python 生成器、列表解析式、yield、迭代器

开局一张图总结关系


一、列表解析式

我们习惯生成列表通过list = [1, 2, 3]的方式。还有一种很方便的列表生成方式 list = [a*2 for a in range(10)]，或者list = [fun(a) for a in range(10)]都是可以的

>>> L1 = [a*2 for a in range(10)]
>>> L1
[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]

如果只是生成一个100元素，1000元素的列表，那很简单，可是你需要一个100万，一亿个元素的列表时，这样去生成列表，你要知道，它是实实在在的存在你的内存里面，这么大一个列表，过于耗费内存。
那么有没有什么好的解决办法呢？------------>生成器

二、生成器

按照某种算法推算出列表元素，可以一直一边循环一边计算出列表元素的机制，称之为生成器：generator。一个简单生成器构造：列表是L = [a*2 for a in range(10)] 生成器把中括号[]换成小括号()就好了，G = (a*2 for a in range(10)) 这样就得到了一个生成器,[.....]生成列表，(.....)生成生成器

>>> g = (a*a for a in range(10))
>>> g
<generator object <genexpr> at 0x0000001D925F3308>     #1
>>> for v in g:         #2
...     print(v)
 1
4
9
16
25
36
49
64
81

在#1处我们生成了一个generator obj ，通过#2 的方式就可以取到当中的元素了。

三、yield

首先我们来写一个斐波拉契数列 1, 1, 2, 3, 5, 8, 13, 21.....除第一个数外，每前两个数的和等于第三个数

fib_list = []
def fib(n):
    i, a, b = 0, 0, 1
    while i < n:
        fib_list.append(b)
        a, b = b, a+b
        i = i + 1

f = fib(6)
print(fib_list)

#结果为
[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]

这样就得到了一个简单斐波拉契数列了。
当然我们还可以用yield来进行改装，把它变成一个生成器对象，yield: 在函数执行时会给函数返回generator对象，可以通过该对象的obj.next()方法或next(obj)来启动函数

>>> def generator_example():
...     print('before yield')
...     yield 'first yield'   
 
...     print('after first yield')
...     message = yield 'second yield'         #1  调用obj.send('message')可把值赋给yield表达式，同时返回yield右边的内容
 
...     print('第二个yield收到send函数的消息：{}'.format(message))
...     yield
...     return 'over'
>>> g = generator_example()         #2 运行带yield的函数，返回一个generator obj
>>> g
<generator object generator_example at 0x0000006E725E3308>
>>> res = g.__next__()         #3 调用obj.__next__()方法启动generator
before yield
>>> print(res)         
first yield
>>> res2 = next(g)         #4 next(obj) 等同于obj.__next__()
after first yield
>>> print(res2)
second yield
>>> res3 = g.send('form send: after second yield')
第二个yield收到send函数的消息：form send: after second yield
>>> print(res3)
None
>>> try:
...     next(g)
...     print('上一个next(g)因为没有yield，所以触发错误，这儿不会执行')
... except StopIteration as e:
...     print(e.value)
over

上面没有提到obj.send()方法，#3处第一次通过obj.next()方法启动generator后，函数返回第一个yield右边的值，并停在了哪儿，然后第二次通过next(obj)让函数继续运行到第二个yield，返回second yield然后停住，然后第三次通过obj.send(value)的方法把value传给给了暂停地方的yield表达式的 message，并启动函数继续运行直到遇到下一个yield。......最后当触发最后次yield但是后面没有yield能暂停就报错了，使用try：抓住错误，并接受函数返回值over

yield来实现斐波拉契数列

def fib(n):
    i, a, b = 0, 0, 1
    while i < n:
        yield b         #在这儿用yield就好了
        a, b = b, a+b
        i = i + 1
    return '--done--'    

f = fib(6)
while True:
    try:
        res = next(f)
        print(res)
    except    StopIteration as e:
        print(e.value)
        break

#运行结果为
1
1
2
3
5
--done--

四、迭代器

生成器都是迭代器

还有可以作用于for循环的数据类型有：
一类是集合数据类型：如 list、tuple、duct、str等
另一类是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）可使用isinstance()来判断是否为Iterable

>>> from collection import Iterable
>>> isinstance([], Iterable)
True

而生成器不但可以作用于for循环，还能被next()函数不断调用返回下一个值，直到抛出StopIteration错误无法继续
可以被next()函数调用并不断返回下一个值的对象就称为迭代器Iterator
list、idct、str虽然可以用for循环，可迭代，但是没有nex()方法就不是Iterator迭代器

而使用iter()函数就可以把它们变成迭代器了

>>> gen_list = iter([1, 3, 5, 7])
>>> gen_list
<list_iterator object at 0x00000052371B6C50>

range() 或for line in f:这样的内部也都是封装了迭代器