python自動化之路 day3 1

1.迭代器和生成器

生成器

通過列表生成式，我們可以直接建立乙個列表，但是受記憶體限制，列表容器肯定是有限的，而建立乙個包含100萬個元素的列表，

不僅占用了很大的儲存空間，如果我們僅僅需要訪問前面幾個元素，那後面的絕大元素占用的空間就白白浪費了。

所以，如果列表元素可以按照某種演算法推算出來，那我們是否可以在迴圈的過程中不斷推斷算出後續元素呢？這樣就不必建立完整的list，從而節省大量的空間，

在python中，這種一遍迴圈一遍計算的機制，稱為生成器：generator

在python3.0中range函式是乙個迭代器。

>>> l = [x*x for x in range(10)]

>>> l

[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

>>> g = (x*x for x in range(10))

>>> g

at 0x024693a0>

>>>

建立l和g的區別僅僅在於最外層的和 () ，l是乙個list，而g是乙個generator.

我們可以直接列印出list的每個元素，但我們怎麼列印出generator的每乙個元素呢？如果乙個個列印出來，可以通過next()函式獲得generator的下乙個返回值：

>>> g = (x*x for x in range(10))

>>> next(g)

0>>> next(g)

1>>> next(g)

4>>> next(g)

9>>> next(g)

16>>> next(g)

25>>> next(g)

36>>> next(g)

49>>> next(g)

64>>> next(g)

81>>> next(g)

traceback (most recent call last):

file "", line 1, in

stopiteration

generator儲存的是演算法，每次呼叫next(g)，就計算出g下乙個元素的值，直到計算到最後乙個元素，沒有更多的元素時，丟擲stopiteration錯誤。

正確做法使用for迴圈，因為generator也是可迭代物件：

>>> g=(x*xforxinrange(10))

>>>forning:

...print(n)

所以，我們建立乙個generator後，基本上永遠不會呼叫next(),而是通過for迴圈來迭代，不需要關心stopiteration錯誤

generator非常強大。如果推算的演算法比較複雜，用類似列表生成式的for迴圈無法實現的時候，還可以用函式來實現。

斐波拉契數列推算規則：

#!/usr/bin/env python
# _*_ coding:utf-8 _*_
deffibr(max):
n,a,b=0,0,1
whilen < max:
yieldb
a,b = b,a+b
n += 1
return"done"f = fibr(10)
print(f)
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())

如果函式定義中含有yield關鍵字，那麼它不是乙個普通的函式，而是乙個生成器generator。每次呼叫next（）時執行，

遇到yield語句返回，再執行時從上次的yield語句處繼續執行。同樣我們基本從來不用next（）來獲取下乙個返回值，

而是直接使用for迴圈來迭代。

forn
inf:
print(n)

但是用for迴圈呼叫generator時，發現拿不到generator的return語句的返回值。如果想要拿到返回值，必須捕獲stopiteration錯誤，返回值包含在stopiteration的value中：

while true:
try:
x = next(f)
print(x)
exceptstopiteration 
ase:
print("generator return value:",e.value)
break

迭代器我們已經知道，可以作用在for迴圈的資料型別有以下幾種：

一類是集合資料型別：list，dict，tuple，set，str

一類是generator，包括生成器和帶yield的generator function

這些直接作用於for迴圈的物件統稱為可迭代物件：iterable。

可以使用isinstance()判斷乙個物件是否是iterable物件

fromcollectionsimportiterable
isinstance(,iterable)
isinstance({},iterable)
print(isinstance("abc",iterable))

*可以被next()函式呼叫並不斷返回下乙個值的物件稱為迭代器：iterator。

生成器都是iterator物件，但list、dict、str雖然是iterable，卻不是iterator。

你可能會問，為什麼list、dict、str等資料型別不是iterator？

這是因為python的iterator物件表示的是乙個資料流，iterator物件可以被next()函式呼叫並不斷返回下乙個資料，直到沒有資料時丟擲stopiteration錯誤。可以把這個資料流看做是乙個有序序列，但我們卻不能提前知道序列的長度，只能不斷通過next()函式實現按需計算下乙個資料，所以iterator的計算是惰性的，只有在需要返回下乙個資料時它才會計算。

iterator甚至可以表示乙個無限大的資料流，例如全體自然數。而使用list是永遠不可能儲存全體自然數的。

it = iter([1,2,3,4,5,6])
while true:
try:
x = next(it)
print(x)
exceptstopiteration:
break

異常處理

捕捉異常可以使用try/except語句。

try/except語句用來檢測try語句塊中的錯誤，從而讓except語句捕獲異常資訊並處理。

如果你不想在異常發生時結束你的程式，只需在try裡捕獲它。

語法：以下為簡單的try....except...else的語法：

try

:《語句》

#執行別的**

except

《名字》：

《語句》

#如果在try部份引發了'name'異常

except

《名字》，《資料》:

《語句》

#如果引發了'name'異常，獲得附加的資料

else

:《語句》

#如果沒有異常發生

try的工作原理是，當開始乙個try語句後，python就在當前程式的上下文中作標記，這樣當異常出現時就可以回到這裡，try子句先執行，接下來會發生什麼依賴於執行時是否出現異常。

未完待續。。。。

python自動化之路 day3 1

Python學習之路 Day3

PYTHON 自動化之路（二）

Python自動化運維之路Day4

python自動化之路 day3 1

Python學習之路 Day3

PYTHON 自動化之路 （二）

Python自動化運維之路Day4

相關推薦

PYTHON 自動化之路（二）