因为本系列还是基于一些曾经对Python有肯定相熟度的读者，所以咱们在此不做十分多的赘述来介绍基本知识了。而是回咱们之前的主题，咱们要用迭代器和生成器实现之前的指数函数。

当然，咱们这里还是须要回到惰性列表是什么这个问题。事实上，回到原来惰性求值的概念，惰性列表的概念其实是「须要时才计算出值」的列表。咱们在调用iter的时候，其实对常见的对象并没有特地大的劣势。咱们能够假想，其实iter转化[1, 2, 3, 4]的后果其实如下：

def yield_list():    yield 1    yield 2    yield 3    yield 4

惟一的劣势，咱们之前曾经提到过了，就是重复套用函数f和g时，咱们是计算g(f(x))而不是先把列表里每个值套用f再套用g。这里有个极大的劣势，就是提前终止时能够防止没有必要的运算。比方，上面一个for外面的例子，咱们是为了发现列表ls中利用f函数后如果后果等于a就返回index否则返回None：

def find_index_apply_f(f, ls, a):    for i, x in enumerate(ls):        if f(x) == a:            return i        else:            continue    return None>>> find_index_apply_f(lambda x: x + 1, [1, 2, 3, 4, 5], 3)1

当初，这里提前跳出能够缩小十分多的运算量，然而如果应用一个一般列表却很难，咱们在应用map之后必然曾经全都计算了，但如果惰性求值，咱们能够就在须要的时候进行就行。这个是列表操作代替循环必须实现的货色。

第二个惰性列表的最大利用，就是无穷列表，比方上面一个生成器，咱们能够生成一个有限长度的全是x的列表。前面咱们会聊到咱们在各种场合中曾经用到了这个形象。

def yield_x_forever(x):    while True:        yield x

实现一些罕用的(惰性)列表操作

大部分操作迭代器/生成器的函数，咱们都能够在itertoools中找到。但，咱们这里还是要实现一些十分函数式的函数，不便当前的操作：

1. head

head很简略，即取出(惰性)列表第一个元素：

head = next

2. take

take的指标是列表前N个值，这个能够实现成触发计算（转化成非惰性对象，个别为一个值或者列表）或者不触发计算的版本。上面咱们实现的是触发计算的函数。

def take(n, it):    """将前n个元素固定转为列表    """    return [x for x in islice(it, n)]take_curry = lambda n: lambda it: take(n, it)

3. drop

drop则相同是删去前N个值。

def drop(n, it):    """剔除前n个元素    """    return islice(it, n, None)

4. tail

tail是删去head后的列表，能够用drop实现：

from functools import partialtail = partial(drop, 1)

5. iterate

iterate是重点要用到的函数，就是通过一个迭代函数还有初始值，实现一个无穷列表：

def iterate(f, x):    yield x    yield from iterate(f, f(x))

比方，实现所有正偶数的无穷列表：

positive_even_number = iterate(lambda x: x + 2, 2)

当然，更简略地写法是应用itertools外面的repeat和accumulate：

def iterate(f, x):    return accumulate(repeat(x), lambda fx, _: f(fx))

简略实际

例子一：求指数

咱们回到之前求指数的例子中，咱们能够实现惰性列表的版本。

第一个思路，咱们就是间接用iterate从x开始，每次乘以x，而后取出前n个值，拿到最初一个：

power = lambda x, n: take(n, iterate(lambda xx: xx * x, x))[-1]

另一个就是学生成一个无穷长度的x，取出前n个，相乘来reduce：

power = lambda x, n: reduce(    lambda x, y: x * y,     take(n, iterate(lambda _: x, x)))

当然，咱们还能够用生成器生成无穷长列表：

def yield_power(x, init=x):    yield init    yield from yield_power(x, init * x)

例子二：查找

咱们回到下面讲解的例子，咱们要找到一个无穷列表中套用f后，第一个等于a的值的index。如果不是惰性的话，这个必须提前跳出也不可能实现。

def find_a_in_lazylist(f, lls, a):    return head(filter(lambda x: f(x[1]) == a, enumerat(lls)))[0]

总结

本章回顾了利用Python自带的生成器、迭代器实现惰性列表，并展现如何使用这些概念做一些数据操作利用。当然在其中，咱们要粗浅感触到，函数式编程与数据是十分亲热的，它关注数据胜于我的项目构造，这点和对象式编程十分不同。大部分对象式编程的教程偏向于概述分层、构造这些概念，真是因为这个是对象式编程善于的中央。

在我实现的教学我的项目fppy(点击这里返回github)中，我用内置的python模块实现了一个LazyList类，用它能够用链式写法实现下面的所有例子:

power1 = lambda x, n: LazyList.from_iter(x)(lambda xx: x * x).take(n).lastpower2 = lambda x, n: LazyList.from_iter(x)(lambda _: x).take(n).reduce(lambda xx, yy: xx * yy)find_a_in_lazylist = lambda f, lls, a: LazyList(lls)\    .zip_with(LazyList.from_iter(0)(lambda x: x + 1))\    .filter(lambda x: f(x[1]) == a)\    .split_head()[0]