2.2.6Python-生成器与迭代器

总目录：https://blog.csdn.net/qq_41106844/article/details/105553392

Python - 子目录：https://blog.csdn.net/qq_41106844/article/details/105553333

 

 

参考：https://www.cnblogs.com/wj-1314/p/8490822.html

生成器

生成器和之前的推导式其实是极其相似的，但是区别在于：

推导式是 一次性生成一个列表

>>>[x+1 for x in range(10) ]

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

 

生成器是通过相应的算法推导出来的值

>>> g=(x+1 for x in range(10))

>>>g

<generator object <genexpr> at 0x000002A4CBF9EBA0>

>>> next(g)

1

>>> next(g)

2

>>> next(g)

3

>>> next(g)

4

>>> next(g)

5

>>> next(g)

6

>>> next(g)

7

>>> next(g)

8

>>> next(g)

9

>>> next(g)

10

>>> next(g)

Traceback (most recent call last):

File "<stdin>", line 1, in <module>

StopIteration

其实最简单的区分方法就是推导式是[],生成器是（）。

既然推导式和生成器作用和写法都差不多，那么为什么还要使用生成器呢，因为： 在数据量较大的时候，你不可能一次性生成那么大的列表，生成器是最好的选择。不仅节约很大的存储空间，还可以按照某种算法推算下去。

在Python中，这种一边循环一边计算的机制，称为生成器：generator。

生成器是一个特殊的程序，可以被用作控制循环的迭代行为。生成器类似一个返回值为数组的函数，这个函数可以接受参数，可以被调用，但是，这个函数一次只能产生一个值，这样消耗的内存数量将大大减少。

因此生成器看起来像是一个函数，但是表现得却像是迭代器。

 

当然，我们最好还是用for循环来输出一个生成器。

g = (x+1 for x in range(10))

for i in g:

    print(i)

1

2

3

4

5

6

7

8

9

10

这样我们就不需要关心StopIteration的错误。

不过这样的生成器太过简单，只能用于一些简单的算法，一些复杂的算法最好通过函数来展示。

斐波那契数列

def fib(max):

    n,a,b =0,0,1

    while n < max:

        yield b

        a,b =b,a+b

        n = n+1

    return 'done'

 

a = fib(10)

print(fib(10))

<generator object fib at 0x000001C03AC34FC0>

这样就会返回一个生成器，之后遍历生成器就可以得到答案。

 

对yield的总结

　　（1）通常的for..in...循环中，in后面是一个数组，这个数组就是一个可迭代对象，类似的还有链表，字符串，文件。他可以是a = [1,2,3]，也可以是a = [x*x for x in range(3)]。

它的缺点也很明显，就是所有数据都在内存里面，如果有海量的数据，将会非常耗内存。

　　（2）生成器是可以迭代的，但是只可以读取它一次。因为用的时候才生成，比如a = (x*x for x in range(3))。!!!!注意这里是小括号而不是方括号。

　　（3）生成器（generator）能够迭代的关键是他有next()方法，工作原理就是通过重复调用next()方法，直到捕获一个异常。

　　（4）带有yield的函数不再是一个普通的函数，而是一个生成器generator，可用于迭代

　　（5）yield是一个类似return 的关键字，迭代一次遇到yield的时候就返回yield后面或者右面的值。而且下一次迭代的时候，从上一次迭代遇到的yield后面的代码开始执行

　　（6）yield就是return返回的一个值，并且记住这个返回的位置。下一次迭代就从这个位置开始。

　　（7）带有yield的函数不仅仅是只用于for循环，而且可用于某个函数的参数，只要这个函数的参数也允许迭代参数。

　　（8）send()和next()的区别就在于send可传递参数给yield表达式，这时候传递的参数就会作为yield表达式的值，而yield的参数是返回给调用者的值，也就是说send可以强行修改上一个yield表达式值。

　　（9）send()和next()都有返回值，他们的返回值是当前迭代遇到的yield的时候，yield后面表达式的值，其实就是当前迭代yield后面的参数。

　　（10）第一次调用时候必须先next（）或send（）,否则会报错，send后之所以为None是因为这时候没有上一个yield，所以也可以认为next（）等同于send(None)

 

迭代器（迭代就是循环）

生成器一定是迭代器，迭代器不一定是生成器。

迭代器包含有next方法的实现，在正确的范围内返回期待的数据以及超出范围后能够抛出StopIteration的错误停止迭代。

s='hello' #字符串是可迭代对象，但不是迭代器

l=[1,2,3,4]     #列表是可迭代对象，但不是迭代器

t=(1,2,3)       #元组是可迭代对象，但不是迭代器

d={'a':1}        #字典是可迭代对象，但不是迭代器

set={1,2,3}     #集合是可迭代对象，但不是迭代器

# *************************************

f=open('test.txt') #文件是可迭代对象，是迭代器

 

#如何判断是可迭代对象，只有__iter__方法，执行该方法得到的迭代器对象。

# 及可迭代对象通过__iter__转成迭代器对象

from collections import Iterator  #迭代器

from collections import Iterable  #可迭代对象

 

print(isinstance(s,Iterator))     #判断是不是迭代器

print(isinstance(s,Iterable))       #判断是不是可迭代对象

 

#把可迭代对象转换为迭代器

print(isinstance(iter(s),Iterator))

小结

凡是可作用于for循环的对象都是Iterable类型；

凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；

集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。