文章目录
迭代器,生成器,可迭代对象;列表推导式,列表生成式
迭代
-
用途:遍历
-
适用对象:可遍历对象 Iterable
from collections import Iterable val = [] print(isinstance(val, Iterable)) # 结果 True
-
方式:for 变量 in 可迭代对象
val = [1, 2, 3] for i in val: print(i) # 结果 1 2 3
- 对应字典的迭代
- for k in dict.keys()
- for v in dict.values()
- for k, v in dict.items()
- 对应字典的迭代
列表推导式与列表生成式
列表推导式
-
一般形式 [对变量的操作 for 变量 in 可迭代对象]
val = [i*i for i in range(10)] print(val) # 结果 [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
-
带判断的形式 [对变量的操作 for 变量 in 可迭代对象 if 对变量的判断]
- 只有对变量的判断为True时,该才进行对该变量的操作
val = [i*i for i in range(10) if i % 2 == 1] # 只有i%2==1时,才对i进行平方操作 print(val) # 结果 [1, 9, 25, 49, 81]
列表生成式
-
不同于列表推导式的一次性生成列表并返回,列表生成式而是返回一个生成器generator
val = (i*i for i in range(10)) print(type(val)) # 结果 <class 'generator'>
-
一般形式 (对变量的操作 for 变量 in 可迭代对象)
- 使用next(生成器器),进行取值
val = (i*i for i in range(10)) print(val) print(next(val)) print(next(val)) # 结果 <generator object <genexpr> at 0x000001F779D7B258> 0 1
- 当一直next()操作后,遍历结束,再next()则抛异常。StopIteration
-
带判断的形式 (对变量的操作 for 变量 in 可迭代对象 if 对变量的判断)
- 使用next(生成器器),进行取值
val = (i*i for i in range(10) if i % 2 == 1) # 只有i%2==1时,才对i进行平方操作 print(val) print(next(val)) print(next(val)) # 结果 <generator object <genexpr> at 0x000002BC3F35B258> 1 9
- 当一直next()操作后,遍历结束,再next()则抛异常。StopIteration
区别
- 列表推导式用[],列表生成式用()
- 列表推导式一次性生成列表,并返回。列表生成式生成生成器,并返回,用next()取值。
生成器 generator
原因
- 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。
- 如果列表元素可以按照某种算法推算出来,是否可以在循环的过程中不断推算出后续的元素呢?这样就不必创建完整的list,从而节省大量的空间。在python中一边循环一边计算的机制,称为生成器:generator。
构建方式和访问(遍历)方式
-
实现方式:含有关键字yield的函数
- 函数是顺序执行,遇到
return
语句或者最后一行函数语句就返回。而变成generator的函数,在每次调用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。
- 函数是顺序执行,遇到
-
比较
def fib(num): n, a, b = 0, 0, 1 while n < num: print(b) a, b = b, a + b n = n + 1 return('结束') res = fib(4) print(res) # 结果 1 1 2 3 结束
def fib(num): n, a, b = 0, 0, 1 while n < num: yield b a, b = b, a + b n = n + 1 # 使用next()变量,比较麻烦 res1 = fib(4) print(next(res1)) print(next(res1)) print(next(res1)) print(next(res1)) print('-'*40) # 使用for进行遍历 res2 = fib(4) for elmnt in res2: print(elmnt) # 结果 1 1 2 3 ---------------------------------------- 1 1 2 3
-
生成器的遍历方式
-
next(生成器)
-
for 变量 in 生成器
其中,每次变量的值,都相当于next(生成器),并且该方式不用判断异常。因为for自己会处理。
-
迭代器 iterator
for的适用对象→可迭代对象Iterable
- 可以直接作用于
for
循环的对象统称为可迭代对象:Iterable
。- 集合数据类型:包括list,dict,tuple,set,str等
- generator类型:列表生成器,带yield的函数
判断对象是否可被for循环
-
可以使用
isinstance()
判断一个对象是否是Iterable
对象from collections.abc import Iterable print(isinstance([], Iterable)) print(isinstance(1, Iterable)) # 结果 True False
迭代器,生成器和可迭代对象不是同一个东西
- 迭代器:
- 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。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。
- Python的
- 生成器:
- 列表生成器
- 带yield的函数
- 可迭代对象:
- 可以被for作用的对象都是可迭代对象
为什么list
、dict
、str
等数据类型不是Iterator
?
Iterator
对象表示的是一个数据流,无法预知序列的长度。
结论
结论1
- 迭代器,生成器和可迭代对象不是同一种东西。
- 迭代器和和生成器一定是可迭代对象,因为被for作用。
- 可迭代对象不仅仅包括迭代器和生成器,还有其他的,比如list等。
- 可迭代对象可以看做是某种数据结构具备的属性;迭代器和生成器可以看做是具备可迭代属性的数据结构。所以数据结构和属性之间并不相同。因为具备这种可迭代属性的数据结构有很多。
- 数据结构类型≠属性
结论2
-
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val = iter([1, 2]) print(type(val)) # 结果 <class 'list_iterator'>