python 生成器_Python生成器和迭代器的区别

迭代器和生成器有什么区别？当您使用每个案例的时候，一些示例将是有帮助的。

总之：迭代器是具有__iter__和一个__next__ (next在Python 2)方法中。生成器提供了一种简单、内置的方法来创建迭代器的实例。

其中包含产额的函数仍然是一个函数，当被调用时，该函数返回生成器对象的实例：def a_function():

"when called, returns generator object"

yield

生成器表达式还返回生成器：a_generator = (i for i in range(0))

要获得更深入的说明和例子，请继续阅读.

发电机是爱尔兰人

具体来说，生成器是迭代器的一个子类型。>>> import collections, types>>> issubclass(types.GeneratorType, collections.Iterator)True

我们可以通过多种方式创建一个生成器。一个非常常见和简单的方法是使用函数。

具体来说，其中包含产额的函数是一个函数，当被调用时，它返回一个生成器：>>> def a_function():

"just a function definition with yield in it"

yield>>> type(a_function)>>> a_generator = a_function() # when called>>> type(a_generator)

# returns a generator

同样，发电机也是一个迭代器：>>> isinstance(a_generator, collections.Iterator)True

爱尔兰人是易碎的

一个爱尔兰人是一个可学的人，>>> issubclass(collections.Iterator, collections.Iterable)True

这需要一个__iter__方法返回一个Iterator：>>> collections.Iterable()Traceback (most recent call last):

File "", line 1, in

collections.Iterable()TypeError: Can't instantiate abstract class Iterable with abstract methods __iter__

迭代的一些例子是内置元组、列表、字典、集、冻结集、字符串、字节数组、范围和内存视图：>>> all(isinstance(element, collections.Iterable) for element in (

(), [], {}, set(), frozenset(), '', b'', bytearray(), range(0), memoryview(b'')))True

迭代器要求 a next或__next__方法

在Python 2中：>>> collections.Iterator()Traceback (most recent call last):

File "", line 1, in

collections.Iterator()TypeError: Can't instantiate abstract class Iterator with abstract methods next

在Python 3中：>>> collections.Iterator()Traceback (most recent call last):

File "", line 1, in TypeError: Can't instantiate abstract class Iterator with abstract methods __next__

我们可以从内置对象(或自定义对象)获得迭代器。iter职能：>>> all(isinstance(iter(element), collections.Iterator) for element in (

(), [], {}, set(), frozenset(), '', b'', bytearray(), range(0), memoryview(b'')))True

这个__iter__方法在尝试使用带for-循环的对象时调用。然后__next__方法在迭代器对象上调用，以获取循环中的每个项。迭代器引发StopIteration当你用尽它时，它就不能再使用了。

从文件中

从“迭代器类型”的“生成器类型”部分中，到“内置类型”的“生成器类型”部分。文献资料:Python的生成器为实现迭代器协议提供了一种方便的方法。如果容器对象的__iter__()方法作为生成器实现，它将自动返回迭代器对象(从技术上讲，是生成器对象)，提供__iter__()和next() [__next__()在Python 3]方法中。有关生成器的更多信息可以在产率表达式的文档中找到。

(强调后加)

因此，我们从中了解到，生成器是一种(方便的)类型的迭代器。

示例Iterator对象

您可以通过创建或扩展自己的对象来创建实现Iterator协议的对象。class Yes(collections.Iterator):

def __init__(self, stop):

self.x = 0

self.stop = stop def __iter__(self):

return self def next(self):

if self.x < self.stop:

self.x += 1

return 'yes'

else:

# Iterators must raise when done, else considered broken

raise StopIteration

__next__ = next # Python 3 compatibility

但是，简单地使用生成器来完成以下操作就更容易了：def yes(stop):

for _ in range(stop):

yield 'yes'

或者更简单一些，生成器表达式(类似于列表理解)：yes_expr = ('yes' for _ in range(stop))

它们都可以同样的方式使用：>>> stop = 4 >>> for i, y1, y2, y3 in zip(range(stop), Yes(stop), yes(stop),

('yes' for _ in range(stop))):...

print('{0}: {1} == {2} == {3}'.format(i, y1, y2, y3))...

0: yes == yes == yes1: yes == yes == yes2: yes == yes == yes3: yes == yes == yes

结语

当需要将Python对象扩展为可以迭代的对象时，可以直接使用Iterator协议。

然而，在绝大多数情况下，您最适合使用yield若要定义返回生成器迭代器或考虑生成器表达式的函数，请执行以下操作。