一、生成器
1、列表生成式:
a = [ i*2 for i in range(10)]
print(a)
#通常采用这种方式
a = []
for i in range(10):
a.append(i*2)
print(a)
2、生成器(generator)
通过列表生成式,我们可以直接创建一个列表。但是,受到内存限制,列表容量肯定是有限的,而且可能我们创建的列表只需要使用其中一部分元素,那么很多空间就浪费了。
所以,在python中有一种一边循环一边计算的机制,称为生成器:generator
- 只有在调用的时候才会生成相应的数据
- 只有一个方法__next__()
作用:这个yield的主要效果是,可以使函数中断,并保存中断状态,中断后,代码继续执行,过一段时间还可以重新调用这个函数,从上次yield的下一句开始执行。另外,还可通过yield实现在单线程的情况下实现并发的效果
定义generator的两种方法:
(1)把列表生成式的[]换成()
g = (x*2 for x in range(10))#把列表生成式的[]换成()
(2)通过函数来实现generator:
变成generator的函数,在每次调用next()的时候,遇到yield语句返回,再次执行next()从上次返回的yield语句处继续执行
def fab(max):
n,a,b = 0,0,1
while n < max:
#print(b)
yield(b)#将print(b)改成yield(b),函数就变成了生成器
a,b = b,a+b
n +=1
return "done"
f = fab(10)
print(f.__next__())
当使用__next__()方法超出限制个数后,会抛出异常,异常信息默认函数的返回值,可以进行异常捕捉
def fab(max):
n,a,b = 0,0,1
while n < max:
yield(b)
a,b = b,a+b
#这个赋值语句相当于下面三行代码作用,只是不需要显式的写出t
#t = (b, a + b) # t是一个tuple
#a = t[0]
#b = t[1]
n +=1
return "done"
f = fab(10)
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
#超过数量后,抛出异常,异常信息就是return返回值
print(f.__next__())
执行结果:
其实,我们创建了一个generator后,基本上永远不会调用next(),而是通过for循环来迭代,并且不需要关心StopIteration异常。
生成器实例(生产者消费者模型)
实现单线程下的并发效果
def producer(name):
c = consumer('A')
c2 = consumer('B')
c.__next__()#执行到yield跳出并保存状态
c2.__next__()#执行到yield跳出并保存状态
print("%s 开始做包子了" % name)
for i in range(10):
time.sleep(1)
print("做了1个包子,分了两半")
c.send(i) # 给yield传值并继续执行yield下面的语句
c2.send(i) # 给yield传值并继续执行yield下面的语句
producer("yanzhuang")
send与next方法的区别:
- send给yield传值并唤醒
- next只是唤醒
二、迭代器
迭代器
迭代器是访问集合元素的一种方式。迭代器对象从集合的第一个元素开始访问,直到所有的元素被访问结束。迭代器只能往前不会后退。另外,迭代器的一大优点就是不要事先准备好整个迭代过程中所有的元素。迭代器仅仅在迭代到某个元素时才计算该元素,而在这之前或之后,元素可以不存在或者被销毁。这特点使得它特别适合用于遍历一些巨大的或是无限的集合,比如几个G的文件。
我们已经知道,可以直接作用于for循环的数据有以下几种:
一类是集合数据类型,如list、tuple、dict、set、str等;
一类是generator,包括生成器和带yield的generator function。
这些可以直接作用于for循环的对象统称为可迭代对象:Iterable可迭代的
可以使用isinstance()判断一个对象是否是可迭代的。
>>> from collections import Iterable
>>> isinstance([],Iterable)
True
>>> isinstance("abc",Iterable)
True
而生成器不但可以作用于for循环,并且可以被next()函数调用并返回下一个值。
那么,迭代器(Iterator)就是:可以被next()函数调用并不断返回下一个值得对象。
也可以使用isinstance()判断一个对象是否是迭代器。
>>> from collections import Iterator
>>> isinstance([],Iterator)
False
>>> isinstance("abc",Iterator)
False
>>> isinstance((x for x in range(10)),Iterator)
True
生成器都是Iterator对象,但list、dict等虽然可迭代,但不是迭代器对象
但可以使用iter()函数把list、dict等可迭代数据转换为Iterator。
为什么list等数据类型不是Iterator?
这是因为Python的Iterator对象表示的是一个数据流,Iterator对象可以被next()函数调用并不断返回下一个数据,直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列,但我们却不能提前知道序列的长度,只能不断通过next()函数实现按需计算下一个数据,所以Iterator的计算是惰性的,只有在需要返回下一个数据时它才会计算。
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。
可能有人会问迭代器应用在哪?
Iterator只是python的一个概念,说它应用在哪不太准确,我的理解它是一类数据的特性,只不过使用Iterator将抽象的特性形象话。
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。
Python的for循环本质上就是通过不断调用next()函数实现的,只是封装起来了,例如:
for x in [1, 2, 3, 4, 5]:
pass
实际上完全等价于:
it = iter([1,2,3,4,5])
while True:
try:
x = next(it)
except StopIteration:
break