1、简介:
生成器是用来替换列表生成式的,试想当我们有100万个数据但我们只需要其中几个数据时,列表生成式将列表直接创建出来是不是浪费了很多地址空间。
如果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。
要创建一个generator,有很多种方法。第一种方法很简单,只要把一个列表生成式的[]改成(),就创建了一个generator:
>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x1022ef630>
创建L和g的区别仅在于最外层的[]和(),L是一个list,而g是一个generator。
总结:
生成器即gannerator,是在循环中不断推算出后续元素,利用yield关键字在调用next()时遇到yield就返回,下次执行next()时从上次返回的yield出继续。
2、斐波拉契数列
def fbi(max):
n,a,b = 0,0,1
while n < max:
yield b
a,b=b,a+b
n = n+1
return 'done'
for n in fbi(3):
print(n)
3、杨辉三角
def triangles():
L = [1]
while True:
yield L
L = [1] + [L[i-1]+L[i] for i in range(len(L)) if i > 0] + [1]
n = 0
for t in triangles():
print(t)
n = n + 1
if n == 10:
break
4、可迭代对象Iterable
能直接用for 循环的数据类型如下,这些都叫可迭代对象Iterable。
- list tuple dict det str
- generator:生成器和带yield的ganerrator function
可以使用isinstance()判断一个对象是否是Iterable对象:
>>> from collections 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
5、迭代器
而可以被next()函数不断迭代的惰性对象叫迭代器Iterator。
可以使用isinstance()判断一个对象是否是Iterator对象:
>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False
总结:
- 凡是能用for 迭代的都是可迭代对象Iterable如:str,list,dict,tuple,set,generator,带yeid的generator function。
- 能用next()调用的都是Iterator。如:generator:生成器和带yield的ganerrator function。
- 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。
- Iterator是惰性的