知识卡片
重复遍历能力取决于迭代器归属
iter(list)可建立各自独立进度的迭代器,next(list)本身不成立;文件等迭代器通常iter(f) is f,重复取得并不会重置已有文件位置。两变量共享同一迭代器也共享消费进度,不能因都能for就假定任意次数从头遍历。
Python3的map、zip和filter结果自身是迭代器,list(result)会消费它,之后再for不会自动从头开始;需要再遍历须重新构造或保存已物化数据。不能因range也可用于for就推断它们都能独立反复遍历。
同一range可产生I1、I2两个独立迭代器,推进I1不推进I2;同一zip或map上两次iter通常都指向原对象,别名消费共享状态。生成器对象同样是单次状态对象;生成器函数再次调用则会创建新对象,不能混淆函数和返回对象。
iter(G) is G,同一G的I1、I2共享消费状态,list(I1)只取剩余项并使其他别名也耗尽。这里的生成器指调用产物而非生成器函数对象;普通列表可产生独立迭代进度,但遍历期间修改列表仍会影响所见数据。
本例只能消费一次的原因是Squares把iter和推进状态放在同一个对象且不重置,不是iter协议天生只能单次。生成器函数每调用一次可产生新生成器,但同一个生成器结果仍共享一次推进状态。列表推导式一次物化全部结果与按次产生结果的成本不同,不能无条件断言某种写法最快。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 5 处
- · 查看原书依据
列表以及很多其他的内置对象,不是自身的迭代器,因为它们支持多次打开迭代器。对这样的对象,我们必须调用iter来启动迭代: 尽管Python迭代工具自动调用这些函数,我们也可以使用它们来手动地应用迭代协议。如下的交互展示了自动和手动迭代之间的对等性[1]: 要理解这段代码,你需要知道,try语句运行一个动作并且捕获在运行过程中发生的异常(我们将在本书第七部分深
- · 查看原书依据
它们都是自己的迭代器——在遍历其结果一次之后,它们就用尽了。换句话说,不能在它们的结果上拥有在那些结果中保持不同位置的多个迭代器。 在上一章中我们见过一个map内置函数的例子。和其他迭代器一样,如果确实需要一个列表的话,可以用list(...)来强制一个列表,但是,对于较大的结果集来说,默认的行为可以节省不少内存空间: 上一章所介绍的zip内置函数,返回以同
- · 查看原书依据
通过针对iter调用返回一个新的对象,来支持多个迭代器;单个的迭代器一般意味着一个对象返回其自身。在第20章中,我们还将看到,在这方面,生成器函数和表达式的行为就像map和zip一样支持单个的活跃迭代器,而不是像range一样。在第20章中,我们将会看到一些暗示:位于循环中的一个单个的迭代器试图多次扫描。
- · 查看原书依据
一个生成器的迭代器是生成器自身(实际上,在一个生成器上调用iter没有任何效果)。 如果你手动地使用多个迭代器来迭代结果流,它们将会指向相同的位置。 此外,一旦任何迭代器运行到完成,所有的迭代器都将用尽,我们必须产生一个新的生成器以再次开始。 对于生成器函数来说,也是如此,如下的基于语句的def等价形式只支持一个活跃的生成器并且在一次迭代之后用尽。 这与某些
- · 查看原书依据
每次新的循环,都得创建一个新的迭代器对象。 注意:如果用生成器函数编写(第20章介绍过迭代器相关的主题),这个例子可能更简单一些。 和类不同的是,这个函数会自动在迭代中存储其状态。当然,这是假设的例子。实际上,可以跳过这两种技术,只用for循环、map或是列表解析,一次创建这个列表。在Python中,完成任务最佳而且是最快的方式通常也是最简单的方式: 然而,