python生成器与迭代器详解

2023-09-02 01:22:04 65

列表生成式:

例一：

a=[i+1foriinrange(10)]
print(a)

输出：

[1,2,3,4,5,6,7,8,9,10]

例二：

L=[1,2,3,4,5]
print([i*iforiinLifi>3])

输出:

[16,25]

例三：

L=[1,2,3,4,5]
I=[6,7,8,9,10]
print([i*aforiinLforainIifi>2ifa<8])

输出：

[18,21,24,28,30,35]

生成器：

通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。

所以，如果列表元素可以按照某种算法推算出来，这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。

要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator：

示例：

L=[1,2,3,4,5]
I=[6,7,8,9,10]
g=(i*aforiinLforainI)
print(g)

输出：

at0x00000276586C1F48>

创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator。

我们可以直接打印出list的每一个元素，可以通过generator的next()方法

next(g)

例一：

L=[1,2,3,4,5]
I=[6,7,8,9,10]
g=(i*aforiinLforainI)
print(next(g))
print(next(g))
print(next(g))

输出：

6
7
8

例二：

L=[1,2,3,4,5]
I=[6,7,8,9,10]
g=(i*aforiinLforainIifi>2ifa<8)
print(next(g))
print(next(g))
print(next(g))

输出：

18
21
24

因为generator保存的是算法，每次调用next(g)就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。正确的方法是使用for循环，因为generator也是可迭代对象：

例三：

g=(i*iforiinrange(0,5))
foriing:
print(i)

当我们创建了一个generator后，基本上永远不会调用next()方法，而是通过for循环来迭代它。

generator非常强大。如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。

比如，著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：

1,1,2,3,5,8,13,21,34,...

斐波拉契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易：

deffib(max):
n,a,b=0,0,1
whilen printb
a,b=b,a+b
n=n+1

上面的函数可以输出斐波那契数列的前N个数：

>>>fib(6)
1
1
2
3
5
8

仔细观察，可以看出，fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。
也就是说，上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print(b)改为yieldb就可以了：

deffib(max):
n,a,b=0,0,1

whilen
这就是定义generator的另一种方法。如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator：



deffib(max):

   n,a,b=0,0,1

   whilen
       yieldb

       a,b=b,a+b

       n=n+1

   return'done'

print(fib(5))

输出：





调用方法：  ##但是用for循环调用generator时，\

           ##发现拿不到generator的return语句\

           ##的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中：



foriinfib(5):

   print(i)



输出：



1

1

2

3

5

或者：



date=fib(5)

print(date.__next__())

print(date.__next__())

print(date.__next__())

print('test')

print(date.__next__())

print(date.__next__())

输出：



1

1

2

test

3

5



send方法有一个参数，该参数指定的是上一次被挂起的yield语句的返回值
还可通过yield实现在单线程的情况下实现并发运算的效果
#_*_coding:utf-8_*_
__author__='AlexLi'

importtime
defconsumer(name):
print("%s准备吃包子啦!"%name)
whileTrue:
baozi=yield

print("包子[%s]来了,被[%s]吃了!"%(baozi,name))


defproducer(name):
c=consumer('A')
c2=consumer('B')
c.__next__()
c2.__next__()
print("老子开始准备做包子啦!")
foriinrange(10):
time.sleep(1)
print("做了2个包子!")
c.send(i)
c2.send(i)

producer("alex")


通过生成器实现协程并行运算


迭代器:
可以直接作用于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generatorfunction。
这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。
可以使用isinstance()判断一个对象是否是Iterable对象：

>>>fromcollectionsimportIterable

>>>isinstance([],Iterable)

True

>>>isinstance({},Iterable)

True

>>>isinstance('abc',Iterable)

True

>>>isinstance((xforxinrange(10)),Iterable)

True

>>>isinstance(100,Iterable)

False



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。
*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。
可以使用isinstance()判断一个对象是否是Iterator对象：

>>>fromcollectionsimportIterator

>>>isinstance((xforxinrange(10)),Iterator)

True

>>>isinstance([],Iterator)

False

>>>isinstance({},Iterator)

False

>>>isinstance('abc',Iterator)

False



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：

>>>isinstance(iter([]),Iterator)

True

>>>isinstance(iter('abc'),Iterator)

True



为什么list、dict、str等数据类型不是Iterator？
这是因为Python的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。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。
Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。
小结:
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，它们表示一个惰性计算的序列；
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。
Python3的for循环本质上就是通过不断调用next()函数实现的，例如：



forxin[1,2,3,4,5]:

   pass

实际上完全等价于：



#首先获得Iterator对象:

it=iter([1,2,3,4,5])

#循环:

whileTrue:

   try:

       #获得下一个值:

       x=next(it)

   exceptStopIteration:

       #遇到StopIteration就退出循环

       break
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。

python生成器与迭代器详解

热门推荐

随机推荐