迭代器与生成器

2021-05-06 19:59:03 阅读：147 来源： 互联网

迭代器与生成器

迭代器

可迭代

字符串、列表、元组、字典、集合都可以被for循环，说明他们都是可迭代的

# 迭代：对同一个数据进行多次相同的操作
# 递归：对自身进行多次调用

from collections import Iterable

l = [1, 2, 3, 4]
t = (1, 2, 3, 4)
d = {1: 2, 3: 4}
s = {1, 2, 3, 4}

print(isinstance(l, Iterable))
print(isinstance(t, Iterable))
print(isinstance(d, Iterable))
print(isinstance(s, Iterable))

可迭代协议

可以被迭代要满⾜的要求就叫做可迭代协议。可迭代协议的定义⾮常简单，就是内部实现了__iter__() ⽅法。

l = [1, 2, 3, 4]
t = (1, 2, 3, 4)
d = {1: 2, 3: 4}
s = {1, 2, 3, 4}

print(dir(l))
print(dir(t))
print(dir(d))
print(dir(s))

可迭代的：内部必须含有⼀个__iter__⽅法。

迭代器

l = [1, 2, 3, 4]

#print(type(l))
#print(type(l.__iter__()))
#print(type(l.__iter__().__iter__()))
#print(dir(l))
#print(dir(l.__iter__()))

l_iter = l.__iter__()
item = l_iter.__next__()
print(item)
item = l_iter.__next__()
print(item)
item = l_iter.__next__()
print(item)
item = l_iter.__next__()
print(item)
item = l_iter.__next__()
print(item)
# 没有后续元素会抛出StopIteration异常

迭代器遵循迭代器协议：必须拥有__iter__⽅法和__next__⽅法。

丑！双下划线方法有意隐藏

魔法方法 Magic Method

__iter__() --> iter()

__next__() --> next()

for 将此过程自动化，为可迭代对象创建了一个迭代器，然后反复调用下一个元素直至捕获StopIteration异常。

不用for

l = [1, 2, 3, 4]
length = len(l)
l1 = iter(l)
while length:
    print(next(l1))
    length -= 1

异常处理

l = [1, 2, 3, 4]

l_iter = l.__iter__()

while True:    
	try:
		item = l_iter.__next__()
		print(item)
	except StopIteration:
		break

懒惰计算

百科

Python 惰性计算

条件表达式 if x and y,在x为false的情况下y表达式的值将不再计算。

而对于if x or y，当x的值为true的时候将直接返回，不再计算y的值

生成器

概念

Python中创建迭代器最方便的技术是使用生成器

生成器的语法实现类似于函数，但不返回值。

在 Python 中，使用了 yield 的函数被称为生成器（generator）

在调用生成器运行的过程中，每次遇到 yield 时函数会暂停并保存当前所有的运行信息，返回 yield 的值, 并在下一次执行 next() 方法时从当前位置继续运行。

生成器函数

⼀个包含yield关键字的函数就是⼀个⽣成器函数。yield可以为我们从函数中返回值，但是yield ⼜不同于return，return的执⾏意味着程序的结束，调⽤⽣成器函数不会得到返回的具体的值，⽽是得到⼀个可迭代的对象。每⼀次获取这个可迭代对象的值，就能推动函数的执⾏，获取新的返回值。直到函数执⾏结束。

import time
def genrator_func1():
	a = 1
	print('将a赋值')
	yield a
	b = 2
	print('将b赋值')
	yield b

g1 = genrator_func1()

print(g1,next(g1))
print(next(g1))

用 yield 实现斐波那契数列：

import sys
 
def fibonacci(n): # 生成器函数 - 斐波那契
    a, b, counter = 0, 1, 0
    while True:
        if (counter > n): 
            return
        yield a
        a, b = b, a + b
        counter += 1
f = fibonacci(10) # f 是一个迭代器，由生成器返回生成
 
while True:
    try:
        print (next(f), end=" ")
    except StopIteration:
        sys.exit()

执行以上程序，输出结果如下：

0 1 1 2 3 5 8 13 21 34 55

send

send 获取下⼀个值的效果和next基本⼀致

只是在获取下⼀个值的时候，给上⼀yield的位置传递⼀个数据

注意事项:

第⼀次使⽤⽣成器的时候是⽤next获取下⼀个值
最后⼀个yield不能接受外部的值

python 从右至左

def generator():
	print(123)
	content = yield 1
	print('=========',content)
	print(456)
	yield 2

g = generator()
ret = g.__next__()  #yield断点停止
print('***',ret)
ret = g.send('hello')
print('***',ret)

解析语法

有些时候的编程任务是基于另一个序列的处理来产生一系列的值

列表解析语法：

[expression for value in iterable if condition ]

一般的：

result = []

for value in iterable:

if condition:

result.append(expression)

把列表解析的[]换成()得到的就是⽣成器表达式
列表解析与⽣成器表达式都是⼀种便利的编程⽅式，只不过⽣成器表达式更节省内存
Python不但使⽤迭代器协议，让for循环变得更加通⽤。⼤部分内置函数，也是使⽤迭代器协议访问对象的。

例如， sum函数是Python的内置函数，该函数使⽤迭代器协议访问对象，⽽⽣成器实现了迭代器协议，所以，我们可以直接这样计算⼀系列值的和：

total = sum(k * k for k in range(1, n + 1))

标签：__,迭代,生成器,iter,next,yield,print
来源： https://blog.csdn.net/qq_45620431/article/details/116461343

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

迭代器与生成器