迭代器iterator-生成器generator

1. 迭代

根据记录的前面的元素的位置信息 去访问后续的元素的过程 -遍历 迭代

2. 可迭代对象 iterable

　　如何判断可迭代对象的3种方式

• 能够被迭代访问的对象 for in
• 常用可迭代对象-list tuple str
• from collections import Iterable
• isinstance(obj, Iterable)

3. 可迭代对象

可迭代对象通过__iter__方法提供一个 可以遍历对象中数据的工具-迭代器
iter(可迭代对象) 可以获取可迭代对象的迭代器

通过迭代器可以迭代访问 数据
next(迭代器) ===== 迭代器对象.__next__()

"""
１　可迭代对象的本质　提供了一个迭代器(遍历可迭代对象中的数据)

２　如何获取可迭代对象中的迭代器　迭代器对象　= iter(可迭代对象)
３　如果通过迭代器访问可迭代对象中下一个元素　元素的值　＝　next(迭代器对象)
　　　　　　　　　　　　　　　　　　如果迭代器遍历完成　抛出 停止迭代－异常StopIteration
"""

 

如果需要实现一个迭代器 就需要实现__next__()

4. 迭代器 iterator

-- 迭代器访问可迭代对象中数据 判断对象是否是迭代器类型

from collections import Iterator
isinstance(obj, Iterator)

自己实现
迭代器本身也是可迭代对象 __iter__() 提供迭代器(self)
下一个元素的值 = next(迭代器) =====> __next__()

 

实现一个可迭代对象

from collections import Iterable
from collections import Iterator
import time


class MylistIterator(object):
    """这是Mylist类型的对应迭代器类型  """
    def __init__(self,data):
        # 需要被便利的数据
        self.data = data
        # 保存用户访问的位置
        self.index = 0

    def __iter__(self):
        """python规定 迭代器是一种可迭代对象"""
        return self

    def __next__(self):
        """next(ml_iterator) 相当于调用迭代器对象的.__next__()"""
        if self.index < len(self.data):
            ret = self.data[self.index]
            self.index += 1
            return ret
        else:
            # 访问完成 应该抛出异常
            raise StopIteration

class Mylist(object):
    """可迭代对象"""
    def __init__(self):
        self.data = [1,2,3,4,5]

    def __iter__(self):
        """提供迭代器"""
        # 返回迭代器对象
        mliter = MylistIterator(self.data)
        return mliter

# ml是一个可迭代类型
ml = Mylist()

# 获取可迭代对象的  迭代器对象
ml_iter = iter(ml)
print(isinstance(ml_iter, Iterator))
for i in ml:
    print(i)
    time.sleep(1)

"""
１　可迭代对象的本质　提供了一个迭代器(遍历可迭代对象中的数据)

２　如何获取可迭代对象中的迭代器　迭代器对象　= iter(可迭代对象)
        实际上相当于 可迭代对象.__iter__()
３　如果通过迭代器访问可迭代对象中下一个元素　元素的值　＝　next(迭代器对象)
　　　　　　　　　　　　　　　　　　如果迭代器遍历完成　抛出 停止迭代－异常StopIteration
"""
print(isinstance(ml, Iterable))

 

用迭代器完成斐波那契数列（难点在next）

"""兔子队列 某一项的值是前两项的和
   0 1 1 2 3 5 8
"""

class Fib(object):
    def __init__(self,n):
        """初始化操作"""
        # n代表数列的长度
        self.n = n

        # 下标记录
        self.index = 0

        self.number1 = 0
        self.number2 = 1

    def __iter__(self):
        return self

    def __next__(self):
        """ｎｅｘｔ(迭代器)　　＝＝＝　.__next__()"""
        if self.index < self.n:
            ret = self.number1
            self.number1,self.number2 = self.number2,self.number2+self.number1
            self.index += 1
            return ret
        else:
            raise StopIteration

# list() tuple()都可以接收迭代器　并且将遍历到的数据存储到集合中
print(list(Fib(10)))
#
# # 打印斐波那契数列的前10项的值
# # for i in Fib(10):
# #     print(i)
# # 1 通过iter函数获取可迭代对象 Iterable 的迭代器 iterator
# ml_iterator = iter(Fib(1000))
#
# # 2 在循环内部不断调用next(迭代器) 获取下一个元素的值
# # 3 如果迭代完成 会抛出一个停止迭代的异常StopIteration

 

5. 生成器 generator

生成器是一种特殊的迭代器 --- 是迭代器, 并且有自己的特点
1 创建生成器表达式 [] ----》 （x for x in range(100)）
2 生成器函数
凡是有yield关键字的函数都不是普通函数了 而是生成器函数

 

# 列表推导式
lis=[x for x in range(10)]
print(lis)

# 生成器表达式  中括号变圆括号
data=(x for x in range(10))
print(data)
# 遍历data
for i in data:
    print(i)

结果：

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
<generator object <genexpr> at 0x02AE7120>
0
1
2
3
4
5
6
7
8
9

 

6. yield关键字的作用

挂起当前函数 将后面表达式的值 返回到调用生成器的地方
接收数据 并唤醒当前函数 并且紧接着上次运行的地址继续执行

7. 唤醒生成器的两种方式

生成器.send("数据")
next(生成器) === 生成器.send(None)

在第一次调用生成器对象的是 必须使用next()
在后续的情况下 send和next可以混用

转载于:https://www.cnblogs.com/snailon/p/11456776.html