10 Python 高级特性2（生成器、迭代器）

1 生成器

产生背景：

• 列表的容量有限
• 如果创建了一个容量很大的列表，然而只需要访问前面几个元素，则有许多空间被浪费

如果列表元素可以按照某种算法推算出来，在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，从而节省大量空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。

1）创建generator

generator是使用 ( )，List是使用 [ ]。

# 创建一个List
>>> L=[x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

# 创建一个generator
>>> g=(x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x10e583af0>

# 使用next()函数返回generator的下一个返回值
>>> next(g)
0
>>> next(g)
1
>>> next(g)
4
>>> next(g)
9

# 在没用更多的元素时，会抛出StopIteration的错误提示

# 使用for循环迭代generator
>>> for n in g:
...     print(n)
...
16  # 这里为什么不是从1开始迭代，因为上面已经迭代过了，此时generator
25  # 已经发生了变化。
36
49
64
81

2）求斐波那契数列

# 定义普通函数
def fib(num):
    n,a,b=0,0,1
    while n < num:
        print(b)
        a,b=b,a+b
        n=n+1
    return 'done'
# 运行结果
>>> fib(6)
1
1
2
3
5
8
'done'

改进上面的函数，使用generator

def fib_g(num):
    n,a,b=0,0,1
    while n < num:
        yield b 
        a,b=b,a+b
        n=n+1
    return 'done'
# 如果一个函数定义中包含了yield关键字，则此函数是一个generator，而并非一个普通函数

# 运行结果 
>>> fib_g(6)
<generator object fib_g at 0x10e583bf8>
>>> for n in fib_g(6):
...     print(n)
...
1
1
2
3
5
8

3）generator执行流程（顺序）

示例：

# 1. 定义一个generator
def see():
    print('step1')
    yield 1
    print('step2')
    yield (3)
    print('step3')
    yield(5,)

# 运行
>>> s=see() # 创建一个generator对象
>>> next(s)
step1
1
>>> next(s)
step2
3
>>> next(s)
step3
(5,)

在执行过程中，遇到yield就中断，下次调用next()函数时继续执行。

2 迭代器

• 可以直接作用于for循环的对象统称为可迭代对象：Iterable
• 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
• list、dict、str是Iterable，不是Iterator，但是它们可以变成Iterator。

>>> from collections import Iterator
# 使用iter()函数，将list变为了Iterator 
>>> isinstance(iter(['lisi','wanger']),Iterator)
True

• Iterator对象表示的是一个数据流，可以把这个数据流看成是一个有序序列，但不知道此序列的长度，只能通过next()函数按需计算下一个数据，所以Iterator的计算是惰性的。