迭代器和生成器

迭代器和生成器

1.iterable 可迭代：

　　　　可迭代的数据类型：列表、字符串、集合、字典 、元祖 

• 迭代器我们可以理解为一个容器。我们从这个容器中一个接一个把值取出来，这个过程就是迭代过程

• '__iter__'   内部含有'__iter__'方法的数据类型就是可迭代的

 

2.iterator迭代器：

　　　　迭代器我们可以理解为一个容器。我们从这个容器中一个接一个把值取出来，这个过程就是迭代过程

迭代器的用法

• Python中一切皆对象，可迭代的等于可迭代对象
• 可迭代的 必须含有'__iter__' 的方法 #可迭代协议
• 迭代器比可迭代多一个'__next__'方法
• 迭代器：包含'__next__'和'__iter__'的方法就是迭代器 #这个是迭代器协议
• 包含'__next__'的可迭代对象就是迭代器。
• 迭代器是可迭代的 的一部分

迭代器的调用

• for循环是让我们更简单的使用迭代器
• 用迭代器取值就不需要关心索引或者key的问题了
• 迭代器是个好东西
• 目前我们已知的可迭代的都是python提供给我们的
• range()
• f
• enumerate()
• 但是在平时我们写代码的过程中我们用for循环就足够了

 

如何判断一个变量是迭代器  或者  是可迭代的

l = [1,2,3,4]
l_iter = l.__iter__()
print('__iter__' in dir(l))
print('__next__' in dir(l_iter))

# 运行结果：

True
True

　isinstance() 函数来判断一个对象是否是一个已知的类型，类似 type()。

#引入可迭代
from collections.abc import Iterable
print(isinstance([1,2,3,4],Iterable))

 #引入迭代器
from collections.abc import Iterator
print(isinstance([1,2,3,4],Iterator))

#运行结果：
True
False

　

3.生成器

　　生成器是一次生成一个值的特殊类型函数。可以将其视为可恢复函数。# 调用该函数将返回一个可用于生成连续 x 值的生成【Generator】，简单的说就是在函数的执行过程中，yield语句会把你需要的值返回给调用生成器的地方，然后退出函数，下一次调用生成器函数的时候又从上次中断的地方开始执行，而生成器内的所有变量参数都会被保存下来供下一次使用。

 自己写的可迭代的就是生成器     生成器的本质是可迭代的生成器所以优点跟迭代器一样   不同点：生成器是自己写Python代码

生成器的实现是由两种方式：

  第一种：生成器函数

#generator   生成器   迭代器的一种
def g_func():
    print('qwer')
    yield 1
    yield 2             #返回   但没终止

g = g_func()
print(g)
print(g.__next__())
print(g.__next__())

#生成器函数与普通函数区别：
        #1.生成器函数中含有yield关键字
        #2.生成器函数调用的时候不会立即执行，而是返回一个生成器

#第二种：生成器表达式

def gen():
    for i in range(4):
        yield i
base = gen()
for n in (2,10):
    base = (i+n for i in base)
print(list(base))


[21,22,23,24]

#简单解答：
因为for循环了两次，并对base从新赋值了，所以可以简化为（i+n for i in (i+n for i in base)）  而n 全部引用了后赋值的10。最里面的base引用的是gen。

　　

列表推导式：

x = [i**2 for i in y]
print(x)
[1, 4, 9, 16, 25, 36, 49, 64]　　

求偶及取余：

# l = [声明量   遍历范围   条件判断 ]

l = [i for i in range(10) if i % 2 == 0 ]

print(l)

[0, 2, 4, 6, 8]　

#区分大小写

mcase = {'a': 10, 'b': 34, 'A': 7, 'Z': 3}
mcase_frequency = {k.lower(): mcase.get(k.lower(), 0) + mcase.get(k.upper(), 0) for k in mcase}
print(mcase_frequency)

# 字典推导式

dic = {'a':10,'b':20}
dic_t = {dic[k]:k for k in dic}
print(dic_t)

　

• 生成器函数 是生成一个生成器的函数 生成器的本质是迭代器
• 特点：带有yeild关键字，调用后函数内代码不执行
• 触发的方式：next 、 send 、 for循环
• next 和 send 执行几次 拿几次数据 取完报错
• for循环每次取一个 去玩为止 不会报错
• send(空)相当于 next
• send是在next的基础上传一个值到生成器函数内
• send不能用在生成器操作的第一次

 

def average():
    total = 0.0
    count = 0
    average = None
    while True:
        term = yield average
        total += term
        count += 1
        average = total/count

g_avg = average()
print(g_avg.__next__())
print(g_avg.send(10))
print(g_avg.send(20))

　　

　

　

　

 

转载于:https://www.cnblogs.com/mainstream/p/11041088.html