zoukankan      html  css  js  c++  java

  • Python基础 迭代器与生成器

    Python基础 迭代器与生成器

    迭代器
    生成器

    迭代器

    可迭代对象(iterable)

    但凡是可以返回一个迭代器的对象都可称之为可迭代对象,看个例子

    1. >>> x = [1, 2, 3] 
    2. >>> y = iter(x) 
    3. >>> z = iter(x) 
    4. >>> next(y) 
    5. 1 
    6. >>> next(y) 
    7. 2 
    8. >>> next(z) 
    9. 1 
    10. >>> type(x) 
    11. <class 'list'> 
    12. >>> type(y) 
    13. <class 'list_iterator'> 

    这里x是一个可迭代对象,这只是一种通俗的叫法,并不是一种数据类型.
    y和z是两个独立的迭代器，迭代器内部持有一个状态，该状态用于记录当前迭代所在的位置，以方便下次迭代的时候获取正确的元素。

    迭代器(iterator)

    那什么是迭代器呢?它是一个带状态的的对象,他能在你调用next()方法的时候返回容器中的下一个值,任何实现了__iter__() 和 __ next__() 方法的对象都是迭代器,__iter__返回迭代器自身，__next__返回容器中的下一个值，如果容器中没有更多元素了，则抛出StopIteration异常.

    例子

    1. # 生成无限序列 
    2. >>> from itertools import count 
    3. >>> counter = count(start=13) 
    4. >>> next(counter) 
    5. 13 
    6. >>> next(counter) 
    7. 14 
    1. # 从有限序列中生成无限序列 
    2. >>> from itertools import count 
    3. >>> counter = count(start=13) 
    4. >>> next(counter) 
    5. 13 
    6. >>> next(counter) 
    7. 14 
    1. # 为了更直观地感受迭代器内部的执行过程，我们自定义一个迭代器，以斐波那契数列为例 
    2. class Fib: 
    3. def __init__(self): 
    4. self.prev = 0 
    5. self.curr = 1 
    6.  
    7. def __iter__(self): 
    8. return self 
    9.  
    10. def __next__(self): 
    11. value = self.curr 
    12. self.curr += self.prev 
    13. self.prev = value 
    14. return value 
    15.  
    16. >>> f = Fib() 
    17. >>> list(islice(f, 0, 10)) 
    18. [1, 1, 2, 3, 5, 8, 13, 21, 34, 55] 

    Fib既是一个可迭代对象（因为它实现了__iter__方法），又是一个迭代器（因为实现了__next__方法）。实例变量prev和curr用户维护迭代器内部的状态。每次调用next()方法的时候做两件事：

    1.为下一次调用next()方法修改状态
    2 为当前这次调用生成返回结果

    生成器

    什么是生成器？

    　　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，那我们是否可以在循环的过程中不断推算出后续的元素呢？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

    　　生成器是一个特殊的程序，可以被用作控制循环的迭代行为，python中生成器是迭代器的一种，使用yield返回值函数，每次调用yield会暂停，而可以使用next()函数和send()函数恢复生成器。

    　　生成器类似于返回值为数组的一个函数，这个函数可以接受参数，可以被调用，但是，不同于一般的函数会一次性返回包括了所有数值的数组，生成器一次只能产生一个值，这样消耗的内存数量将大大减小，而且允许调用函数可以很快的处理前几个返回值，因此生成器看起来像是一个函数，但是表现得却像是迭代器(实际就是迭代器)

    python中的生成器

    　　要创建一个generator，有很多种方法，第一种方法很简单，只有把一个列表生成式的[]中括号改为（）小括号，就创建一个generator

    1. #列表生成式 
    2. lis = [x*x for x in range(10)] 
    3. print(lis) 
    4. #生成器 
    5. generator_ex = (x*x for x in range(10)) 
    6. print(generator_ex) 
    7.  
    8. 结果： 
    9. [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] 
    10. <generator object <genexpr> at 0x000002A4CBF9EBA0> 

    那么创建lis和generator_ex，的区别是什么呢？从表面看就是[ ]和（）,但是结果却不一样，一个打印出来是列表（因为是列表生成式），而第二个打印出来却是<generator object at 0x000002A4CBF9EBA0>，那么如何打印出来generator_ex的每一个元素呢？

    　　如果要一个个打印出来，可以通过next（）函数获得generator的下一个返回值：

    1.  
    2. #生成器 
    3. generator_ex = (x*x for x in range(10)) 
    4. print(next(generator_ex)) 
    5. print(next(generator_ex)) 
    6. print(next(generator_ex)) 
    7. print(next(generator_ex)) 
    8. print(next(generator_ex)) 
    9. print(next(generator_ex)) 
    10. print(next(generator_ex)) 
    11. print(next(generator_ex)) 
    12. print(next(generator_ex)) 
    13. print(next(generator_ex)) 
    14. print(next(generator_ex)) 
    15. 结果： 
    16. 0 
    17. 1 
    18. 4 
    19. 9 
    20. 16 
    21. 25 
    22. 36 
    23. 49 
    24. 64 
    25. 81 
    26. Traceback (most recent call last): 
    27.  
    28. File "列表生成式.py", line 42, in <module> 
    29.  
    30. print(next(generator_ex)) 
    31.  
    32. StopIteration 

    　　大家可以看到，generator保存的是算法，每次调用next(generaotr_ex)就计算出他的下一个元素的值，直到计算出最后一个元素，没有更多的元素时，抛出StopIteration的错误，而且上面这样不断调用是一个不好的习惯，正确的方法是使用for循环，因为generator也是可迭代对象：

    1. #生成器 
    2. generator_ex = (x*x for x in range(10)) 
    3. for i in generator_ex: 
    4. print(i) 
    5.  
    6. 结果： 
    7. 0 
    8. 1 
    9. 4 
    10. 9 
    11. 16 
    12. 25 
    13. 36 
    14. 49 
    15. 64 
    16. 81 

    　　所以我们创建一个generator后，基本上永远不会调用next()，而是通过for循环来迭代，并且不需要关心StopIteration的错误，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。

    　　这里说一下generator和函数的执行流程，函数是顺序执行的，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次被next（）调用时候从上次的返回yield语句处急需执行，也就是用多少，取多少，不占内存。
  • 相关阅读:
    不用写代码的框架
    bat执行python脚本，执行多条命令
    VMware-workstation-full-15.1.0-13591040安装破解-附件密钥
    w10谷歌chrome关闭自动更新
    谷歌安装提示已经安装高版本解决
    python项目三方库导出导入 requirements.txt文件
    点阴影
    goto gamedev blog
    20135315-信息安全系统设计基础第五周学习总结
    win10 +python3.6环境下安装opencv以及pycharm导入cv2有问题的解决办法
  • 原文地址：https://www.cnblogs.com/FelixTeng/p/9898039.html
Copyright © 2011-2022 走看看