Python的可迭代对象、迭代器和生成器详解 - Python3中如何获取迭代器
大家好,又见面了,我是你们的朋友全栈君。
初学者在日常提升Python基本功的时候,可能会被Python的迭代器和生成器搞晕,之前在学习和使用时,本来for in 循环体和enumerate函数用的飞起,觉得自己已经彻底了解了Python的迭代特性,但接触了迭代器和生成器后,突然感觉懵逼,大概率会被可迭代、迭代器、生成器等概念搞的不知所向,本文就是结合日常项目应用,对Python的迭代概念进行系统性的全面解析,包括其底层实现原理,还有一些常见的应用,希望能帮助更多人,同时也算作给自己梳理思路。
一、迭代概述
1.1 基础概念
迭代属性是Python一大特性,也才允许我们通过for in 循环体遍历比如列表、字典等集合类型数据类型内的数据,或者用in成员函数判断某元素是否在某数据内存在、使用列表解析式等,让代码变得简洁明晰,如果想深入理解Python这一大特性,其实还需要深入了解迭代器和生成器的概念。
以下先整体介绍可迭代、迭代器、生成器的概念和相互之间的关系
- 可迭代:指实现了Python迭代协议,可以通过for in 循环体遍历的对象,比如list、dict等内置数据类型、迭代器、生成器
- 迭代器:指可以记住自己遍历位置的对象,直观体现便是可以使用next()函数返回值,迭代器只能往前,不能往后,当遍历完毕后,next(iteror)会抛出一个StopIteration异常
- 生成器:指使用yield的函数,生成器也是只能往前,不能往后,当遍历完毕后,next(iteror)会抛出一个StopIteration异常
- 三个概念的包含关系:可迭代>迭代器>生成器
- 迭代器和生成器,均可以通过next(obj)的方式不断返回下一个值
- 可迭代的对象(包括生成器),均可以通过iter(obj),转化为迭代器
1.2 判断对象是否可迭代方法
python也提供了判断是否可迭代的方法,即isinstance,代码如下
from collections import Iterable
from collections import Iterator
list1=[1,2,3]
print(isinstance(list1,Iterable)) #返回True
print(isinstance(list1,Iterator)) #返回False
1.3 迭代器和生成器的比较
- 迭代器是个类,且需要实现__iter__和__next__魔法函数,语法相对来说较为冗余
- 生成器是个使用yield的函数,相较而言,代码会更加少
- 在同一代码内,生成器只能遍历一次
1.4 for in循环运作原理以及其与可迭代关系
1.4.1 for in 循环运作原理
#1、只实现__getitem__
class A:
def __init__(self):
self.data=[1,2,3]
def __getitem__(self,index):
return self.data[index]
a=A()
for i in a:
print(i)
#输出为 1、2、3
#2、实现__getitem__和__iter__
class A:
def __init__(self):
self.data=[1,2,3]
self.data1=[4,5,6]
def __iter__(self):
return iter(self.data1)
def __getitem__(self,index):
return self.data[index]
a=A()
for i in a:
print(i)
#输出为 4、5、6
- 如以上代码所示,如果只是实现__getitem__,for in 循环体会自动调用__getitem__函数,并自动对Index从0开始自增,并将对应索引位置的值赋值给 i,直到引发IndexError错误
- 如果还实现了__iter__,则会忽略__getitem__,只调用__iter__,并对__iter__返回的迭代器进行成员遍历,并自动将遍历的成员逐次赋值给 i,直到引发StopIteration
1.4.2 其与可迭代关系
- 可迭代的对象一定可以支持for in 循环体,以及其他迭代环境,比如in成员判断、列表解析、map和reduce函数等
- 支持for in 循环体及迭代环境的,不一定可迭代,如1.4.1中所示,实现了__getitem__的对象
1.5 python迭代环境及对应实现介绍
在Python中,迭代环境到处可见,主要有:
- for in 循环
- in成员判断运算 ( x in y)
- 列表推导式[x for x in range(10]
- map和reduce函数(map(func,a))
- 列表及元组赋值语句(比如a,b=[1,2])
- next()
以上迭代环境,都依赖于迭代协议,对应调用的魔法函数也会有不同,以下罗列下不同的迭代环境,对应的魔法函数,后续自定义类时,如果需要这个类实例对象支持相应的迭代环境,则需要实现对应的魔法函数
迭代环境 |
支持该迭代环境的实现方式 |
---|---|
for in 循环 |
1、可只是实现__iter__魔法函数,该魔法函数返回一个迭代器对象 2、可只是实现__getitem__(self,index)魔法函数,该魔法函数每次循环均会对index从0自增 3、如果两个都实现了,则会调用__iter__ |
in 成员判断 |
1、可只是实现__contains__(self,value)魔法函数,in 运算符,会自动将该函数返回值转化为对应布尔值 2、可只是实现__iter__魔法函数 3、可只是实现__getitem__(self,index)魔法函数 4、一般判断先使用__contains__,再用__iter__,再用__getitem__,为标准起见,最好用__contains__单独支持 in 成员判断 |
列表推导式 |
与for in 一致 |
map和reduce函数 |
与for in 一致 |
列表及元组赋值语句 |
与for in 一致 |
- 如果实现了__iter__,则可以支持Python所有迭代环境
- 如果实现了__getitem__,也可以支持Python所有迭代环境,但是优先级和灵活度没有__iter__高,并且此时该类的对象,并不是可迭代的
- __contains__魔法函数,只对in 生效,所以如果要单独定义专有的in 运算,则最好只是实现__contains__即可
- 如果想支持next(a)函数调用,则必须实现__next__魔法函数
- 预估后续python会对迭代这块进行优化,因为现在其实整体感觉蛮混乱,如果强制可迭代,必须通过__iter__+__next__实现,反而会更加明晰些
- 建议读者:
- 实现迭代协议:就优先重载实现__iter__和__next__
- 支持in成员运算符:就优先重载实现__contains__(self,value),且只用该魔法函数支持in运算,不去支持迭代协议
- 支持索引和切片运算:就优先重载实现__getitem__(self,index),且只用该魔法函数支持索引和切片,不去支持迭代协议
二、可迭代对象
下面展开讲解如何创建一个可迭代对象及其实现原理
2.1 可迭代对象创建方式
下面演示如何创建一个可迭代对象,核心点:
- 关键是在定义类的时候,需要实现__iter__魔法函数,该函数返回一个迭代器即可
- 实现了__iter__,也即实现了Python的迭代协议
class Myiter:
def __init__(self):
self.a=1
def __iter__(self):
a=[1,2,3,4]
return iter(a)
#此种实现的方式,不是一个迭代器,但是可迭代,即可通过for in 循环体进行遍历
it=Myiter()
for i in it:
print(it)
2.2 可迭代对象原理讲解
- 上面的代码,只是实现了__iter__魔法函数,但是已经可以在for in 循环体内进行遍历
- 此时,因为没有实现__next__模范函数,所以只是可迭代对象,但并不是迭代器
- 比如list数据类型,是可迭代对象,但并不是迭代器,可以观察list数据类型魔法函数,使用dir(list),其输出中有__iter__魔法函数,但并没有__next__魔法函数
三、迭代器
如一中所属,一个迭代器就是可以通过next()不断返回下一个值的对象,其本质是一个实现了支持iter()和next()方法的对象,所以,如果想创建一个迭代器,则需要定义一个类,并在该类中实现__iter__和__next__魔法函数
3.1 迭代器创建方法
下面定义一个简单的迭代器,主要是必须实现__iter__和__next__魔法函数,创建时需要注意以下问题
- __iter__必须返回一个迭代器
- __next__实现数值推演算法
class Myiter:
#一般在初始时,传入或者初始化一些实例变量值,便于在__next__中使用
def __init__(self):
self.a=1
#该函数必须返回一个迭代器
def __iter__(self):
return self
#该值返回每次next调用,需要返回的下一个值,其实也就是实现数值推演算法
def __next__(self):
self.a+=1
return self.a
#下面实例化一个迭代器
it=Myiter()
3.2 迭代器原理讲解
下面说下,迭代器是如何支持for in 循环体遍历,又是如何在使用next()函数调用时,返回下一个值的
- 在使用for in 循环体,比如 for i in it遍历it时,其实调用的是__iter__魔法函数,即for i in it.__iter__()
- 在使用next(it)时,其实调用的是__next__魔法函数,即next( it.__next__())
- 一般如果定义并实现了__next__,则__iter__直接return self即可,因为此时self就是一个迭代器
- 至于如何实现每次运行next返回下一个推导值,是通过实例变量不断记录每次运行推导返回值实现的,下次运行,便可基于上次返回值及推导算法,返回下一个推导值
3.3 内置迭代器
Python的itertools库里面包含了一些生成迭代器的方法,可以生成无限迭代器、有限迭代器以及组合迭代器,具体功能不再展开,先知道,后续有用到了再进行详细了解即可,因为本身用法也比较简单。
3.4 多重迭代器
以上演示的基本都是单重迭代器,即只支持一层for in 循环遍历,因为同一个迭代器只会迭代一次,如果有多层for in 遍历,则只会迭代一层,并且多层遍历其实共用的是同一个迭代器,而内置的str、list等类型,则可以支持多重迭代,如下:
mylist=[1,2]
for i in string:
for j in string:
print(i,j)
#输出为
1,1
1,2
2,1
2,2
如果按照以上代码,定义自己的迭代器,则因为每次循环,都是循环的同一个迭代器,并不会产生与内置数据类型的效果
class myit:
def __init__(self):
self.index=0
self.data=[1,2]
def __iter__(self):
return self
def __next__(self):
self.index+=1
if self.index>len(self.data):
raise StopIteration
return self.data[self.index-1]
m=myit()
for i in m:
for j in m:
print(i,j)
#输出
1,2
- 以上代码,因为双层for in 循环体,遍历的是同一个m迭代器,所以只会在内层迭代到2之后,便不再迭代
- 所以,如果需要支持多重迭代,且不同层的迭代,相互不受影响,需要想办法每个层的迭代都是新的迭代器,我们知道每次for in的时候,均会调用__iter__函数返回一个迭代器,所以需要在该函数内,不再返回自身,而应该返回一个新的迭代器,即创建一个迭代器对象
按照以上思路,将代码改成如下:
class A:
def __init__(self):
self.index=0
self.data=[1,2]
def __iter__(self):
return self
def __next__(self):
self.index+=1
if self.index>len(self.data):
raise StopIteration
return self.data[self.index-1]
class B:
def __iter__(self):
return A()
b=B()
for i in b:
for j in b:
print(i,j)
#输出
1,1
1,2
2,1
2,2
- 以上代码,每层for循环,均会调用__iter__函数,返回一个新的迭代器实例对象,这样多重迭代,均有独立的迭代器,就会和内置数据类型的表现基本一致
- 当然,以上代码相对比较冗余,其实可以直接在A类中的__iter__函数内,不要返回self,而是创建一个新的实例对象即可
class A:
def __init__(self):
self.index=0
self.data=[1,2]
def __iter__(self):
return A()
def __next__(self):
self.index+=1
if self.index>len(self.data):
raise StopIteration
return self.data[self.index-1]
四、生成器
生成器本质是一个使用了yield返回值的函数,支持使用next()函数不断返回下一个值,同时支持使用send函数向生成器发送消息
生成的这个特性,为解决 无限个变量和有限内存之间矛盾的问题,提供了解决方案,或者为优化内存使用效率提供了途径
因为比如一个包含1万个变量的列表,和一个包含推导算法的生成器,其内存占用空间,可能前者是后者的几个数量级倍数,比如下面的
a=[i for i in range(10000)] #运行sys.getsizeof(a)后,为87616
a=(i for i in range(10000))#运行sys.getsizeof(a)后,为112,直接减少了8千倍的内存占用空间
4.1 生成器创建方法
4.1.1 使用函数创建
核心点如下:
- 函数内部需要实现一个循环体,并实现返回值推导算法,并由yield返回每次推导出来的值
- yield关键词,核心作用是
- 类似return,将指定值或多个值返回给调用方
- 记录此次返回或遍历的位置,返回数值之后,挂起,知道下一次执行next函数,再重新从挂起点接着运行(类似断点的作用)
def generator():
a=0
b=1
while True:
c=a+b
yield c
a,b=b,a+b
g=generator()
4.1.2 使用生成器推导式
核心点如下:
- 整体规律,类似类表生成推导式
- 只是语法,由之前的[],变为()
#使用推导式,对小于10的,乘3,对于大于等于10的,乘5
#此时返回的不再是列表,而是一个生成器
g=(i*3 if i<10 else i*5 for i in range(100)
4.2 yield详解及与return对比
- 相同点:
- 均在函数体内使用,并且向调用方返回结果
- 均可返回一个值或多个值,如果是多个值,则是以元组格式返回
- 不同点:
- 包含yield的函数,调用时最终返回的是一个生成器,单纯的return函数,调用时返回的是一个值。
- return 执行并返回值后,便会直接退出函数体,该函数内存空间即回收释放
- yield执行并返回值后,不会退出函数体,而是挂起,待下次next时,再从挂起点恢复运行
- yield语句可以接受通过生成器send方法传入的参数并赋值给一个变量,以动态调整生成器的行为表现
- yield语句的返回值,可以通过from 关键词指定 返回源
- return在生成器中的作用:
- 在一个生成器函数中,如果没有 return,则默认执行至函数完毕,如果在执行过程中 return,则直接抛出 StopIteration 终止迭代
下面通过代码进行演示:
#1、yield和return共存
def gene(maxcount):
a,b=0,1
count=1
while True:
if count>maxcount:
#直接退出函数体
return
else:
#返回值后,函数在该处挂起,下次再从该处恢复运行
yield a+b
a,b=b,a+b
count+=1
#2、yield接受通过send传入的参数并动态调整生成器行为
#
def gene(maxcount):
a,b=0,1
count=1
while True:
if count>maxcount:
return
else:
msg=yield a+b
if msg=='stop':
return
a,b=b,a+b
count+=1
g=gene(10)
next(g)
g.send('msg') #生成器终止,并抛出一个StopIteration异常
#3、通过from关键词,接受另外一个生成器,并通过该生成器返回值
#此处只是做展示,大家知道即可,后续如果有类似场景,可以想起来可以这么搞就行
gene1=(i for i in range(10))
def gene2(gene):
yield from gene
g=gene2(gene1)
五、基本应用举例
5.1 可控文件读取
使用生成器的挂起并可重新在挂起点运行的特点,我么可以实现按需,每次读取指定大小的文件,避免因为读取文件时,因为一次性读取内容过多,导致内存溢出等问题
def read_file(fpath):
BLOCK_SIZE = 1024
with open(fpath, 'rb') as f:
while True:
block = f.read(BLOCK_SIZE)
if block:
yield block
else:
return
5.2 协程
在讲解协程应用之前,先展开讲解下进程、线程、协程概念:
- 进程指单独的一个CUP运行程序,可以简单认为一个进程就是一个独立的程序
- 线程是操作系统能够进行运算调度的最小单位。它被包含在进程之中,是进程中的实际运作单位
- 协程可以认为是在同一个线程内运行的代码
- 进程包含线程,线程包含协程
- 进程、线程的切换和调度,一般由操作系统自动完成,具体调度和切换机制较为复杂
- 同一线程下,多个协程的切换是由自己编写的代码进行控制,可以实现个性化的调度和切换需求
协程主要有以下特点:
- 协程是非抢占式特点:协程也存在着切换,这种切换是由我们用户来控制的。协程主解决的是IO的操作
- 协程有极高的执行效率:因为子程序切换不是线程切换,而是由程序自身控制,因此,没有线程切换的开销,和多线程比,线程数量越多,协程的性能优势就越明显
- 协程无需关心多线程锁机制,也无需关心数据共享问题:不需要多线程的锁机制,因为只有一个线程,也不存在同时写变量冲突,在协程中控制共享资源不加锁,只需要判断状态就好了,所以执行效率比多线程高很多
协程借助生成器实现的基本思路:
- 因为生成器通过yield,可以挂起,待下次执行时再次从挂起点恢复运行,满足切换和交替运行的特点
- 因为生成器可以通过send函数,动态的干预指定生成器的功能和表现,为实现多个协程之间协作提供了可能
下面代码简单举例用生成器实现协程的机制,后续可以根据自己实际需要,进行具体的实现
#让两个函数交替运行
#核心就是把两个正常的函数使用yield变为生成器函数,然后交替使用其next调用即可
def task1(times):
for i in range(times):
print('task1 done the :{} time'.format(i+1))
yield
def task2(times):
for i in range(times):
print('task2 done the :{} time'.format(i+1))
yield
gene1=task1(5)
gene2=task2(5)
for i in range(100):
next(gene1)
next(gene2)
5.3 迭代在其他地方的应用表现
其实迭代在Python中应用非常广泛,比如sum、max、min等函数,只要传入一个可迭代的对象,就可以进行工作,这极大的提高了代码的可读性和编程的简洁性。
大家在日常使用Python时,也可以观察或者思考,在需要迭代遍历对象时,是否在使用或者可使用迭代来完成
5.4 常用内置迭代工具
函数 |
说明 |
示例 |
---|---|---|
zip(seq1,seq2,seq3,…) |
1、将多个序列按位打包成元组,最后返回一个由这些元组组成的序列 2、其返回的结果,本质是一个迭代器,可以尽量减少对内存的占用 |
seq1=[1,2,3];seq2=[4,5,6];seq3=[7,8,9] zip(seq1,seq2,seq3) |
map(func,seq) |
1、对seq序列遍历,并对其每个元素传入func函数 2、其返回的结果,本质是一个迭代器,可以尽量减少对内存的占用 |
def func(a): return a+1 seq=[1,2,3] map(func,seq) |
filter(func,seq) |
1、对seq序列遍历,并对齐每个元素传入func函数,最后只返回为真的值 2、其返回的结果,本质是一个迭代器,可以尽量减少对内存的占用 |
def func(a): return a+1 seq=[1,2,3] filter(func,seq) |
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
推荐阅读
-
探索 Python 中的迭代器和可迭代对象
-
带您了解 Python 中的生成器和迭代器的文章
-
Python 中的迭代器和列表解析是如何工作的?
-
Python 的列表生成器、生成器、可迭代对象和迭代器
-
F#探险之旅(二):函数式编程(上)-函数式编程范式简介 F#主要支持三种编程范式:函数式编程(Functional Programming,FP)、命令式编程(Imperative Programming)和面向对象(Object-Oriented,OO)的编程。回顾它们的历史,FP是最早的一种范式,第一种FP语言是IPL,产生于1955年,大约在Fortran一年之前。第二种FP语言是Lisp,产生于1958,早于Cobol一年。Fortan和Cobol都是命令式编程语言,它们在科学和商业领域的迅速成功使得命令式编程在30多年的时间里独领风骚。而产生于1970年代的面向对象编程则不断成熟,至今已是最流行的编程范式。有道是“*代有语言出,各领风骚数十年”。 尽管强大的FP语言(SML,Ocaml,Haskell及Clean等)和类FP语言(APL和Lisp是现实世界中最成功的两个)在1950年代就不断发展,FP仍停留在学院派的“象牙塔”里;而命令式编程和面向对象编程则分别凭着在商业领域和企业级应用的需要占据领先。今天,FP的潜力终被认识——它是用来解决更复杂的问题的(当然更简单的问题也不在话下)。 纯粹的FP将程序看作是接受参数并返回值的函数的集合,它不允许有副作用(side effect,即改变了状态),使用递归而不是循环进行迭代。FP中的函数很像数学中的函数,它们都不改变程序的状态。举个简单的例子,一旦将一个值赋给一个标识符,它就不会改变了,函数不改变参数的值,返回值是全新的值。 FP的数学基础使得它很是优雅,FP的程序看起来往往简洁、漂亮。但它无状态和递归的天性使得它在处理很多通用的编程任务时没有其它的编程范式来得方便。但对F#来说这不是问题,它的优势之一就是融合了多种编程范式,允许开发人员按照需要采用最好的范式。 关于FP的更多内容建议阅读一下这篇文章:Why Functional Programming Matters(中文版)。F#中的函数式编程 从现在开始,我将对F#中FP相关的主要语言结构逐一进行介绍。标识符(Identifier) 在F#中,我们通过标识符给值(value)取名字,这样就可以在后面的程序中引用它。通过关键字let定义标识符,如: let x = 42 这看起来像命令式编程语言中的赋值语句,两者有着关键的不同。在纯粹的FP中,一旦值赋给了标识符就不能改变了,这也是把它称为标识符而非变量(variable)的原因。另外,在某些条件下,我们可以重定义标识符;在F#的命令式编程范式下,在某些条件下标识符的值是可以修改的。 标识符也可用于引用函数,在F#中函数本质上也是值。也就是说,F#中没有真正的函数名和参数名的概念,它们都是标识符。定义函数的方式与定义值是类似的,只是会有额外的标识符表示参数: let add x y = x + y 这里共有三个标识符,add表示函数名,x和y表示它的参数。关键字和保留字关键字是指语言中一些标记,它们被编译器保留作特殊之用。在F#中,不能用作标识符或类型的名称(后面会讨论“定义类型”)。它们是: abstract and as asr assert begin class default delegate do donedowncast downto elif else end exception extern false finally forfun function if in inherit inline interface internal land lazy letlor lsr lxor match member mod module mutable namespace new nullof open or override private public rec return sig static structthen to true try type upcast use val void when while with yield 保留字是指当前还不是关键字,但被F#保留做将来之用。可以用它们来定义标识符或类型名称,但编译器会报告一个警告。如果你在意程序与未来版本编译器的兼容性,最好不要使用。它们是: atomic break checked component const constraint constructor continue eager event external fixed functor global include method mixinobject parallel process protected pure sealed trait virtual volatile 文字值(Literals) 文字值表示常数值,在构建计算代码块时很有用,F#提供了丰富的文字值集。与C#类似,这些文字值包括了常见的字符串、字符、布尔值、整型数、浮点数等,在此不再赘述,详细信息请查看F#手册。 与C#一样,F#中的字符串常量表示也有两种方式。一是常规字符串(regular string),其中可包含转义字符;二是逐字字符串(verbatim string),其中的(")被看作是常规的字符,而两个双引号作为双引号的转义表示。下面这个简单的例子演示了常见的文字常量表示: let message = "Hello World"r"n!" // 常规字符串let dir = @"C:"FS"FP" // 逐字字符串let bytes = "bytes"B // byte 数组let xA = 0xFFy // sbyte, 16进制表示let xB = 0o777un // unsigned native-sized integer,8进制表示let print x = printfn "%A" xlet main = print message; print dir; print bytes; print xA; print xB; main Printf函数通过F#的反射机制和.NET的ToString方法来解析“%A”模式,适用于任何类型的值,也可以通过F#中的print_any和print_to_string函数来完成类似的功能。值和函数(Values and Functions) 在F#中函数也是值,F#处理它们的语法也是类似的。 let n = 10let add a b = a + blet addFour = add 4let result = addFour n printfn "result = %i" result 可以看到定义值n和函数add的语法很类似,只不过add还有两个参数。对于add来说a + b的值自动作为其返回值,也就是说在F#中我们不需要显式地为函数定义返回值。对于函数addFour来说,它定义在add的基础上,它只向add传递了一个参数,这样对于不同的参数addFour将返回不同的值。考虑数学中的函数概念,F(x, y) = x + y,G(y) = F(4, y),实际上G(y) = 4 + y,G也是一个函数,它接收一个参数,这个地方是不是很类似?这种只向函数传递部分参数的特性称为函数的柯里化(curried function)。 当然对某些函数来说,传递部分参数是无意义的,此时需要强制提供所有参数,可是将参数括起来,将它们转换为元组(tuple)。下面的例子将不能编译通过: let sub(a, b) = a - blet subFour = sub 4 必须为sub提供两个参数,如sub(4, 5),这样就很像C#中的方法调用了。 对于这两种方式来说,前者具有更高的灵活性,一般可优先考虑。 如果函数的计算过程中需要定义一些中间值,我们应当将这些行进行缩进: let halfWay a b = let dif = b - a let mid = dif / 2 mid + a 需要注意的是,缩进时要用空格而不是Tab,如果你不想每次都按几次空格键,可以在VS中设置,将Tab字符自动转换为空格;虽然缩进的字符数没有限制,但一般建议用4个空格。而且此时一定要用在文件开头添加#light指令。作用域(Scope)作用域是编程语言中的一个重要的概念,它表示在何处可以访问(使用)一个标识符或类型。所有标识符,不管是函数还是值,其作用域都从其声明处开始,结束自其所处的代码块。对于一个处于最顶层的标识符而言,一旦为其赋值,它的值就不能修改或重定义了。标识符在定义之后才能使用,这意味着在定义过程中不能使用自身的值。 let defineMessage = let message = "Help me" print_endline message // error 对于在函数内部定义的标识符,一般而言,它们的作用域会到函数的结束处。 但可使用let关键字重定义它们,有时这会很有用,对于某些函数来说,计算过程涉及多个中间值,因为值是不可修改的,所以我们就需要定义多个标识符,这就要求我们去维护这些标识符的名称,其实是没必要的,这时可以使用重定义标识符。但这并不同于可以修改标识符的值。你甚至可以修改标识符的类型,但F#仍能确保类型安全。所谓类型安全,其基本意义是F#会避免对值的错误操作,比如我们不能像对待字符串那样对待整数。这个跟C#也是类似的。 let changeType = let x = 1 let x = "change me" let x = x + 1 print_string x 在本例的函数中,第一行和第二行都没问题,第三行就有问题了,在重定义x的时候,赋给它的值是x + 1,而x是字符串,与1相加在F#中是非法的。 另外,如果在嵌套函数中重定义标识符就更有趣了。 let printMessages = let message = "fun value" printfn "%s" message; let innerFun = let message = "inner fun value" printfn "%s" message innerFun printfn "%s" message printMessages 打印结果: fun value inner fun valuefun value 最后一次不是inner fun value,因为在innerFun仅仅将值重新绑定而不是赋值,其有效范围仅仅在innerFun内部。递归(Recursion)递归是编程中的一个极为重要的概念,它表示函数通过自身进行定义,亦即在定义处调用自身。在FP中常用于表达命令式编程的循环。很多人认为使用递归表示的算法要比循环更易理解。 使用rec关键字进行递归函数的定义。看下面的计算阶乘的函数: let rec factorial x = match x with | x when x < 0 -> failwith "value must be greater than or equal to 0" | 0 -> 1 | x -> x * factorial(x - 1) 这里使用了模式匹配(F#的一个很棒的特性),其C#版本为: public static long Factorial(int n) { if (n < 0) { throw new ArgumentOutOfRangeException("value must be greater than or equal to 0"); } if (n == 0) { return 1; } return n * Factorial (n - 1); } 递归在解决阶乘、Fibonacci数列这样的问题时尤为适合。但使用的时候要当心,可能会写出不能终止的递归。匿名函数(Anonymous Function) 定义函数的时候F#提供了第二种方式:使用关键字fun。有时我们没必要给函数起名,这种函数就是所谓的匿名函数,有时称为lambda函数,这也是C#3.0的一个新特性。比如有的函数仅仅作为一个参数传给另一个函数,通常就不需要起名。在后面的“列表”一节中你会看到这样的例子。除了fun,我们还可以使用function关键字定义匿名函数,它们的区别在于后者可以使用模式匹配(本文后面将做介绍)特性。看下面的例子: let x = (fun x y -> x + y) 1 2let x1 = (function x -> function y -> x + y) 1 2let x2 = (function (x, y) -> x + y) (1, 2) 我们可优先考虑fun,因为它更为紧凑,在F#类库中你能看到很多这样的例子。 注意:本文中的代码均在F# 1.9.4.17版本下编写,在F# CTP 1.9.6.0版本下可能不能通过编译。 F#系列随笔索引页面
-
搞定可迭代对象、迭代器和生成器的奥秘
-
Python里的可迭代对象、迭代器和生成器:一次搞懂
-
Python中的可迭代对象、迭代器和生成器详解与回顾
-
Python里的可迭代对象、迭代器与生成器有何不同?
-
Python高级技巧:详解迭代器与可迭代对象的差异