迭代器
什么是迭代器:满足可迭代协议。
假如我们自己写了一个数据类型,希望这个数据类型里的东西也可以使用for被一个一个的取出来,那我们就必须满足for的要求。这个要求就叫做‘协议’。
可以被迭代要满足的要求就叫做可迭代协议。可迭代协议的定义非常简单,就是内部实现了__iter__方法。
lst = [1,2] print(dir(lst))
结果
['__add__', '__class__', '__contains__', '__delattr__', '__delitem__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__gt__', '__hash__', '__iadd__', '__imul__', '__init__', '__init_subclass__', '__iter__', '__le__', '__len__', '__lt__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__reversed__', '__rmul__', '__setattr__', '__setitem__', '__sizeof__', '__str__', '__subclasshook__', 'append', 'clear', 'copy', 'count', 'extend', 'index', 'insert', 'pop', 'remove', 'reverse', 'sort']
总结一下我们现在所知道的:可以被for循环的都是可迭代的,要想可迭代,内部必须有一个__iter__方法。
接着分析,__iter__方法做了什么事情呢?
可迭代的:内部必须含有一个__iter__方法。
迭代器
什么叫做迭代器?迭代器英文的意思是iterator.
l = [1, 2, 3, 4] l_iter = l.__iter__() # 将可迭代的转换为迭代器 print(l_iter) # <list_iterator object at 0x0308AFF0> item = l_iter.__next__() print(item) # 1 item = l_iter.__next__() print(item) # 2 item = l_iter.__next__() print(item) # 3 item = l_iter.__next__() print(item) # 4 item = l_iter.__next__() print(item) # 报错
迭代器遵循迭代器协议:必须拥有__iter__方法和__next__方法。
for循环,能遍历一个可迭代对象,他的内部到底进行了什么?
将可迭代对象转换成迭代器。(可迭代对象.__iter__())
内部使用__next__方法,一个一个的取值。
加了异常处理功能,取值到底后自动停止。
生成器
我们知道的迭代器有两种:一种是调用方法直接返回的,一种是可迭代对象通过执行iter方法来得到的,迭代器有的好处是可以节省内存。
如果在某些情况瞎,我们也需要内存,就只能自己写。我们自己写的这个能实现迭代器功能的东西就叫生成器。
python中提供的生成器:
1、生成器函数:常规函数定义。但是,使用yield语句而不是return语句返回结果。yield语句一次返回一个结果,在每个结果中间,挂起函数的状态,以变下次从它离开的地方继续执行。
2、生成器表达式:类似于列表推到,但是,生成器返回需要产生结果的一个对象,而不是构建一个结果列表
生成器Generator
本质:迭代器(所以自带了__iter__方法和__next__方法,不需要我们去实现)
特点:惰性运算,开发者自定义
生成器函数
一个包含yield关键字的函数就是一个生成器函数。yield可以为我们从函数中返回值,但是yield又不同于return,return的执行意味着程序的结束,调用生成器函数不会得到返回值具体的值,而是得到一个可迭代对象。每一次获取这个可迭代对象的值,就能推动函数的执行,获取新的值。直到函数执行结束。
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
1 import time 2 def genrator_fun1(): 3 a = 1 4 print('现在定义了a变量') 5 yield a 6 b = 2 7 print('现在又定义了b变量') 8 yield b 9 10 g1 = genrator_fun1() 11 print('g1 : ',g1) #打印g1可以发现g1就是一个生成器 12 print('-'*20) #我是华丽的分割线 13 print(next(g1)) 14 time.sleep(1) #sleep一秒看清执行过程 15 print(next(g1))
send
def generator(): print(123) content = yield 1 print('=======',content) print(456) yield2 g = generator() ret = g.__next__() print('***',ret) ret = g.send('hello') #send的效果和next一样 print('***',ret) #send 获取下一个值的效果和next基本一致 #只是在获取下一个值的时候,给上一yield的位置传递一个数据 #使用send的注意事项 # 第一次使用生成器的时候 是用next获取下一个值 # 最后一个yield不能接受外部的值
列表推导式和生成器表达式
l = [i for i in range(10)] print(l) l1 = ['选项%s'%i for i in range(10)] print(l1)
1、把列表解析的[]换成()得到的就是生成器表达式
2、列表解析与生成器表达式都是一种便利的编程方式,只不过生成器表达式更省内存。
3、python不但使用迭代器协议,让for循环变得更加通用,大部分内置函数,也是使用迭代器协议访问对象的。例如,sum函数是python的内置函数,该函数使用迭代器协议访问对象,而生成器实现了迭代器协议,所以,我们可以直接这样计算一系列值得和:
sum(x ** 2 for x in range(4))