Python 列表生成式和迭代器
一、列表生成式
列表生成式是Python内置的非常简单却强大的可以用来创建list的生成式。
1.列表生成式的语法规则
举个例子,要生成列表[1,2,3,4,5,6,7]可以这样做:
>>> list(range(1,8))
[1, 2, 3, 4, 5, 6, 7]
如果要生成列表[1*1, 2 * 2,3 * 3,4 * 4]呢?
>>> L=[]
>>> for x in range(1,5):
L.append(x*x)
>>> L
[1, 4, 9, 16]
但是循环太繁琐,而列表生成式可以一行语句代替循环。
>>> [x*x for x in range(1,5)]
[1, 4, 9, 16]
筛选出仅偶数的平方:
>>> [x * x for x in range(1, 11) if x % 2 == 0]
[4, 16, 36, 64, 100]
还可以使用两层循环,生成全排列:
>>> [x+y for x in 'ABC' for y in '123']
['A1', 'A2', 'A3', 'B1', 'B2', 'B3', 'C1', 'C2', 'C3']
这里可以看到,列表生成式的语法如下:
[
要
生
成
的
变
量
名
+
f
o
r
循
环
(
+
i
f
判
断
语
句
或
两
层
f
o
r
循
环
)
]
[要生成的变量名 + for循环(+if判断语句或两层for循环)]
[要生成的变量名+for循环(+if判断语句或两层for循环)]
2.一个实际的小例子
看一个实际的例子,例如,列出当前目录下的所有文件和目录名,可以通过一行代码实现:
>>> [d for d in os.listdir('.')]
['DLLs', 'Doc', 'etc', 'horseColicTest.txt', 'horseColicTraining.txt', 'include', 'Lib', 'libs', 'LICENSE.txt', 'logRegres.py', 'NEWS.txt', 'python.exe', 'python3.dll', 'python38.dll', 'pythonw.exe', 'Scripts', 'share', 'tcl', 'testSet.txt', 'Tools', 'vcruntime140.dll', '__pycache__']
由于我使用的是IDLE工具,打印出的目录是IDLE应用程序所在的目录。可以看到文件管理器中的目录和打印的目录是一致的。
3.其他用法
把一个list中所有的字符串进行大小写转换
>>> [s.lower() for s in L]
['hello', 'world', 'ibm', 'apple']
>>> L=['hello', 'world', 'ibm', 'apple']
>>> [s.upper() for s in L]
['HELLO', 'WORLD', 'IBM', 'APPLE']
列表生成式也可以使用两个变量来生成list
>>> [k + '=' + v for k, v in d.items()]
['x=A', 'y=B', 'z=C']
二、生成器
列表生成式虽然便捷,但是受到内存限制,列表容量肯定是有限的。而且,当列表很大,却只访问前面几个元素,也造成了内存的浪费。
所以,如果列表元素可以按照某种算法推算出来,是否可以在循环的过程中不断推算出后续的元素?这样就不必创建完整的list,从而节省大量的空间。在Python中,这种一遍生成一遍计算的机制,称为生成器:generator。
1.生成器的语法规则
1.1 把列表生成式改成generator
要创建一个 generator,有很多种方法,第一种方法:把列表生成式的[ ] 改为( )就可以了。
>>> (x*x for x in range(1,11))
<generator object <genexpr> at 0x000002B16B7F24A0>
可以用isinstance()判断一个对象是否是Iterable对象:
>>> isinstance((x for x in range(10)),Iterable)
True
因为 generator是可迭代对象,所以可以使用for循环打印其中的元素
>>> g=(x*x for x in range(1,11))
>>> for n in g:
print(n)
1
4
9
16
25
36
49
64
81
100
1.2 通过函数实现复杂逻辑的generator
如果推算的算法比较复杂,无法用列表生成式的for循环实现时,还可以使用函数来实现。
比如,一个常见的斐波那契数列问题。
1,1,2,3,5,8…
斐波那契数列无法用列表生成式实现,但是可以用函数实现
def fib(max):
n,a,b=0,0,1
while n<max:
print(b)>>> 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(6)
1
1
2
3
5
8
'done'
a,b = b,a+b
n = n+1
return 'done'
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:
yield b
a,b = b,a+b
n = n+1
return 'done'
>>> fib(6)
<generator object fib at 0x000002B16B7F24A0>
generator函数的“调用”实际返回一个generator对象
普通函数调用直接返回结果
2. generate的执行流程及取得返回值的方法
我们知道函数的执行流程是顺序执行,遇到return语句或者执行到最后一行语句就返回。
那么generate的执行流程是怎么样的呢?
对于列表L = [x * x for x in range(5)] 打印出每一个元素有一个next()函数,每次调用next(),就计算出generator的下一个值.当没有元素时就抛出 StopIteration 异常。
可以看到每调用一次next()就返回
>>> g=(x*x for x in range(5))
>>> next(g)
0
>>> next(g)
1
>>> next(g)
4
>>> next(g)
9
>>> next(g)
16
>>> next(g)
Traceback (most recent call last):
File "<pyshell#58>", line 1, in <module>
next(g)
StopIteration
而变成gennetator的函数,遇到yield语句就返回,再次执行时从上次返回的yield语句处继续执行。
现在,调用一下generator,观察一下返回结果:
>>> for n in fib(6):
print(n)
1
1
2
3
5
8
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(6)
>>> while True:
try:
x=next(g)
print('g:',x)
except StopIteration as e:
print('Generator return value:',e.value)
break
g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
Generator return value: done
三、迭代器
1.区分 Iterable(可迭代对象)和 Iterator(迭代器)
- 可以直接作用于for循环的对象称为可迭代对象:Iterable 可以用isinstance() 来判断一个对象是不是Iterable对象
>>> from collections.abc import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance('abc', Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
>True
>>> isinstance(100, Iterable)
False
- 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
>>> from collections.abc import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False
2. 特殊的 list、dict、str
generator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
为什么list、dict、str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。
3. 总结
- 只要是可以作用于for循环的对象都是可迭代对象(Iterable);
- 只要是可以作用于next()函数的对象都是Iterator(迭代器)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循环本质就是通过不断调用next()函数实现的。
例如
for x in [1,2,3,4,5,6]:
pass
完全等价于
#获取Iterator对象
it = iter([1,2,3,4,5,6])
#循环
while True:
try:
#获取下一个值
x = next(it)
except StopIteration:
# 遇到StopIteration就退出循环
break