# -*- coding: UTF-8 -*-
def _odd_iter():
n = 1
while True:
n = n + 2
yield n
def _not_divisible(n):
return lambda x: x % n > 0
def primes():
yield 2
it = _odd_iter() # 初始序列
while True:
n = next(it) # 返回序列的第一个数
yield n
it = filter(_not_divisible(n), it) # 构造新序列
# 打印1000以内的素数:
for n in primes():
if n < 1000:
print(n)
else:
break
我在学习python的时候遇到上面这么一段代码，可是令我不明白的是， it = filter(_not_divisible(n), it) 为什么代码中的这一行，在每次循环的过程中，构建这么一个新的迭代器，却不需要计算出所有可能的结果
对于我来说最大的疑惑是， it = filter(_not_divisible(n), it) 这里每一次循环都会变为一个新的迭代器，这个迭代器如何保证符合前面迭代器的条件呢
就好比你只是数数的话，那么只是费时间
除非你把数写下来，才会用光纸张。
按顺序执行，新的迭代器会覆盖旧的迭代器，或者说产生新的 旧的就被释放了..
迭代器比较重要的特点就是：惰性计算，延迟执行，按需加载。
你这里说的无穷迭代器，并不会提前将所有数据生成，而是每次 for n in primes() 循环调用 primes() 和 执行 next(it) 时，才会按需生成一个值。而在下次生成值的时候，有会覆盖上次的值。所以内存占用是固定的，而且非常的小。
【以下回答由 GPT 生成】
这段代码使用了一个无穷迭代器来处理过滤操作。对于无穷迭代器，它不会一次性地生成所有结果，而是在需要的时候计算，并且只计算当前所需的结果。因此，即使是在每次循环中构建一个新的迭代器，也不会占用过多的内存。
具体来说，这段代码中的filter函数接受一个函数和一个迭代器作为参数，返回一个新的迭代器，该迭代器包含满足函数条件的元素。在每次循环中，filter函数会调用传递给它的函数，检查当前元素是否满足条件。
对于这个例子中的filter(_not_divisible(n), it)，_not_divisible(n)是一个函数，用于检查迭代器it中的元素是否不能被n整除。在每次循环中，filter函数会使用_not_divisible(n)函数来过滤掉不符合条件的元素，并返回一个新的迭代器。这个新的迭代器只包含满足条件的元素，这样就避免了生成所有可能的结果。
因为无穷迭代器只计算当前所需的结果，并且不会一次性地生成全部结果，所以它的内存占用量非常小。此外，Python解释器还会对内存进行优化，可以及时回收不再使用的内存资源，进一步减少内存的占用。
总结起来，这段代码中的无穷迭代器只在需要的时候计算当前所需的结果，不会一次性生成全部结果，因此不会占用过多的内存。
【相关推荐】