Python学习之路第二天——迭代器生成器算法基础

Posted 2020-06-08

一、迭代器：

迭代器是访问集合元素的一种方式。

迭代器对象是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

特点：

1. 访问者不需要关心迭代器内部的结构，仅需通过next()方法不断去取下一个内容
2. 不能随机访问集合中的某个值 ，只能从头到尾依次访问
3. 访问到一半时不能往回退
4. 便于循环比较大的数据集合，节省内存

1、创建一个迭代器：

x = iter([1, 2, 3, 4])
print(x)

以上实例输出结果:
<list_iterator object at 0x000000000107C1D0>

迭代器(iter)

2、迭代器操作：

__next__()函数：就是取迭代器内的值：
x = iter([1, 2, 3, 4])
print(x.__next__())
print(x.__next__())
print(x.__next__())
print(x.__next__())
print(x.__next__())
以上实例输出结果:
1
2
3
4
Traceback (most recent call last):
  File "E:/project/s12/day1/test.py", line 11, in <module>
    print(x.__next__())
StopIteration
注：当迭代器内的值全部取完后，就会报出如上错误。

取值（__next__()）

二、生成器（yield）：

定义：一个函数调用时返回一个迭代器，那这个函数就叫做生成器（generator），如果函数中包含yield语法，那这个函数就会变成生成器。

def cash_out(amount):
    while amount >0:
        amount -= 1
        yield 1
        print("擦，又来取钱了。。。败家子！")
ATM = cash_out(3)
print("取到钱 %s 万" % ATM.__next__())
print("花掉花掉!")  
print("取到钱 %s 万" % ATM.__next__())
print("取到钱 %s 万" % ATM.__next__())

以上实例输出结果:
取到钱 1 万
花掉花掉!
擦，又来取钱了。。。败家子！
取到钱 1 万
擦，又来取钱了。。。败家子！
取到钱 1 万
注：yield函数可以使一个循环执行一半时做别的操作，然后再反回循环继续执行。

yield

作用：

yield的主要效果，就是可以使函数中断，并保存中断状态，中断后，代码可以去执行其他操作，其他操作完成后，还可以再重新调用这个函数，从上次yield的下一句开始执行。

 

3、yield接收参数：

yield实现在单线程的情况下实现并发运算的效果：

import time
def consumer(name):
    print("%s 准备吃包子啦!" %name)
    while True:
       baozi = yield
       print("包子[%s]来了,被[%s]吃了!" %(baozi,name))
def producer(name):
    c = consumer(‘A‘)
    c2 = consumer(‘B‘)
    c.__next__()
    c2.__next__()
    print("老子开始准备做包子啦!")
    for i in range(3):
        time.sleep(1)
        print("做了2个包子!")
        c.send(i)
        c2.send(i)
producer("Earl")

以上实例输出结果:
A 准备吃包子啦!
B 准备吃包子啦!
老子开始准备做包子啦!
做了2个包子!
包子[0]来了,被[A]吃了!
包子[0]来了,被[B]吃了!
做了2个包子!
包子[1]来了,被[A]吃了!
包子[1]来了,被[B]吃了!
做了2个包子!
包子[2]来了,被[A]吃了!
包子[2]来了,被[B]吃了!

send向yield传参数：

 

三、装饰器：

需求：当我们开发好了一个接口，这个接口是提供给用户使用，但是在使用过程中需要添加一下功能，在不改变接口调用方式与代码的情况下，增加这个功能，怎么办呢？这个时候就需要装饰器上场了。

def login(func):
    def x (user):
        if user == ‘earl‘:
            return func(user)
    return x
@login
def tv(name):
    print(‘欢迎%s，来到电视剧频道‘ %name)
tv(‘earl‘)

以上实例输出结果:
欢迎earl，来到电视剧频道

装饰器实例

装饰器传递参数实例：

def Before(request):
    print(‘before‘)

def After(request):
    print(‘after‘)

def Filter(before_func,after_func):
    def outer(main_func):
        def wrapper(request):
            before_result = before_func(request)
            if(before_result != None):
                return before_result;
            main_result = main_func(request)
            if(main_result != None):
                return main_result;
            after_result = after_func(request)
            if(after_result != None):
                return after_result;
        return wrapper
    return outer

@Filter(Before, After)
def Index(request):
    print(‘index‘)

Index(‘example‘)


以上实例输出结果:
before
index
after

装饰器传递参数：

说明：一个函数如果在函数名加上括号例如func()是执行func这个函数，如果不加括号例如func说是取func这个函数的内存id值，不执行函数，在迭代器中很多return调用的是只是函数名。所以在使迭代器中对这个要多注意。

 

四、递归：

特点

递归算法是一种直接或者间接地调用自身算法的过程。在计算机编写程序中，递归算法对解决一大类问题是十分有效的，它往往使算法的描述简洁而且易于理解。
递归算法解决问题的特点：
(1) 递归就是在过程或函数里调用自身。
(2) 在使用递归策略时，必须有一个明确的递归结束条件，称为递归出口。
(3) 递归算法解题通常显得很简洁，但递归算法解题的运行效率较低。所以一般不提倡用递归算法设计程序。
(4) 在递归调用的过程当中系统为每一层的返回点、局部量等开辟了栈来存储。递归次数过多容易造成栈溢出等。所以一般不提倡用递归算法设计程序。

 

1、利用函数编写如下数列：

斐波那契数列指的是这样一个数列 0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233，377，610，987，1597，2584，4181，6765，10946，17711，28657，46368

def func(arg1, arg2):
    if arg1 == 0:
        print(arg1, arg2)
    arg3 = arg1 + arg2
    if arg3 < 10:
        print(arg3)
        func(arg2, arg3)

func(0,1)

以上实例输出结果:
0 1
1
2
3
5
8

递归实例：

2、通过递归实现2分查找：

def binary_search(data_list,find_num):
    mid_pos = int(len(data_list) /2 ) 
    mid_val = data_list[mid_pos] 
    print(data_list)
    if len(data_list) >= 1:
        if mid_val > find_num:
            print("[%s] should be in left of [%s]" %(find_num,mid_val))
            binary_search(data_list[:mid_pos],find_num)
        elif mid_val < find_num: 
            print("[%s] should be in right of [%s]" %(find_num,mid_val))
            binary_search(data_list[mid_pos:],find_num)
        else: 
            print("Find ", find_num)
    else:
        print("cannot find [%s] in data_list" %find_num)
if __name__ == ‘__main__‘:
    primes = list(range(1,20))
    binary_search(primes,10)

    else:
        print("cannot find [%s] in data_list" %find_num)

if __name__ == ‘__main__‘:
    primes = list(range(1,30))
    binary_search(primes,10)

以上实例输出结果:
[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]
[10] should be in left of [15]
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14]
[10] should be in right of [8]
[8, 9, 10, 11, 12, 13, 14]
[10] should be in left of [11]
[8, 9, 10]
[10] should be in right of [9]
[9, 10]
Find  10

2分查找实例：

五、基础算法：

生成一个4*4的2维数组并将其顺时针旋转90度

array=[[col for col in range(5)] for row in range(5)] #初始化一个4*4数组
for row in array: #旋转前先看看数组长啥样
    print(row)

print(‘-------------‘)
for i,row in enumerate(array):

    for index in range(i,len(row)):
        tmp = array[index][i]
        array[index][i] = array[i][index]
        print(tmp,array[i][index])
        array[i][index] = tmp
    for r in array:print(r)

    print(‘--one big loop --‘)

以上实例输出结果:
[0, 1, 2, 3, 4]
[0, 1, 2, 3, 4]
[0, 1, 2, 3, 4]
[0, 1, 2, 3, 4]
[0, 1, 2, 3, 4]
-------------
0 0
0 1
0 2
0 3
0 4
[0, 0, 0, 0, 0]
[1, 1, 2, 3, 4]
[2, 1, 2, 3, 4]
[3, 1, 2, 3, 4]
[4, 1, 2, 3, 4]
--one big loop --
1 1
1 2
1 3
1 4
[0, 0, 0, 0, 0]
[1, 1, 1, 1, 1]
[2, 2, 2, 3, 4]
[3, 3, 2, 3, 4]
[4, 4, 2, 3, 4]
--one big loop --
2 2
2 3
2 4
[0, 0, 0, 0, 0]
[1, 1, 1, 1, 1]
[2, 2, 2, 2, 2]
[3, 3, 3, 3, 4]
[4, 4, 4, 3, 4]
--one big loop --
3 3
3 4
[0, 0, 0, 0, 0]
[1, 1, 1, 1, 1]
[2, 2, 2, 2, 2]
[3, 3, 3, 3, 3]
[4, 4, 4, 4, 4]
--one big loop --
4 4
[0, 0, 0, 0, 0]
[1, 1, 1, 1, 1]
[2, 2, 2, 2, 2]
[3, 3, 3, 3, 3]
[4, 4, 4, 4, 4]
--one big loop --

4*4的2维数组实例：