惰性函数python,惰性的定义

python中print，return和yield的区别

print是打印输出函数，输出到标准输出中也就是命令框。return是函数结束时需要返回值时适应的。yield是惰性的，值会等到你用的时候才去生成

创新互联从2013年成立，是专业互联网技术服务公司，拥有项目网站建设、成都网站制作网站策划，项目实施与项目整合能力。我们以让每一个梦想脱颖而出为使命，1280元包头做网站,已为上家服务,为包头各地企业和个人服务,联系电话:13518219792

Python 中 Iterator和Iterable的区别

Python中 list，truple，str，dict这些都可以被迭代，但他们并不是迭代器。为什么？

因为和迭代器相比有一个很大的不同，list/truple/map/dict这些数据的大小是确定的，也就是说有多少事可知的。但迭代器不是，迭代器不知道要执行多少次，所以可以理解为不知道有多少个元素，每调用一次next()，就会往下走一步，是惰性的。

判断是不是可以迭代，用Iterable

[python] view plain copy

from collections import Iterable

isinstance({}, Iterable) -- True

isinstance((), Iterable) -- True

isinstance(100, Iterable) -- False

判断是不是迭代器，用Iterator

[python] view plain copy

from collections import Iterator

isinstance({}, Iterator) -- False

isinstance((), Iterator) -- False

isinstance( (x for x in range(10)), Iterator) -- True

所以，

凡是可以for循环的，都是Iterable

凡是可以next()的，都是Iterator

集合数据类型如list，truple，dict，str，都是Itrable不是Iterator，但可以通过iter()函数获得一个Iterator对象

python中的for循环就是通过next实现的

[python] view plain copy

for x in [1,2,3,4,5]:

pass

等价于

[python] view plain copy

#先获取iterator对象

it = iter([1,2,3,4,5])

while True:

try:

#获取下一个值

x = next(it);

except StopIteration:

# 遇到StopIteration就退出循环

break

python 中 return lambda 怎么理解？

lambda或者高阶函数是一种设计模式，是否适合应该要看更大范围的设计需要。

脱离了需求场景，返回lambda根本是脱裤子放屁。

什么是惰性函数

惰性函数，即只在第一次执行，第一次执行后再调用得到的结果都是一样的

例如（我不知道你学了什么语言就用中文表达一下吧）：

函数 gettime

变量 a（一般是静态变量）

如果变量a是真，则返回a并终止函数

a=现在的时间

返回a并终止函数

当第一次调用的时候因为a没有值（为空），所以判断不成立，把时间赋值给a

第二次调用时因为a有值了（先前保存的时间），所以直接返回a

第三次。。。。。。。。。。。。。。。。。。。。。。。。。。

第四次。。。。。。。。。。。。。。。。。。。。。。。。。。

。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

=========================================================

一般用于javascript，如果觉得满意就采纳吧

python中map函数

map在python2返回list，在python3返回iterator.

如果想在python3得到可以反复重用的list，只要把iterator转成list即可：

lst_result = list(map(func, items))

Python学习之惰性求值

惰性求值，也就是延迟求值，表达式不会在它被绑定到变量之后就立即求值，而是等用到时再求值。这个特性可以解决一些巨大甚至无限的集合列表，如菲波那切数列、几十G的文件等等。延迟求值的一个好处是能够建立可计算的无限列表而没有妨碍计算的无限循环或大小问题。

Python 中的很多方法没有直接返回列表，而是返回了一个可迭代的generator

(生成器)对象，这便是python的惰性求值，因为在创建一个很大的列表时，对内存的开销非常大，太大时python会直接报错，举个:chestnut:：range()方法是产生一个指定范围列表，在Python3之前，该方法直接产生一个列表，xrange() 产生一个生成器：

xrange(100)

xrange(100)

range(100)

[0, 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, 30, 31, 32, 33, 34, 35, 36, 37, 38,

39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55,

56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72,

73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89,

90, 91, 92, 93, 94, 95, 96, 97, 98, 99]

当参数里面的值足够大时，range()产生了一个巨大的列表，这是内存会吃不消，等待一段时间后程序会直接被Kill掉：

for i in range(999999999999):

...

print i

...

Killed:

9

占满内存

用xrange() 方法就不回出现这种问题，并且可以一直运行：

for i in xrange(999999999999):

...

print i

...

1

2

3

4

5

6

7

8

9

10...

在Python3中range已经被改为了xrange,所以在python3中可以放心使用range().

惰性求值不要求你事先准备好整个迭代过程中所有的元素。迭代器仅仅在迭代至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

还有前文所说的list comprehension语句,在两边放上[]，会产生别表，如果数据源很长则会报内存错误:

print [i for i in range(9999999999999999)]

Python(1627,0x7fffe5b713c0)

malloc: *** mach_vm_map(size=80000000000000000) failed

(error code=3)

*** error:

can't allocate region

*** set a

breakpoint in malloc_error_break to debug

Traceback

(most recent call last):

File "",

line 1, in /spanmodule

MemoryError

这样直接产生列表没有效率，为了创建生成器对象，可以在list

comprehension两边放上()，这样它就有了惰性求值的特性。

print((i for i

in range(99999999999999)))

使用next()内建函数访问生成器里的元素：

num =

(i for i in range(5))

num

next(num)

next(num)

1

for j in range(4):

...

print(next(num))

...

2

3

4

Traceback

(most recent call last):

File "",

line 2, in /spanmodule

StopIteration

当访问到最后元素时，再调用next(),Python将会抛出StopIteration异常。Python正是根据是否检查到这个异常来决定是否停止迭代。

step1 =

someLongOperation1()step2 = someLongOperation2()step3 =

concatenate(step1, step2)

以上代码需要分别执行一二两步操作，第三步用到一二两步的结果，在Pyhton中会有序的执行这些函数：首先是 someLongOperation1，然后 someLongOperation2，最后 concatenate，如果确保没有函数修改或依赖于全局变量，第一二步可以被并行执行。假设我们不想并行运行这两个函数，我们只在其他函数依赖于 step1 和 step2 时才需要执行这两个函数。我们甚至在concatenate 调用之前都不必执行他们，可以把他们的求值延迟到 concatenate 函数内实际用到他们的位置。如果函数中用到了if分支语句，条件无关step1和step2则可以尽量将判断条件放前面以减少不必要的计算：

step1 =

someLongOperation1()

step2 =

someLongOperation2()if condition:

step3 =

concatenate(step1, step2)

换为：if condition:

step1 =

someLongOperation1()

step2 =

someLongOperation2()

step3 =

concatenate(step1, step2)

如果 concatenate 是一个带有条件分支的函数并且有的分支中只用了两个参数中的一个，另一个参数就永远没有必要被求值。