迭代器設計模式，幫你大幅提高Python性能

你們好，咱們的git專題已經更新結束了，因此開始繼續給你們寫一點設計模式的內容。

今天給你們介紹的設計模式很是簡單，叫作iterator，也就是迭代器模式。迭代器是Python語言當中一個很是重要的內容，藉助迭代器咱們能夠很方便地實現不少複雜的功能。在深度學習當中，數據的獲取每每也是經過迭代器實現的。所以這部分的內容很是重要，推薦你們必定要掌握。

簡單案例

在開始介紹設計模式以前，咱們先來看一個簡單的需求。假設如今咱們須要根據傳入的變量獲取每週的前幾天，好比說咱們傳入3返回的就是[Mon, Tue, Wed]，咱們傳入5返回[Mon, Tue, Wed, Thu, Fri]。這個需求你們應該都能理解，很是很是簡單。

若是用一個函數來實現的話，就是這樣：

def return_days(n):
    week = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun']
    return week[:n]

你看三行代碼就實現了，在這個問題場景當中這樣寫固然是沒有問題。但假如咱們把題目稍微變一變，這裏的week不是一個固定的數據，而是從上游或者是某個文件當中讀取的。這裏的n也是一個很大的數，咱們把這個函數改寫成這樣：

def get_data(n):
    data = []
    for i in range(n):
        data.append(get_from_upstream())
    return data

咱們假設get_from_upstream這個函數當中實現了獲取數據的具體邏輯，那麼上面這一段函數有一個什麼問題？

有些同窗會說這沒有問題啊，由於像是其餘語言實現數據獲取的時候也都是這麼幹的。的確，像是Java等語言可能都是這麼幹的。可是其餘語言這麼幹沒錯，不表明Python這麼幹也沒錯。由於咱們沒有把Python的能力發揮到最大。

這裏有兩個問題，第一個問題是延遲，由於前面說了，n是一個很大的數。咱們從上游獲取數據，不管是經過網絡仍是文件讀取，本質上都是IO操做，IO操做的延遲是很是大的。那麼咱們把這n條數據所有蒐集完可能須要很長的時間，致使下游的漫長等待。第二個問題就是內存，由於咱們存儲了這n條數據一塊兒返回的，若是n很大，對於內存的開銷壓力也很大，若是機器內存不夠頗有可能致使崩潰。

那怎麼解決呢？

其實解決的方法很簡單，若是對迭代器熟悉的話，會發現迭代器針對的偏偏是這兩個問題。咱們把上面的邏輯改寫成迭代器實現便可，這也就是iterator模式。

iterator模式

iterator模式嚴格提及來其實只是迭代器的一種應用，它很是巧妙地將迭代器與匿名函數結合在一塊兒，裏面也沒有太多的門道能夠說，咱們把剛纔的代碼改寫一下，細節都在代碼當中。

def get_data(n):
    for i in range(n):
  yield get_from_upstream()


data_10 = lambda: get_data(10)
data_100 = lambda: get_data(100)

# use
for d in data_10:
    print(d)

很簡單吧，但可能你要問了，咱們既然寫出了get_data這個迭代器，那麼咱們使用的時候直接for d in get_data(10)這樣用不就行了，爲何中間要用匿名函數包一層呢？

道理也很簡單，若是這個數據是咱們本身使用，固然是不必中間包一層的。但若是咱們是傳給下游使用的話，對於下游來講它確定是不但願考慮上游太多的細節的，越簡單越好。因此咱們直接丟一個包裝好的迭代器過去，下游直接call便可。不然的話，下游還須要感知get_data這個函數傳入的參數，顯然是不夠合理的。

今天的文章就到這裏，衷心祝願你們天天都有所收穫。若是還喜歡今天的內容的話，請來一個三連支持吧~（點贊、關注、轉發）