Python 生成器 迭代器
1.1 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,那后面绝大多数元素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,这种一边循环一边计算的机制,称为生成器:generator。
1.1.1 第一种()生成器
>>> L = [ x * x for x inrange(2,8)] --列表生成表达式
>>> L
[4, 9, 16, 25, 36, 49]
>>> G = (x * x for x in range(2,8)) --[]符号变成了(),即生成器
>>> G
<generator object <genexpr> at0x2b25180303b8>
>>> next(G)
4
>>> next(G) --依次计算下个元素
9
>>> next(G)
16
别忘generator也是个可迭代对象
>>> G = ( x * x for x inrange(2,8))
>>> for i in G:
... print(i)
...
4
9
16
25
36
49
1.1.2 第二种yield生成器
这里yield理解成生产,产生的意思。
generator和函数的执行流程不一样。函数是顺序执行,遇到第一个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。
>>> def step():
... print('step 1')
... yield 1
... print('step 2')
... yield 2
... print('step 3')
... yield 3
...
>>>
>>>
>>> next(step())
step 1
1
>>> next(step())
step 1
1
>>> o = step()
>>> next(o)
step 1
1
>>> next(o)
step 2
2
>>> next(o)
step 3
3
>>> next(o) --迭代溢出
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
定义一个yield生成器
>>> def fib(max):
... n, a, b = 0, 0, 1
... while n < max:
... yield b
... a, b = b, a + b
... n = n + 1
... return 'done'
...
>>>
>>>
for迭代生成器中的元素
>>> for i in fib(6):
... print(i)
...
1
1
2
3
5
8
>>>
生成器中return返回值
>>> g = fib(6)
>>> while True:
... try:
... x = next(g)
... print('x =',x)
... except StopIteration as e:
... print('Generator return value: ',e.value)
... break
...
x = 1
x = 1
x = 2
x = 3
x = 5
x = 8
Generator return value: done
1.2 迭代器
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:
>>> fromcollections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance('abc', Iterable)
True
>>> isinstance(((1, 2), (3, 4)),Iterable)
True
>>> isinstance((x for x inrange(10)), Iterable)
True
>>> isinstance(100, Iterable)
False
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:
>>> fromcollections import Iterator
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance(((1, 2), (3, 4)),Iterator)
False
>>> isinstance((x for x inrange(10)), Iterator)
True
生成器都是Iterator对象,但list、dict、str虽然是Iterable,却不是Iterator。
把list、dict、str等Iterable变成Iterator可以使用iter()函数:
>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'),Iterator)
True
你可能会问,为什么list、dict、str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。
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list、dict、str等是Iterable但不是Iterator,不过可以通过iter()函数获得一个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]:
pass
实际上完全等价于:
# 首先获得Iterator对象:
it = iter([1, 2, 3, 4,5])
# 循环:
while True:
try:
# 获得下一个值:
x = next(it)
except StopIteration:
# 遇到StopIteration就退出循环
break
转载于:https://blog.51cto.com/90sirdb/1811660
Python 生成器 迭代器相关推荐
- python生成器迭代器_python 生成器 迭代器
阅读目录 一 递归和迭代 二 什么是迭代器协议 三 python中强大的for循环机制 四 为何要有for循环 五 生成器初探 六 生成器函数 七 生成器表达式和列表解析 八 生成器总结 一 递归和迭 ...
- python 生成器 迭代器 区别_Python生成器和迭代器的区别
What is the difference between iterators and generators? Some examples for when you would use each c ...
- python 生成器 迭代器 yiled
文章来源:http://python.jobbole.com/81911/ https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449 ...
- python 生成器迭代器
列表生成式 要生成[1x1, 2x2, 3x3, ..., 10x10] >>> [x * x for x in range(1, 11)] for循环后面还可以加上if判断 > ...
- python有关迭代器和生成器的面试题_【面试题 | Python中迭代器和生成器的区别?】- 环球网校...
[摘要]今天给大家解答一道Python常见的面试题,希望这个面试栏目,给那些准备面试的同学,提供一点点帮助!小编会从最基础的面试题开始,每天一题.如果参考答案不够好,或者有错误的话,麻烦大家可以在留言 ...
- python生成器和迭代器作用_浅谈Python中的生成器和迭代器
迭代器 迭代器协议 对象必须提供一个next方法,执行该方法要么返回迭代中的下一项,要么返回一个异常来终止本次迭代.(只能往前走,不能往后退!) 迭代器对象 遵循了(实现了)迭代器协议的对象.(对象内 ...
- python生成器迭代_python中的生成器和迭代器
前言: 我们来了解一下什么是python中生成器.了解一下python生成器是什么,以及生成器在python编程之中能起到什么样的作用. 定义: 生成器和迭代器 通过列表生成式,我们可以直接创建一个列 ...
- python 生成式,迭代器,生成器
DAY 6. 生成式,迭代器,生成器 6.1 生成式 6.1.1 列表生成式 list = [index for index in range(10)] 6.1.2 字典生成式 dict = {'zh ...
- Python的迭代器和生成器
Python的迭代器和生成器 一.迭代器Iterators 迭代器仅是一容器对象,它实现了迭代器协议.它有两个基本方法: 1)next方法 返回容器的下一个元素 2)__iter__方法 返回迭代器自 ...
最新文章
- c语言是函数式原型的编程,编程范式|程序世界里的编程范式,探索编程本质
- Kubernetes的控制器类型即使用案例
- xgboost与gbdt的区别
- Solve The Maze CodeForces - 1365D(贪心+dfs)
- C# 简单方式运行powershell文件/使用cmd命令运行ps1
- Nagios添加主机监控失败-故障小结
- 从零开始学MVC3——创建项目
- ulimit和core文件的使用方法
- 如何画OFDM频谱图
- i7 10510u相当于什么处理器
- 回调函数,事件管理器
- Win10任务栏假死问题解决方案
- 如何在Mac系统上查看端口占用和释放端口?教程来了
- Markdown 书写规范
- 使用计算机处理数据第一步,2012年考研专业课自测试题及答案:计算机
- 绿蓝色悖论(新归纳之谜)?
- 探索R包plyr:脱离R中显式循环
- android5.1 rom互刷,一加2 代通刷 5.1.1 ROM刷机包 个人适配 附加高级设置 稳定
- Touch ID身份认证
- Kubernetes安装与卸载