-8‘) as f: # 方法一： # res = 0 # for line in f: # res += len(line) # print(res) # 方法二：生成式 # print(sum([len(line) for line in f])) # 方法三： # g = (len(line) for line in f) # 此刻内部一个值也没有 # print(sum(g)) # 写成一行就是： # print(sum((len(line) for line in f))) # 简写，可以去掉重复的括号 # print(sum(len(line) for line in f)) -
二分法
# 必须是从小到大排序的数字列表 # 如果没有排序，用.sort()将其排序 nums = [-3,5,26,35,55,66,77,88,99,100] find_num = 88 def binary_search(find_num,l): if find_num not in l: print(‘值不存在‘) return mid_index = len(nums) // 2 mid_nums = l[mid_index] if find_num > mid_num: l = l[mid_index+1:] binary_search(find_num,l) elif find_num < mid_num: l = l[:mid_index] binary_search(find_num,l) else: print(‘find it‘) binary_search(find_num,nums)