Python中的“迭代”詳解

迭代器模式：一種惰性獲取數據項的方式，即按需一次獲取一個數據項。

專注于為中小企業提供成都網站制作、網站建設、外貿網站建設服務,電腦端+手機端+微信端的三站合一,更高效的管理,為中小企業祁縣免費做網站提供優質的服務。我們立足成都，凝聚了一批互聯網行業人才，有力地推動了上1000+企業的穩健成長，幫助中小企業通過網站建設實現規模擴充和轉變。

所有序列都是可以迭代的。我們接下來要實現一個 Sentence（句子）類，我們向這個類的構造方法傳入包含一些文本的字符串，然后可以逐個單詞迭代。

接下來測試 Sentence 實例能否迭代

序列可以迭代的原因：

iter()

解釋器需要迭代對象 x 時，會自動調用iter(x)。

內置的 iter 函數有以下作用：

由于序列都實現了 __getitem__ 方法，所以都可以迭代。

可迭代對象：使用內置函數 iter() 可以獲取迭代器的對象。

與迭代器的關系：Python 從可迭代對象中獲取迭代器。

下面用for循環迭代一個字符串，這里字符串 'abc' 是可迭代的對象，用 for 循環迭代時是有生成器，只是 Python 隱藏了。

如果沒有 for 語句，使用 while 循環模擬，要寫成下面這樣：

Python 內部會處理 for 循環和其他迭代上下文（如列表推導，元組拆包等等）中的 StopIteration 異常。

標準的迭代器接口有兩個方法：

__next__ ：返回下一個可用的元素，如果沒有元素了，拋出 StopIteration 異常。

__iter__ ：返回 self，以便在需要使用可迭代對象的地方使用迭代器，如 for 循環中。

迭代器：實現了無參數的 __next__ 方法，返回序列中的下一個元素；如果沒有元素了，那么拋出 StopIteration 異常。Python 中的迭代器還實現了 __iter__ 方法，因此迭代器也可以迭代。

接下來使用迭代器模式實現 Sentence 類：

注意， 不要 在 Sentence 類中實現 __next__ 方法，讓 Sentence 實例既是可迭代對象，也是自身的迭代器。

為了“支持多種遍歷”，必須能從同一個可迭代的實例中獲取多個獨立的迭代器，而且各個迭代器要能維護自身的內部狀態，因此這一模式正確的實現方式是，每次調用 iter(my_iterable) 都新建一個獨立的迭代器。

所以總結下來就是：

實現相同功能，但卻符合 Python 習慣的方式是，用生成器函數代替 SentenceIteror 類。

只要 Python 函數的定義體中有 yield 關鍵字，該函數就是生成器函數。調用生成器函數，就會返回一個生成器對象。

生成器函數會創建一個生成器對象，包裝生成器函數的定義體，把生成器傳給 next(...) 函數時，生成器函數會向前，執行函數定義體中的下一個 yield 語句，返回產出的值，并在函數定義體的當前位置暫停，。最終，函數的定義體返回時，外層的生成器對象會拋出 StopIteration 異常，這一點與迭代器協議一致。

如今這一版 Sentence 類相較之前簡短多了，但是還不夠慵懶。 惰性 ，是如今人們認為最好的特質。惰性實現是指盡可能延后生成值，這樣做能節省內存，或許還能避免做無用的處理。

目前實現的幾版 Sentence 類都不具有惰性，因為 __init__ 方法急迫的構建好了文本中的單詞列表，然后將其綁定到 self.words 屬性上。這樣就得處理整個文本，列表使用的內存量可能與文本本身一樣多（或許更多，取決于文本中有多少非單詞字符）。

re.finditer 函數是 re.findall 函數的惰性版本，返回的是一個生成器，按需生成 re.MatchObject 實例。我們可以使用這個函數來讓 Sentence 類變得懶惰，即只在需要時才生成下一個單詞。

標準庫提供了很多生成器函數，有用于逐行迭代純文本文件的對象，還有出色的 os.walk 函數等等。本節專注于通用的函數：參數為任意的可迭代對象，返回值是生成器，用于生成選中的、計算出的和重新排列的元素。

第一組是用于 過濾 的生成器函數：從輸入的可迭代對象中產出元素的子集，而且不修改元素本身。這種函數大多數都接受一個斷言參數(predicate)，這個參數是個 布爾函數 ，有一個參數，會應用到輸入中的每個元素上，用于判斷元素是否包含在輸出中。

以下為這些函數的演示：

第二組是用于映射的生成器函數：在輸入的單個/多個可迭代對象中的各個元素上做計算，然后返回結果。

以下為這些函數的用法：

第三組是用于合并的生成器函數，這些函數都可以從輸入的多個可迭代對象中產出元素。

以下為演示：

第四組是從一個元素中產出多個值，擴展輸入的可迭代對象。

以下為演示：

第五組生成器函數用于產出輸入的可迭代對象中的全部元素，不過會以某種方式重新排列。

下面的函數都接受一個可迭代的對象，然后返回單個結果，這種函數叫“歸約函數”，“合攏函數”或“累加函數”，其實，這些內置函數都可以用 functools.reduce 函數實現，但內置更加方便，而且還有一些優點。

參考教程：

《流暢的python》 P330 - 363

Python 之內置函數：filter、map、reduce、zip、enumerate

這幾個函數在 Python 里面被稱為高階函數，本文主要學習它們的用法。

filter 函數原型如下：

第一個參數是判斷函數（返回結果需要是 True 或者 False），第二個為序列，該函數將對 iterable 序列依次執行 function(item) 操作，返回結果是過濾之后結果組成的序列。

簡單記憶：對序列中的元素進行篩選，獲取符合條件的序列。

返回結果為： ，使用 list 函數可以輸入序列內容。

map 函數原型如下：

該函數運行之后生成一個 list，第一個參數是函數、第二個參數是一個或多個序列；

下述代碼是一個簡單的測試案例：

上述代碼運行完畢，得到的結果是： 。使用 print(list(my_new_list)) 可以得到結果。

map 函數的第一個參數，可以有多個參數，當這種情況出現后，后面的第二個參數需要是多個序列。

map 函數解決的問題：

reduce 函數原型如下：

第一個參數是函數，第二個參數是序列，返回計算結果之后的值。該函數價值在于滾動計算應用于列表中的連續值。

測試代碼如下：

最終的結果是 6，如果設置第三個參數為 4，可以運行代碼查看結果，最后得到的結論是，第三個參數表示初始值，即累加操作初始的數值。

簡單記憶：對序列內所有元素進行累計操作。

zip 函數原型如下：

zip 函數將可迭代的對象作為參數，將對象中對應的元素打包成一個個元組，然后返回由這些元組組成的列表。

如果各個迭代器的元素個數不一樣，則返回列表長度與最短的對象相同，利用星號（ * ）操作符，可以將元組解壓為列表。

測試代碼如下：

展示如何利用 * 操作符：

輸出結果如下：

簡單記憶：zip 的功能是映射多個容器的相似索引，可以方便用于來構造字典。

enumerate 函數原型如下：

參數說明：

該函數用于將一個可遍歷的數據對象組合為一個索引序列，同時列出數據和數據下標，一般用在 for 循環當中。

測試代碼如下：

返回結果為： 。

本文涉及的函數可以與 lambda 表達式進行結合，能大幅度提高編碼效率。最好的學習資料永遠是官方手冊

python中的迭代是什么意思？

數學上面的定義:迭代公式就是指用現在的值，代到一個公式里面，算出下一個值，再用下一個值代入公式，如此往復地代。比如:x=(x+2/x)/2 你隨便拿一個x=10代入，得x=(10+2/10)/2=5.1，再代進去x=(5.1+2/5.1)/2=2.746，再代入得1.737，以此類推。

在python中，迭代式也可以是遞歸的調用，下面給你舉個例子:

def f(n):

if n == 0 or n == 1 or n == 2: return 1

else: return f(n-1) + f(n-2)

這就是一個簡單的第n項斐波那契數的求法，這里就用的是迭代式。另外的例子就是牛頓迭代法，采用逐次漸進的效果求出n的開方數，下面是例子:

def f(guess):

return guess ** 2

def fd(guess):

return 2 * guess

def SquareRootNR(x， epsilon):

guess = x / 2.0

diff = f(guess) - x

ctr = 1

while abs(diff) epsilon and ctr = 100:

guess = guess - diff / fd(guess)

diff = f(guess) - x

ctr += 1。

python高階函數有哪些

1、map

map()函數接受兩個參數，一個是函數，一個是Iterable，map將傳入的函數依次作用到序列的每一個元素上，并把結果作為新的Iterator返回。

舉例，比如我們有一個函數f(x)=x*2，要把這個函數作用在一個list[1, 2, 3, 4, 5, 6, 7, 8,

9]上，就可以用map()實現。

def f(x):

... return x*2

...

r = map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])

list(r)

[2, 4, 6, 8, 10, 12, 14, 16, 18]

所以，map()作為高階函數，事實上它把運算規則抽象了，因此，我們不但可以計算簡單的f(x)=x*2，還可以計算任意復雜的函數，比如把這個list所有的數字轉為字符串：

list(map(str,[1, 2, 3, 4, 5, 6, 7, 8, 9]))

["1", "2", "3", "4", "5", "6", "7", "8", "9"]

2、reduce

reduce是把一個函數作用在一個序列[x1, x2,

x3……]上，這個函數必須接收兩個參數，reduce把結果繼續和序列的下一個元素做累計計算。簡單來說，就是先計算x1和x2的結果，再拿結果與x3計算，依次類推。比如說一個序列求和，就可以用reduce實現。

from functools import reduce

def add(x, y):

... return x + y

...

reduce(add, [1, 3, 5, 7, 9])

25

也就是說，假設python沒有提供int()函數，你完全可以自己寫一個把字符串轉化為整數的函數，而且只需要幾行代碼。

3、filter

用于過濾序列，和map函數類似，filter也接收一個函數和一個序列，不同于map的是，filter把傳入的函數依次作用于每一個元素，然后根據返回值是True還是False決定保留還是丟棄該元素，例如，在一個list中，刪掉偶數，只保留奇數，可以這么寫：

def is_odd(n):

return n % 2 == 1

list(filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15]))

# 結果: [1, 5, 9, 15]

把一個序列中的空字符串刪掉，可以這么寫：

def not_empty(s):

return s and s.strip()

list(filter(not_empty, ["A", "", "B", None, "C", " "]))

# 結果: ["A", "B", "C"]

可見用filter()這個高階函數，關鍵在于正確實現一個篩選函數。

4、sorted

無論冒泡排序還是快速排序，排序的核心是比較兩個元素的大小。如果是數字，我們可以直接比較，但如果是字符串或者兩個dict呢?直接比較數學上的大小是沒有意義的，因此，比較的過程必須通過函數抽象出來，Python內置的sorted()函數就可以對list進行排序：

sorted([36, 5, -12, 9, -21])

[-21, -12, 5, 9, 36]

此外，sorted()函數也是一個高階函數，它還可以接收一個key函數來實現自定義的排序，例如按絕對值大小排序：

sorted([36, 5, -12, 9, -21], key=abs)

[5, 9, -12, -21, 36]

新聞標題：python高階迭代函數 python迭代法求高次方程
文章位置：http://m.newbst.com/article18/dojesgp.html

成都網站建設公司_創新互聯，為您提供面包屑導航、ChatGPT、建站公司、定制開發、搜索引擎優化、品牌網站設計

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯