迭代器、生成器

print(dir([])) #显示列表拥有的所有方法

1 print(dir([])) #显示列表拥有的所有方法
2 
3 
4 
5 #结果如下：
6 ['__add__', '__class__', '__contains__', '__delattr__', '__delitem__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__gt__', '__hash__', '__iadd__', '__imul__', '__init__', '__init_subclass__', '__iter__', '__le__', '__len__', '__lt__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__reversed__', '__rmul__', '__setattr__', '__setitem__', '__sizeof__', '__str__', '__subclasshook__', 'append', 'clear', 'copy', 'count', 'extend', 'index', 'insert', 'pop', 'remove', 'reverse', 'sort']

View Code

可以被for循环的都是可迭代的，要想可迭代，内部必须有一个__iter__方法

iterable  可迭代的  —> _iter_  只要含有_iter_方法的都是可迭代的

[]._iter_() 迭代器     —>_next_ 通过next就可以从迭代器中一个一个的数值

 

__iter__方法做了什么事情呢?

l = [1,2,3,4,5]
print(l.__iter__())


#结果
<list_iterator object at 0x109896518>

执行了list([1,2])的__iter__方法，得到了一个list_iterator，现在又得到了一个新名词——iterator

iterator，这里给我们标出来了，是一个计算机中的专属名词，叫做迭代器。

'''
dir([1,2].__iter__())是列表迭代器中实现的所有方法，dir([1,2])是列表中实现的所有方法,都是以列表的形式返回给我们的，为了看的更清楚，我们分别把他们转换成集合，
然后取差集。
'''
#print(dir([1,2].__iter__()))
#print(dir([1,2]))
print(set(dir([1,2].__iter__()))-set(dir([1,2])))

结果：
{'__length_hint__', '__next__', '__setstate__'}

我们看到在列表迭代器中多了三个方法，那么这三个方法都分别什么用途呢？

iter_l = [1,2,3,4,5,6].__iter__()
#获取迭代器中元素的长度
print(iter_l.__length_hint__())
#根据索引值指定从哪里开始迭代
print('*',iter_l.__setstate__(4))
#一个一个的取值
print('**',iter_l.__next__())
print('***',iter_l.__next__())

__next__能让我们一个一个取值

在for循环中，就是在内部调用了__next__方法才能取到一个一个的值。

那接下来我们就用迭代器的next方法来写一个不依赖for的遍历。

l = [1,2,3,4]
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)

但是这段代码在最后报错了，因为我们一直取next取到迭代器里已经没有元素了，就会抛出一个异常StopIteration，告诉我们，列表中已经没有有效的元素了。

接下来稍作修改，把这个异常报错处理掉：

l = [1,2,3,4]
l_iter = l.__iter__()
while True:
    try:
        item = l_iter.__next__()
        print(item)
    except StopIteration:
        break

现在我们就使用while循环实现了原本for循环做的事情，我们是从l_iter获取一个一个的值，这个l_iter就是一个迭代器。

只要含有_iter_方法的都是可迭代的   ----可迭代协议

迭代器协议 ——内部含有_next_和_iter_方法的就是迭代器

迭代器的好处：

                        从容器类型中一个一个的取值，会把所有的值都取到。

                        节省内存空间

                        迭代器并不会在内存中再占用一大块内存，而是随着循环每次生成一个，

                        每次_next_提供一个

 

 

 

生成器：

　　　　生成器函数

Python中提供的生成器：

1.生成器函数：常规函数定义，但是，使用yield语句而不是return语句返回结果。yield语句一次返回一个结果，在每个结果中间，挂起函数的状态，以便下次重它离开的地方继续执行

2.生成器表达式：类似于列表推导，但是，生成器返回按需产生结果的一个对象，而不是一次构建一个结果列表

 

生成器Generator：

　　本质：迭代器(所以自带了__iter__方法和__next__方法，不需要我们去实现)

　　特点：惰性运算,开发者自定义

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。

def count():
    yield 1
    yield 2
    yield 3
    yield 4
    yield 5
    yield 6
    yield 7
    yield 8

g = count()
print(g)
print(g.__next__())
print(g.__next__())
print(g.__next__())
print(g.__next__())
print(g.__next__())
print(g.__next__())
print(g.__next__())
print(g.__next__())



#结果：
<generator object count at 0x10c30ebf8>
1
2
3
4
5
6
7
8

生成器的应用实例：

def tail(filename):
    f = open(filename,encoding = 'utf-8')
    while True:
        line = f.readline()
        if line.strip():
            yield line.strip()
            
g = tail('file')
for i in g:
    if 'python' in i:
        print('***',i)

监听用户输入内容并过滤出有关python关键字的行

 

生成器函数进阶：

def generator():

    print(123)

    content = yield 1

    print('######',content)

    print(456)

    yield 2

 

 

g = generator()

ret = g.__next__()

print('****',ret)

ret = g.send('hello’)   #send的效果和next一样

print('***',ret)

 

#结果：

123

**** 1

###### hello

456

*** 2

 

#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，给上一个值的位置传递一个数据

        #使用注意事项：

                    #第一次使用生成器的时候，必须用next获取下一个值

                    #最后一个yield不能接受外部的值

 

实例：获取移动平均值

 

def average():

    sum = 0

    count = 0

    avg = 0

    while 1:

        num = yield avg

        sum += num

        count += 1

        avg = sum/count

 

avg_g = average()

avg_g.__next__()

avg1 = avg_g.send(10)

print(avg1)

avg1 = avg_g.send(20)

print(avg1)

avg1 = avg_g.send(30)

print(avg1)

 

结果：

10.0

15.0

20.0

 

 

#列表推导式

list = [i for i in range(10)]

print(list)   #[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

#生成器表达式

g = (i for i in range(10))

print(g)      #<generator object <genexpr> at 0x100e97d00>  g是一个生成器

#两者区别：

    #括号不一样

    #返回的值不一样  === 几乎不占用内存

 

g1 = (i*i for i in range(10))

for i in g1:

    print(i)

#[每一个元素或者是和元素相关的操作  for 元素 in 可迭代数据类型]  #遍历之后挨个处理

#【满足条件的元素相关的操作 for 元素 in 可迭代数据类型  if 元素相关的条件】 #筛选功能

 

#30以内所有能被3整出的数

 

ret = [i for i in range(30) if i%3 == 0]

print(ret)

 

转载于:https://www.cnblogs.com/shi-guang/p/8178787.html