Python第六章-函数05-迭代器&生成器

目录

• 函数的高级应用
  • 一、迭代器
    • 1.1 可迭代对象
    • 1.2 迭代器
    • 1.3 迭代器的工作原理
    • 1.3 使用迭代器访问字符串中的元素
    • 1.4 使用迭代器访问列表中的元素
  • 二、生成器
    • 1.2.1 生成器表达式
    • 1.2.2 生成器表达式和列表的差异

python作为一个既面向对象，又支持函数式编程的语言，函数的使用方面有很多特点。

比如：闭包，装饰器，迭代器等

函数的高级应用

容器：生活中常见的容器有哪些？袋子，盆子，水杯，书包，铅笔盒。。。

容器是一种把多个元素组织在一起的数据结构，容器中的元素可以逐个的迭代获取，可以用in,not in等关键字判断某个元素是否包含在容器中。在python中常见的容器对象有：

list, tuple, dict, str, set

容器你可以把它看做一个房子，一个柜子，一个盒子，里面可以塞任何东西，从技术角度来说，当他可以用来询问某个元素是否包含在其中时，那么这个对象就可以看做一个容器。

1 in [1, 2, 3]   # True
4 not in [1, 2, 3, 4]   # False
4 in {1, 2, 3}   # False
4 not in {1, 2, 3, 4}   # False

一、迭代器

回想一下，到目前为止，能用for循环进行遍历的数据类型主要有哪些呢？dict,tuple,str,set,list等

1.1 可迭代对象

可迭代对象和容器一样是一种通俗的叫法，并不是指某种具体的数据类型，list是可迭代对象，dict是可迭代对象，set也是可迭代对象。

这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。

前面说的序列和集合类型也是基于这个原理

那么，如何判断一个对象是可迭代对象呢？方法是通过collections模块的Iterable类型判断：

from collections import Iterable

# str是否可迭代
print(isinstance("abc", Iterable))  # True
# list是否可迭代
print(isinstance([1,2,3], Iterable))  # True
# 整数是否可迭代
print(isinstance(123, Iterable))  # False

---

1.2 迭代器

现在已经有很多对象可以使用for循环，而且相对于其他语言，pythonfor循环的使用方式非常优雅，简洁和便利

for`循环的背后就是迭代器

迭代器使用遍及python，并且使用方式统一

但凡是返回一个迭代器的对象，都可以成为可迭代对象。比如range对象。

---

1.3 迭代器的工作原理

使用迭代器的步骤简述如下:

1. 调用内置函数iter(container), 把容器作为参数传递进去，返回一个对象，这个对象就是一个迭代器对象。容器对象就是咱们前边说的str,list等
2. 迭代器对象中有一个方法__next()__，这个方法每调用一次，就可以访问到容器中的一个元素，我们自己要调用的话，只需要调用内置函数next(it)就可以了
3. 当容器中最后一个元素被迭代后, 再调用__next()__方法, 则会抛出一个StopIteration异常, for循环捕捉到这个异常后就可以终止循环了.

当运行代码：

list1 = [1, 2, 3]
for x in list1:
  ....

实际执行的情况是

1.3 使用迭代器访问字符串中的元素

s = "acdefgh"

# 获取字符串 s 的迭代器, 其实等价于 it = s.__iter__()
it = iter(s)

print(next(it))# 迭代第一个元素
print(next(it))
print(next(it))
print(next(it))
print(next(it))

1.4 使用迭代器访问列表中的元素

s = [10, 30, 40, 20, 2]
it = iter(s)
print(next(it))		# 10
print(next(it))		# 30
print(next(it))		# 40

二、生成器

生成器算的上是python语言中最吸引人的特性之一，生成器其实是一种特殊的迭代器，不过这种迭代器更加优雅。他只需要一个yield关键字。生成器一定是迭代器(反之不成立)，因此任何生成器也是以一种懒加载的模式生成值。

generator(生成器)是一个简单且强大的创建迭代器的工具

生成器除了使用yield之外, 就像一个正常的函数, 想在任何地方返回数据, 只需要添加yield就可以了.

我们调用next()函数, 一旦碰到yield则返回yield后的数据, python 并且可以保存当前的状态和位置, 下次再调用next(), 则继续从此处执行.

# 生成能够迭代整数 1-n 的迭代器函数.  调用这个方法, 方法内的代码并不会立即执行, 而是返回一个生成器对象
def foo(n):
    for i in range(1, n):
        yield i  # 每次碰到 yield, 则在此暂停, 并保存这个位置


for i in foo(20):
    print(i)

当然也可以使用下面的方式去使用生成器函数

def foo(n):
    for i in range(1, n):
        yield i  # 每次碰到 yield, 则在此暂停, 并保存这个位置


it = foo(20)

print(next(it))
print(next(it))

1.2.1 生成器表达式

生成器表达式(Generator Expressions), 是一个对象, 他执行的结果和以前学习的列表推导类似, 但会迭代的生成结果.

他的语法也与列表类似, 只是需要把以前的[]换成()

语法:

it = (express for item in iterator)

def foo(n):
    for i in range(1, n + 1):
        yield i

# foo(20)返回的迭代器生成一个新的迭代器
it = (x * x for x in foo(20))

for y in it:
    print(y)

1.2.2 生成器表达式和列表的差异

从写法上来看,生成器表达式使用(), 而列表用[]. 但是他们之间还是有很重要的差异.

他们的主要区别在于其中的元素(数据)的生成时间不同!

1. 列表创建成功之后, 那么他里面的元素也已经创建成功, 而且是实实在在的占据着内存! 也就是说, 从物理上来看他们已经存在了.
2. 而生成器表达式不一样, 仅仅是创建了一个生成器而已, 那些元素还没有创建. 只有当你使用for或者next()的时候才会根据需要来创建元素.
3. 所以, 生成器不可能有添加, 删除等这些方法.
4. 如果数据量比较大的时候, 使用生成器表达式的性能要好于列表.
5. 列表推倒只能生成列表, 而生成器表达式可以根据需要生成任何类型的序列.