Python—迭代器和生成器的使用

目录

1. 迭代器
   1. 可迭代对象
   2. 怎么判定迭代对象(isinstance())
   3. 可迭代对象的本质
2. 生成器
   1. 生成器介绍
   2. 创建生成器方法1
   3. 创建生成器方法2
3. 总结

一、迭代器

1.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。

但是如果我们将无法迭代的，也就是不是迭代的对象放入for…in中循环，就会出现错误:

for i in 100:
    print(i)

# Traceback (most recent call last):
#     File "<stdin>", line 1, in <module>
# TypeError: 'int' object is not iterable

这个报错代表了什么呢，int并不是iterable，即为可迭代对象，我们就能理解为，使用for…in方法后面循环的必须是一个迭代对象，那么为什么只能循环迭代对象呢，迭代对象和其他对象之间区别又是什么。

2.怎么判定迭代对象(isinstance())

我们去判断一个对象是否为迭代对象，可以用Python的内置函数isinstance()这个方法，用法如下:

from collections import Iterable

isinstance([], Iterable)
# True 列表为迭代对象

isinstance({}, Iterable)
# True 字典为迭代对象

isinstance('abc', Iterable)
# True 字符串为迭代对象

isinstance(mylist, Iterable)
# False 普通对象不为迭代对象

isinstance(100, Iterable)
# False 整形/浮点数不为迭代对象

可以看出不同的对象类型都不一样，那么他是根据什么判断他是否是迭代对象呢。

3.可迭代对象的本质

在每次for…in中,循环一次，都会返回对象中的下一条数据，一直到所有的数据结束，在这个过程中需要去记录访问到了第几条，这个称作迭代器

可迭代对象的本质就是因为有迭代器为他计算调用，使得其可以遍历

可迭代对象通过__iter__方法向我们提供一个迭代器的功能，我们在迭代时，就是用提供的迭代器返回调用迭代方法来获取每一个数据

具备了一个迭代方法，他就是一个可迭代对象：

from collections.abc import Iterable
class Demo(object):
    def __init__(self, n):
        self.n = n
        self.current = 0
    def __iter__(self):
        pass

demo = Demo(10)
print(isinstance(demo, Iterable))  # True

for d in demo:   # 重写了 __iter__ 方法以后，demo就是一个一个可迭代对象了，可以放在for...in的后面
    print(d)

# 此时再使用for...in循环遍历，会提示 TypeError: iter() returned non-iterator of type 'NoneType'
# 这是因为，一个可迭代对象如果想要被for...in循环，它必须要有一个迭代器

但是单单重写了__iter__方法还是不够的，它在执行时会调用一个__next__方法，next方法中装着下一个返回对象的返回方法以及返回条件。

class MyIterator(object):
    def __init__(self, n):
        self.n = n
        self.current = 0

    # 自定义迭代器需要重写__iter__和__next__方法
    def __iter__(self):
        return self

    def __next__(self):
        if self.current < self.n:
            value = self.current
            self.current += 1
            return value
        else:
            raise StopIteration #抛出停止异常，控制台不会显示这个报错。

my_it = MyIterator(10)

for i in my_it:    # 迭代器重写了__iter__方法，它本身也是一个可迭代对象
    print(i)

迭代器属于一个类，生成器是一个方法，下面我们来说说生成器。

二、生成器

1.生成器介绍

利用迭代器，我们可以在每次迭代获取数据（通过next()方法）时按照特定的规律进行生成。但是我们在实现一个迭代器时，关于当前迭代到的状态需要我们自己记录，进而才能根据当前状态生成下一个数据。为了达到记录当前状态，并配合next()函数进行迭代使用，我们可以采用更简便的语法，即生成器(generator)。生成器是一类特殊的迭代器。

2.创建生成器方法1

要创建一个生成器，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 ( )

L = [ x*2 for x in range(5)]
print(L) #[0, 2, 4, 6, 8]
G = ( x*2 for x in range(5))
print(G) #<generator object <genexpr> at 0x7f626c132db0>

创建 L 和 G 的区别仅在于最外层的 [ ] 和 ( ) ， L 是一个列表，而 G 是一个生成器。我们可以直接打印出列表L的每一个元素，而对于生成器G，我们可以按照迭代器的使用方法来使用，即可以通过next()函数、for循环、list()等方法使用。

3. 创建生成器方法2

generator非常强大。如果推算的算法比较复杂，用类似列表生成式的 for 循环无法实现的时候，还可以用函数来实现。

def fib(n):
    current = 0
    num1, num2 = 0, 1
    while current < n:
        yield num1
        num1, num2 = num2, num1+num2
    current += 1
    return 'done'

在使用生成器实现的方式中，我们将原本在迭代器__next__方法中实现的基本逻辑放到一个函数中来实现，但是将每次迭代返回数值的return换成了yield，此时新定义的函数便不再是函数，而是一个生成器了。简单来说：只要在def中有yield关键字的 就称为 生成器
###但是用for循环调用generator时，发现拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中：

def fib(n):
    current = 0
    num1, num2 = 0, 1
    while current < n:
        yield num1
        num1, num2 = num2, num1+num2
    current += 1
    return 'done'

g = fib(5)
while True:
    try:
        x = next(g)
        print("value:%d"%x)      
    except StopIteration as e:
        print("生成器返回值:%s"%e.value)
        break
   
#value:1
#value:1
#value:2
#value:3
#value:5
#生成器返回值:done

三、总结

1. 使用了yield关键字的函数不再是函数，而是生成器。（使用了yield的函数就是生成器）
2. yield关键字有两点作用：
   1. 保存当前运行状态（断点），然后暂停执行，即将生成器（函数）挂起
   2. 将yield关键字后面表达式的值作为返回值返回，此时可以理解为起到了return的作用
3. 可以使用next()函数让生成器从断点处继续执行，即唤醒生成器（函数）
4. Python3中的生成器可以使用return返回最终运行的返回值，而Python2中的生成器不允许使用return返回一个返回值（即可以使用return从生成器中退出，但return后不能有任何表达式）。