zoukankan      html  css  js  c++  java
  • Python入门:生成器&迭代器

    一、列表生成式

      现在有个需求,列表[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],要求你把列表里的每个值加1,怎么实现?你可能会想到2种方式

    二逼青年版

    a = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
    b = []
    for i in a:b.append(i+1)
    print(b)
    

      

    普通青年版

    for index, i in enumerate(a):
        a[index] +=1
        print(a)
    

      

    文艺青年版

    a = map(lambda x:x+1, a)
    for i in a:print(i)
    

      

    装逼青年版

    a = [i+1 for i in range(10)]
    print(a)
    

      这样的写法就叫做:列表生成式

    二、生成器

      通过列表生成式,可以直接创建一个列表,但是,受到内存限制,列表容量是有限的,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,这种一边循环一边技术的机制,称为生成器:generator。

    要创建一个generator,有很多种方法。

    第一种方法:只要把一个列表生成式的[]改成(),就创建了一个generator

    L = [x * x for x in range(10)]
    print(L)
    
    g = (x * x for x in range(10))
    print(g)
    

      创建L和g的区别仅在最外层的[] 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 "<stdin>", line 1, in <module>
    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的错误。

    使用for循环输出:

    g = (x * x for x in range(10))
    
    for n in g:
        print(n)
    

      输出:

    0
    1
    4
    9
    16
    25
    36
    49
    64
    81
    

      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。

    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:

    def fib(max):
        n, a, b = 0, 0, 1
        while n < max:
            print(b)
            a, b = b, a+b
            n = n + 1
        return 'done'
    
    fib(10)
    

      输出:

    1
    1
    2
    3
    5
    8
    13
    21
    34
    55
    

      

          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yield b就可以了:

    def fib(max):
        n, a, b = 0, 0, 1
        while n < max:
            #print(b)
            yield b
            a, b = b, a+b
            n += 1
        return 'done'
    

      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)
    print(f)
    
    输出:
    <generator object fib at 0x0000000002536F68>
    

      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,再次被next()调用时从上次返回的yield语句处继续执行。

    data = fib(10)
    print(data)
    
    print(data.__next__())
    print(data.__next__())
    print('干点别的事情')
    print(data.__next__())
    print(data.__next__())
    print(data.__next__())
    print(data.__next__())
    

      输出:

    <generator object fib at 0x0000000002556FC0>
    1
    1
    干点别的事情
    2
    3
    5
    8
    

      上面fib的例子,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,我们基本上从来不会用next()来获取下一个返回值,而是直接使用for循环来迭代:

    for n in fib(10):
        print(n)
    

      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:

    g = fib(10)
    while True:
        try:
            x = next(g)
            print('g:', x)
        except StopIteration as e:
            print('Generator return value:', e.value)
            break
    

      输出:

    g: 1
    g: 1
    g: 2
    g: 3
    g: 5
    g: 8
    g: 13
    g: 21
    g: 34
    g: 55
    Generator return value: done
    

      还可通过yield实现在单线程的情况下实现并发运算的效果

    import time
    __author__ = 'mike'
    
    
    def consumer(name):
        print('%s 准备吃包子啦!' % name)
        while True:
            baozi = yield
    
            print('包子[%s]来了,被[%s]吃了!' %(baozi,name))
    
    
    def producer(name):
        c = consumer('A')
        c2 = consumer('B')
        c.__next__()
        c2.__next__()
        print('开始准备做包子啦!')
        for i in range(10):
            time.sleep(1)
            print("做了2个包子!")
            c.send(i)
            c2.send(i)
    
    
    producer("mike")
    

      

    三、迭代器

    我们已经知道,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:listtupledictsetstr

    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:

    from collections import Iterable
    
    print(isinstance([], Iterable))
    
    print(isinstance({}, Iterable))
    
    print(isinstance('abc', Iterable) )
    
    print(isinstance((x for x in range(10)), Iterable))
    

      

    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:

    print(isinstance([], Iterator))
    
    print(isinstance({}, Iterator))
    
    print(isinstance('abc', Iterator) )
    
    print(isinstance((x for x in range(10)), Iterator))
    

      输出:

    False
    False
    False
    True
    

      

    生成器都是Iterator对象,但listdictstr虽然是Iterable,却不是Iterator

    listdictstrIterable变成Iterator可以使用iter()函数:

    print(isinstance(iter([]), Iterator))
    
    print(isinstance(iter({}), Iterator))
    

      输出;

    True
    True
    

      

    为什么listdictstr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listdictstr等是Iterable但不是Iterator,不过可以通过iter()函数获得一个Iterator对象。

  • 相关阅读:
    动态规划最后一击
    leetcode N-Queens I && N-Queens II
    leetcode Spiral Matrix
    leetcode Submission Details
    由网易云音乐到算法体会
    leetcode Rotate Image
    线性表之双链表
    线性表之循环单链表
    线性表之单链表
    [HDU] 1561 The more, The Better 树形DP加01分组背包
  • 原文地址:https://www.cnblogs.com/mike-liu/p/9054783.html
Copyright © 2011-2022 走看看