python基础4_2-列表生成式、生成器(generator)、迭代器(Iterator)

最新推荐文章于 2022-11-19 19:40:55 发布

73、

最新推荐文章于 2022-11-19 19:40:55 发布

阅读量310

点赞数 1

分类专栏： # python基础文章标签： python-迭代器和生成器 python 迭代器生成器

本文链接：https://blog.csdn.net/weixin_40318474/article/details/103564635

版权

python基础专栏收录该内容

25 篇文章 1 订阅

订阅专栏

1、列表生成式

语法

a = [func(i) for i in range(10)]
>>>a
>>>[0,1,2,3,4,5,6,7,8,9]

应用场景
如何给列表[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]里的每个值加1呢？

一般做法，

>>> a
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> b = []
>>> for i in a:b.append(i+1)
... 
>>> b
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
>>> a = b
>>> a
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

二班做法，

a = [1,3,4,6,7,7,8,9,11]

for index,i in enumerate(a):
    a[index] +=1
print(a)

三班做法，

>>> a
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
>>> a = map(lambda x:x+1, a)
>>> a
<map object at 0x101d2c630>
>>> for i in a:print(i)
... 
2
3
4
5
6
7
8
9
10
11

列表生成式做法，

>>> a = [i+1 for i in range(10)]
>>> a
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

2、生成器

通过列表生成式，我们可以直接创建一个列表。但是受内存的限制，列表的容量是有限的。而且，创建一个100万个数据的列表，不仅占很大的内存存储，如果我们可能只需用到前面的一部分数据，那么后面的数据既没有使用到，还占了内存，白白浪费了内存空间。

那么，如果列表按照某种算法推算出来，这样就不必创建完整的list，从而节省大量的空间。

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

创建生成器的第一种方法，就是把列表生成式的[ ]改成( )就可以了。

>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x104192570>

那么我们怎么打印generator的每一个元素呢？
可以通过next(g)/g.__ next__()函数获得generator的下一个返回值。

>>> next(g)
0
>>> next(g)
1
>>> next(g)
4
>>> next(g)
9
>>> next(g)
16
>>> next(g)
25
>>> next(g)
36
>>> next(g)
49
>>> next(g)
64
>>> next(g)
81
>>> next(g)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

generator保存的是算法，每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。

我们创建了一个generator后，基本上永远不会调用next()，而是通过for循环来迭代它，并且不需要关心StopIteration的错误。

>>> g = (x * x for x in range(10))
>>> for n in g:
...     print(n)
...
0
1
4
9
16
25
36
49
64
81

小总结：

生成器只有在调用的时候才会生成相应的数据，不调用的时候不生成数据，节省空间
只记住当前位置，只有next(g)/g.__next __()方法，只能一个一个往后取数据

generator是非常强大的，如果推算的算法很复杂的时候，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。
比如，著名的斐波拉契数列，除第一个和第二个之外，其他任意一个数都可以由前两个数相加得到：1,1,2,3,5,8,13…

def fib(max):
	n, a, b = 0, 0, 1
	while n <max:
		print(b)
		a, b = b, a+b
		n += 1
	return 'done'

仔细观察发现，斐波拉契数列可以从第一个元素开始，推算出后续的任意元素，这种逻辑和generator很相似。
也就是说上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print(b)改为yield b就可以了。

def fib(max):
	n, a, b = 0, 0, 1
	while n <max:
		#print(b)
		yield b # yield保存当前状态的值并返回
		a, b = b, a+b
		n += 1
	return 'done'

# 可以通过__next__()函数去调下一个元素了
f = fib(100)
print(f.__next__())
print("-----干点别的事----")
print(f.__next__())

这就是定义generator的第二种方法，如果函数中定义一个包含yield关键字，那么这个函数就不再是一个普通的函数了，而是一个生成器。
generator的执行顺序和函数又不一样，函数是按照顺序结构，遇到return语句或者最后一行就返回；而generator在每一次调用__next__()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。
同样的，把函数改成generator后，我们基本上从来不会用__next__()来获取下一个返回值，而是直接使用for循环来迭代，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：

g = fib(6)
while True:
	try:
		x = next(g) # next()调用yield
		print('g:', x)
	except StopIteration as e:
		print('Generator return value:', e.value)
		break

给个例子：实现在单线程的情况下实现并发运算的效果

# Author: Mr.Xue
# 2019.10.24

import time

def consumer(name):
	print("%s 准备吃包子了" % name)
	while True:
		baozi = yield
		print("包子%s来了，被%s吃了" %(baozi, name))
		
#c = consumer("xue")
#c.__next__()
#b1 = "肉包"
#c.send(b1)		

def producer(name):
	c = consumer('a')
	c2 = consumer('b')
	c.__next__()
	c2.__next__()
	print("%s准备开始做包子了" % name)
	for i in range(5):
		time.sleep(1)
		print("做了两个包子，一人一个")
		c.send(i) # 调用yield，同时给yield传值i
		c2.send(i)

producer("Mr")

3、迭代器

可以直接作用于for循环的对象统称为可迭代对象：Iterable
可以被next()函数调用并不断返回下一个值的对象被称为迭代器：Iterator
可用isinstance()判断一个对象是否是Iterable
注：可直接作用于for循环的数据类型有以下几种：

集合数据类型：如list、tuple、dict、set、str等
generator，包括生成器和带yield的generator function

>>> from collections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance('abc', Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100, Iterable)
False
>>>

可以使用isinstance()判断一个对象是否是Iterator对象：

>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False
>>>

生成器都是Iterator对象，但是list、dict、str虽然是Iterable，但不是Iterator
iter()函数可以把list、dict、str等变成Iterator

>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter({}), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True
>>>

73、

关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
python基础4_2-列表生成式、生成器(generator)、迭代器(Iterator)

生成器通过列表生成式，我们可以直接创建一个列表。但是受内存的限制，列表的容量是有限的。而且，创建一个100万个数据的列表，不仅占很大的内存存储，如果我们可能只需用到前面的一部分数据，那么后面的数据既没有使用到，还占了内存，白白浪费了内存空间。注：列表生成式：如 c = [i*2 for i in range(10)]那么，如果列表按照某种算法推算出来，这样就不必创建完整的list，从而节省大...
复制链接

扫一扫