迭代器与生成器从入门到入土

最新推荐文章于 2022-10-25 00:17:21 发布

我盘代码养你

最新推荐文章于 2022-10-25 00:17:21 发布

阅读量216

点赞数

文章标签： python

本文链接：https://blog.csdn.net/qq_34157140/article/details/109404315

版权

什么是迭代器

本文参考了部分大佬的文章哦：零基础学python
迭代器就是一个可以让程序员遍历（特别是列表）的对象，然而一个迭代器在遍历并读取一个容器的数据元素时，并不会执行一个迭代。我们先来理解这三方面内容：

可迭代对象
迭代器
迭代

可迭代对象

只要一个对象定义了可以返回一个迭代器的__iter__方法，或是定义了支持下标索引的__getitem__方法，那么他就是一个可迭代对象
那些类型是list、tuple、file、dict对象有__iter__()方法，标着他们能够迭代。
如何判断一个对象是不是可迭代对象

"""
我们已经知道可以对list、tuple、str等类型的数据使⽤for...in...的循环语法从其中依次拿到数据进⾏使
⽤，我们把这样的过程称为遍历，也叫迭代isinstance
"""
# 可迭代对象的本质就是:
# ⼀个对象所属的类中含有 __iter__() ⽅法，该对象就是⼀个可迭代对象
from collections.abc import Iterable

print(isinstance([1, 2, 3], Iterable))


class MyClass():
    # 该魔术方法就是一个迭代器
    def __iter__(self):
        pass


obj = MyClass()
print(isinstance(obj, Iterable))
print(isinstance(10, Iterable))



True
True
False

Process finished with exit code 0

迭代器

只要一个对象，定义了__next__方法，那么他就是一个迭代器

迭代

就是从某个地方（比如列表）取出一个元素的过程。当我们使用一个循环来遍历某个东西的时候，这个过程就是迭代

使用迭代器自定义列表

# 自定义列表
# 全局变量要在初始化方法中进行定义

from collections.abc import Iterable


# 自定义数组类
class MyList(object):
    def __init__(self):
        self.items = []

    def __iter__(self):
        # 可迭代就必须返回迭代器对象，此时我们已新建迭代器类，进行实例化对象即可
        mylistiterator = MyListIterator(self.items)
        return mylistiterator

    def addItem(self, data):
        # 追加保存数据
        self.items.append(data)


# 自定义迭代器类
class MyListIterator(object):
    def __init__(self, item):
        self.mylist = item
        self.current_index = 0

    def __iter__(self):
        pass

    def __next__(self):
        # 获取下一个元素时进行判断，是否下标越界
        if self.current_index < len(self.mylist):
            data = self.mylist[self.current_index]
            self.current_index += 1
            return data
            # 先return后面的代码就不执行啦
        else:
            raise StopIteration


if __name__ == '__main__':
    mylist = MyList()
    mylist.addItem("张飞")
    mylist.addItem('关羽')
    mylist.addItem('刘备')
    for value in mylist:
        print(value)
    print(isinstance(mylist, Iterable))


张飞
关羽
刘备
True

Process finished with exit code 0

迭代器案例（斐波那契数列）

class Fibonacci(object):
    # 这是一个迭代器类，有两个方法iter和next
    def __init__(self, num):
        self.num = num
        self.a = 1
        self.b = 1
        self.current_index = 0

    def __iter__(self):
        # 返回迭代器对象，通常是他自己
        return self

    def __next__(self):
        # 在生成下一个数之前进行判断。
        if self.current_index <= self.num:
            self.a, self.b = self.b, self.a + self.b
            self.current_index += 1
            return self.a
        else:

            raise StopIteration


if __name__ == '__main__':
    fibonacci = Fibonacci(5)
    for value in fibonacci:
        print(value)



1
2
3
5
8
13

Process finished with exit code 0

什么是生成器

生成器也是一种迭代器，但是你只能对其迭代一次。这是因为它们并没有把所有的值存在内存中，而是在运行时生成值。你通过遍历来使用它们，要么用一个“for”循环，要么将它们传递给任意可以进行迭代的函数和结构。大多数时候生成器是以函数来实现的。然而，它们并不返回一个值，而是yield(暂且译作“生出”)一个值。这里有个生成器函数的简单例子：

def generator_function():
    for i in range(10):
        yield i

for item in generator_function():
    print(item)

# Output: 0
# 1
# 2
# 3
# 4
# 5
# 6
# 7
# 8
# 9

这个案例并不是非常实用。生成器最佳应用场景是：你不想同一时间将所有计算出来的大量结果集分配到内存当中，特别是结果集里还包含循环。
注：这样做会消耗大量资源

许多Python 2里的标准库函数都会返回列表，而Python 3都修改成了返回生成器，因为生成器占用更少的资源。

下面是一个计算斐波那契数列的生成器：

# generator version
def fibon(n):
    a = b = 1
    for i in range(n):
        yield a
        a, b = b, a + b
for x in fibon(1000000):
    print(x)

next函数

def generator_function():
    for i in range(3):
        yield i

gen = generator_function()
print(next(gen))
# Output: 0
print(next(gen))
# Output: 1
print(next(gen))
# Output: 2
print(next(gen))
# Output: Traceback (most recent call last):
#            File "<stdin>", line 1, in <module>
#         StopIteration

我们可以看到，在yield掉所有的值后，next()触发了一个StopIteration的异常。基本上这个异常告诉我们，所有的值都已经被yield完了。你也许会奇怪，为什么我们在使用for循环时没有这个异常呢？啊哈，答案很简单。for循环会自动捕捉到这个异常并停止调用next()。你知不知道Python中一些内置数据类型也支持迭代哦？我们这就去看看：

my_string = "Yasoob"
next(my_string)
# Output: Traceback (most recent call last):
#      File "<stdin>", line 1, in <module>
#    TypeError: str object is not an iterator

好吧，这不是我们预期的。这个异常说那个str对象不是一个迭代器。对，就是这样！它是一个可迭代对象，而不是一个迭代器。这意味着它支持迭代，但我们不能直接对其进行迭代操作。那我们怎样才能对它实施迭代呢？是时候学习下另一个内置函数，iter。它将根据一个可迭代对象返回一个迭代器对象。这里是我们如何使用它：

my_string = "Yasoob"
my_iter = iter(my_string)
next(my_iter)
# Output: 'Y'

生成器案例（斐波那契数列）

def Fibonacci(n):
    a = 1
    b = 1
    current_index = 0
    while current_index < n:
        a, b = b, a + b
        current_index += 1
        xxx = yield a
        # yield返回a的值，保存程序状态，回来可继续执行next将其唤醒
        print('aaaa')
        # 生成器能使用return，结束生成器运行
        if xxx == 1:
            return 'aini'


if __name__ == '__main__':
    fabonacci = Fibonacci(5)
    print(next(fabonacci))
    # for value in fabonacci:
    #     print(value)
    try:
        print(next(fabonacci))
        #send唤醒生成器执行，并将传递给xxx
        print(fabonacci.send(1))
    except StopIteration as e:
        print(e.value)


1
aaaa
2
aaaa
aini
Process finished with exit code 0