13518219792
首先这是个递归函数，功能是将一个10进制数，转换成一个其他进制的数，这里转换只是将结果打印出来。
我们提供的服务有：成都网站建设、成都网站设计、微信公众号开发、网站优化、网站认证、张湾ssl等。为近千家企事业单位解决了网站和推广的问题。提供周到的售前咨询和贴心的售后服务，是有科学管理、有技术的张湾网站制作公司
递归这么调用foo(126,2)-foo(63,2),0-foo(31,2)，1，0-foo(15,2)，1，1，0-foo(7,2),1，1，1，0-foo(3,2)，1，1，1，1，0-foo(1,2)，1，1，1，1，1，0-1,1,1,1,1,0(共5个1，这个程序写的其实并不对。)有函数表示前面的先算出来，后面才能打印。所以虽然0是最先要打印的，但是却在最后一位，那是因为print放在函数调用的后面。
这个函数的应该在print后面加一句elif num0:print num这句和if缩进相同，这个程序的功能才正常，否则最高位会缺失。
不明白可追问。
迭代器模式：一种惰性获取数据项的方式，即按需一次获取一个数据项。
所有序列都是可以迭代的。我们接下来要实现一个 Sentence（句子）类，我们向这个类的构造方法传入包含一些文本的字符串，然后可以逐个单词迭代。
接下来测试 Sentence 实例能否迭代
序列可以迭代的原因：
iter()
解释器需要迭代对象 x 时，会自动调用iter(x)。
内置的 iter 函数有以下作用：
由于序列都实现了 __getitem__ 方法，所以都可以迭代。
可迭代对象：使用内置函数 iter() 可以获取迭代器的对象。
与迭代器的关系：Python 从可迭代对象中获取迭代器。
下面用for循环迭代一个字符串，这里字符串 'abc' 是可迭代的对象，用 for 循环迭代时是有生成器，只是 Python 隐藏了。
如果没有 for 语句，使用 while 循环模拟，要写成下面这样：
Python 内部会处理 for 循环和其他迭代上下文（如列表推导，元组拆包等等）中的 StopIteration 异常。
标准的迭代器接口有两个方法：
__next__ ：返回下一个可用的元素，如果没有元素了，抛出 StopIteration 异常。
__iter__ ：返回 self，以便在需要使用可迭代对象的地方使用迭代器，如 for 循环中。
迭代器：实现了无参数的 __next__ 方法，返回序列中的下一个元素；如果没有元素了，那么抛出 StopIteration 异常。Python 中的迭代器还实现了 __iter__ 方法，因此迭代器也可以迭代。
接下来使用迭代器模式实现 Sentence 类：
注意， 不要 在 Sentence 类中实现 __next__ 方法，让 Sentence 实例既是可迭代对象，也是自身的迭代器。
为了“支持多种遍历”，必须能从同一个可迭代的实例中获取多个独立的迭代器，而且各个迭代器要能维护自身的内部状态，因此这一模式正确的实现方式是，每次调用 iter(my_iterable) 都新建一个独立的迭代器。
所以总结下来就是：
实现相同功能，但却符合 Python 习惯的方式是，用生成器函数代替 SentenceIteror 类。
只要 Python 函数的定义体中有 yield 关键字，该函数就是生成器函数。调用生成器函数，就会返回一个生成器对象。
生成器函数会创建一个生成器对象，包装生成器函数的定义体，把生成器传给 next(...) 函数时，生成器函数会向前，执行函数定义体中的下一个 yield 语句，返回产出的值，并在函数定义体的当前位置暂停，。最终，函数的定义体返回时，外层的生成器对象会抛出 StopIteration 异常，这一点与迭代器协议一致。
如今这一版 Sentence 类相较之前简短多了，但是还不够慵懒。 惰性 ，是如今人们认为最好的特质。惰性实现是指尽可能延后生成值，这样做能节省内存，或许还能避免做无用的处理。
目前实现的几版 Sentence 类都不具有惰性，因为 __init__ 方法急迫的构建好了文本中的单词列表，然后将其绑定到 self.words 属性上。这样就得处理整个文本，列表使用的内存量可能与文本本身一样多（或许更多，取决于文本中有多少非单词字符）。
re.finditer 函数是 re.findall 函数的惰性版本，返回的是一个生成器，按需生成 re.MatchObject 实例。我们可以使用这个函数来让 Sentence 类变得懒惰，即只在需要时才生成下一个单词。
标准库提供了很多生成器函数，有用于逐行迭代纯文本文件的对象，还有出色的 os.walk 函数等等。本节专注于通用的函数：参数为任意的可迭代对象，返回值是生成器，用于生成选中的、计算出的和重新排列的元素。
第一组是用于 过滤 的生成器函数：从输入的可迭代对象中产出元素的子集，而且不修改元素本身。这种函数大多数都接受一个断言参数(predicate)，这个参数是个 布尔函数 ，有一个参数，会应用到输入中的每个元素上，用于判断元素是否包含在输出中。
以下为这些函数的演示：
第二组是用于映射的生成器函数：在输入的单个/多个可迭代对象中的各个元素上做计算，然后返回结果。
以下为这些函数的用法：
第三组是用于合并的生成器函数，这些函数都可以从输入的多个可迭代对象中产出元素。
以下为演示：
第四组是从一个元素中产出多个值，扩展输入的可迭代对象。
以下为演示：
第五组生成器函数用于产出输入的可迭代对象中的全部元素，不过会以某种方式重新排列。
下面的函数都接受一个可迭代的对象，然后返回单个结果，这种函数叫“归约函数”，“合拢函数”或“累加函数”，其实，这些内置函数都可以用 functools.reduce 函数实现，但内置更加方便，而且还有一些优点。
参考教程：
《流畅的python》 P330 - 363
迭代器
迭代是访问集合元素的一种方式。迭代器是一个可以记住遍历的位置的对象。迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退。
1.可迭代对象
以直接作用于for循环的数据类型有以下几种：
一类是集合数据类型，如list、tuple、dict、set、str等；
一类是generator，包括生成器和带yield的generator function。
这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。
2.判断是否可以迭代
可以使用isinstance()判断一个对象是否是Iterable对象：
运行结果：
而生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。
相关推荐：《Python视频教程》
3.迭代器
可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。
运行结果：
4.iter()函数
生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。
把list、dict、str等Iterable变成Iterator可以使用iter()函数：
运行结果：
总结
·凡是可作用于for循环的对象都是Iterable类型；
·凡是可作用于next()函数的对象都是Iterator类型
·集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。
·目的是在使用集合的时候，减少占用的内容。
相关推荐：
三分钟看懂什么是Python生成器
迭代：按照一定的顺序访问集合中的每一个元素，或者叫遍历（其他语言叫做遍历）；
可迭代对象（Iterable）：能被迭代的对象，或者说直接作用于for循环的对象，可以通过for..in来遍历的对象，比如数组（list）、元祖（tuple）字符串等；
迭代器（Iterator）：能作用于next() 函数，并不断返回下一个值的对象称为迭代器，是惰性计算的序列（很重要）
1、判断一个对象是可迭代对象呢？方法是通过collections模块的Iterable类型判断
2、判断一个对象是否是迭代器Iterator对象
3、可迭代对象Iterable转化为迭代器对象Iterator
4、使用迭代器迭代
1、迭代器的特性
A.惰性计算数据，节省内存
B.能记录状态，并通过next()函数执行下一个状态
C.具有可迭代性
2、集合数据类型如list、dict、str、tuple等是可迭代对象Iterable但不是迭代器Iterator，不过可以通过iter()函数转化为一个Iterator对象
原因：Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。Iterator对象表示一个无限大的数据，集合是有限集合，假如被next()到最后就是没有返回直接carsh
3、生成器（generator）一定是迭代器，他是一种特殊的迭代器；
如果想了解更多Python知识，请查看
Python的基础知识之生成器
Python的基础知识之装饰器
学无止境，学习Python的伙伴可以多多交流。
数学上面的定义:迭代公式就是指用现在的值，代到一个公式里面，算出下一个值，再用下一个值代入公式，如此往复地代。比如:x=(x+2/x)/2 你随便拿一个x=10代入，得x=(10+2/10)/2=5.1，再代进去x=(5.1+2/5.1)/2=2.746，再代入得1.737，以此类推。
在python中，迭代式也可以是递归的调用，下面给你举个例子:
def f(n):
if n == 0 or n == 1 or n == 2: return 1
else: return f(n-1) + f(n-2)
这就是一个简单的第n项斐波那契数的求法，这里就用的是迭代式。另外的例子就是牛顿迭代法，采用逐次渐进的效果求出n的开方数，下面是例子:
def f(guess):
return guess ** 2
def fd(guess):
return 2 * guess
def SquareRootNR(x， epsilon):
guess = x / 2.0
diff = f(guess) - x
ctr = 1
while abs(diff) epsilon and ctr = 100:
guess = guess - diff / fd(guess)
diff = f(guess) - x
ctr += 1。
