zoukankan      html  css  js  c++  java
  • 列表生成式,迭代器和生成器

    一、列表生成式

    现在有个需求,看列表[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],现在要求把列表里的每个值加1,你怎么实现?你可能会想到的几种方法:

    方法1:

    a = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
    
    # 需求:要求把列表中的每个元素的值加1
    # 方法一
    b = []
    for i in a:
        b.append(i + 1)
    
    a = b
    print(a)
    # [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

    方法2:

    a = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
    
    # 需求:要求把列表中的每个元素的值加1
    for index, i in enumerate(a):
        a[index] += 1
    
    print(a)
    # [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

    方法3:

    a = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
    
    # 需求:要求把列表中的每个元素的值加1
    a = list(map(lambda x:x + 1, a))
    
    print(a)
    # [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

    方法4:

    # 需求:要求把列表中的每个元素的值加1
    a = [i + 1 for i in a]
    
    print(a)
    # [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

    最后一种写法就叫做列表生成式

    二、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,如果列表元素可以执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了,从而节省大师的空间。在Python中,这种一边循环一边计算的机制,称为生成器(generator)。

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

    >>> l = [x * x for x in range(10)]
    >>> l
    [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
    >>> g = (x * x for x in range(10))
    >>> g
    <generator object <genexpr> at 0x01D97BA0>
    >>>

    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,但我们怎么打印出generator的每一个元素呢?

    如果要一个一个打印出来,可以通过next()函数获得generator的下一个返回值:

    >>> next(g)
    0
    >>> next(g)
    1
    >>> next(g)
    4
    >>> next(g)
    9
    >>> next(g)
    16
    >>> next(g)
    25
    >>> next(g)
    36
    >>> next(g)
    49
    >>> next(g)
    64
    >>> next(g)
    81
    >>> next(g)
    Traceback (most recent call last):
      File "<pyshell#14>", line 1, in <module>
        next(g)
    StopIteration
    >>>

    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的异常。

    当然,上面这种不断调用next(g)的方式实在是太不方便了,正确的方法是使用for循环,因为generator也是可迭代对象:

    >>> g = (x * x for x in range(10))
    >>> for n in g:
        print(n)
    
        
    0
    1
    4
    9
    16
    25
    36
    49
    64
    81
    >>>

    所以,我们创建了一个generator后,基本上永远不会调用next(),而是通过for循环来迭代它,并且不需要关心StopIteration的异常。

    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,任意一个数都可以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:

    def fib(num):
        n, a, b = 0, 0, 1
        while n < num:
            print(b)
            a, b = b, a + b
            n = n + 1

    注意,赋值语句:

    a, b = b, a + b

    相当于:

    t = (b, a + b)

    a = t[0]

    b = t[1]

    但不必显式写出临时变量t就可以赋值

    上面的函数可以输出斐波那契数列的前N个数:

    >>> fib(10)
    1
    1
    2
    3
    5
    8
    13
    21
    34
    55
    >>>

    仔细观察,可以挂出,fib()函数实际上是定义了斐波那契数列的推算规则,可以从每一个元素开始,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pring(b)改成yield b就可以了:

    def fib(num):
        n, a, b = 0, 0, 1
        while n < num:
            # print(b)
            yield b
            a, b = b, a + b
            n = n + 1

    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:

    >>> f = fib(10)
    >>> f
    <generator object fib at 0x01D97BA0>
    >>>

    这里,最难理解的就是generator和函数的执行流程不一样。函数是顺序执行,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,再次执行时从上次返回的yield语句处继续执行。

    >>> print(f)
    <generator object fib at 0x01D97BA0>
    >>> print(f.__next__())
    1
    >>> print(f.__next__())
    1
    >>> print("做点别的事")
    做点别的事
    >>> print(f.__next__())
    2
    >>> print(f.__next__())
    3
    >>> print(f.__next__())
    5
    >>> print(f.__next__())
    8
    >>> print(f.__next__())
    13
    >>> print(f.__next__())
    21
    >>> print(f.__next__())
    34
    >>> print(f.__next__())
    55
    >>>

    在上面fib()的例子中,我们在循环过程中不断调用yield,就会不断中断。当然要给循环设置一个条件来退出循环,不然就会产生一个无限数列出来。

    同样的,把函数改成generator后,我们基本上不会用next()来获取下一个返回值,而是直接使用for循环来迭代:

    >>> f = fib(10)
    >>> for n in f:
        print(n)
    
        
    1
    1
    2
    3
    5
    8
    13
    21
    34
    55
    >>>

    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异常,返回值包含在StopIteration的value中:

    >>> f = fib(10)
    >>> while True:
        try:
            x = next(f)
            print('f:', x)
        except StopIteration as e:
            print('generator return value:', e.value)
            break
    
        
    f: 1
    f: 1
    f: 2
    f: 3
    f: 5
    f: 8
    f: 13
    f: 21
    f: 34
    f: 55
    generator return value: None
    >>>

    三、迭代器

    我们知道,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。

    可以使用isinstance()判断一个对象是否是Iterable对象:

    generator return value: None
    >>> from collections import Iterable
    >>> isinstance([], Iterable)
    True
    >>> isinstance({}, Iterable)
    True
    >>> isinstance('abc', Iterable)
    True
    >>> isinstance((x for x in range(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:

    >>> from collections import Iterator
    >>> isinstance((x for x in range(10)), Iterator)
    True
    >>> isinstance([], Iterator)
    False
    >>> isinstance({}, Iterator)
    False
    >>> isinstance('abc', Iterator)
    False
    >>>

    生成器都是Iterator对象,但是list、dict、str虽然是Iterable,去不是Iterator。

    把list、dict、str等Iterable变成Iterator可以使用iter()内置函数:

    >>> isinstance(iter([]), Iterator)
    True
    >>> isinstance(iter({}), Iterator)
    True
    >>> isinstance(iter('abc'), Iterator)
    True
    >>>

    有人可能会问,为什么list、dict、str等数据类型不是Iterator呢?

    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异常。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是记录不可能存储全体自然数的。

    小结

    凡是可以作用于for循环的对象都是Iterable类型;

    凡是可以作用于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()内置函数变成一个Iterator对象。

    Python的for循环本质上就是通过不断调用next()函数实现的,例如:

    for x in [1, 2, 3, 4, 5]:
        print(x)
    
    # 实际上完全等价于
    
    # 首先转换成Iterator对象
    it = iter([1, 2, 3, 4, 5])
    # 循环
    while True:
        try:
            # 获取下一个值
            x = next(it)
            print(x)
        except StopIteration:
            # 遇到StopIteration异常,表示循环已经结束
            break
  • 相关阅读:
    hdu 3854 Glorious Array(一般)
    sublime常用设置以及使用技巧
    windows下通过bat脚本调用sql脚本
    数据库操作之间的校验以及常见操作
    oracle linux、centos、redhat7配置网易云的yum源
    redhat,centos、oracle linux配置本地yum源
    查询触发器及其相关的触发器函数与表
    postgresql触发器
    root用户ssh可以登录,xftp通过sftp不能登录链接CentOS解决办法
    PG数据库中表所占用空间大小查询
  • 原文地址:https://www.cnblogs.com/mayi0312/p/10727536.html
Copyright © 2011-2022 走看看