Python3 迭代器与生成器

迭代器

迭代是Python最强大的功能之一,是访问集合元素的一种方式。迭代器是一个可以记住遍历的位置的对象。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完结束。迭代器只能往前不会后退。

迭代器有两个基本的方法:iter() 和 next()。
字符串,列表或元组对象都可用于创建迭代器:


list=[1,2,3,4]
it = iter(list)    # 创建迭代器对象
print(next(it))   # 输出迭代器的下一个元素
print(next(it))   # 输出迭代器的下一个元素

在这里插入图片描述
迭代器对象可以使用常规for语句进行遍历:

list=[1,2,3,4]
it = iter(list)    # 创建迭代器对象
for x in it:
    print (x, end=" ")

在这里插入图片描述
也可以使用 next() 函数:

while True:
    try:
        print (next(it))
    except StopIteration:
        sys.exit()

在这里插入图片描述
创建一个迭代器
把一个类作为一个迭代器使用需要在类中实现两个方法 __ iter__() 与 __ next__() 。
如果你已经了解的面向对象编程,就知道类都有一个构造函数,Python 的构造函数为 __ init__(), 它会在对象初始化的时候执行。

__ iter__() 方法返回一个特殊的迭代器对象, 这个迭代器对象实现了 __ next__() 方法并通过 StopIteration 异常标识迭代的完成。

__ next__() 方法(Python 2 里是 next())会返回下一个迭代器对象。

创建一个返回数字的迭代器,初始值为 1,逐步递增 1:

class MyNumbers:
  def __iter__(self):
    self.a = 1
    return self
 
  def __next__(self):
    x = self.a
    self.a += 1
    return x
 
myclass = MyNumbers()
myiter = iter(myclass)
 
print(next(myiter))
print(next(myiter))
print(next(myiter))
print(next(myiter))
print(next(myiter))

在这里插入图片描述
StopIteration
StopIteration 异常用于标识迭代的完成,防止出现无限循环的情况,在 __ next__() 方法中我们可以设置在完成指定循环次数后触发 StopIteration 异常来结束迭代。

在 20 次迭代后停止执行:

class MyNumbers:
  def __iter__(self):
    self.a = 1
    return self
 
  def __next__(self):
    if self.a <= 20:
      x = self.a
      self.a += 1
      return x
    else:
      raise StopIteration
 
myclass = MyNumbers()
myiter = iter(myclass)
 
for x in myiter:
  print(x)

在这里插入图片描述

生成器

在 Python 中,使用了 yield 的函数被称为生成器(generator)。

跟普通函数不同的是,生成器是一个返回迭代器的函数,只能用于迭代操作,更简单点理解生成器就是一个迭代器。

在调用生成器运行的过程中,每次遇到 yield 时函数会暂停并保存当前所有的运行信息,返回 yield 的值, 并在下一次执行 next() 方法时从当前位置继续运行。

调用一个生成器函数,返回的是一个迭代器对象。

以下实例使用 yield 实现斐波那契数列:

import sys
 
def fibonacci(n): # 生成器函数 - 斐波那契
    a, b, counter = 0, 1, 0
    while True:
        if (counter > n): 
            return
        yield a
        a, b = b, a + b
        counter += 1
f = fibonacci(10) # f 是一个迭代器,由生成器返回生成
 
while True:
    try:
        print (next(f), end=" ")
    except StopIteration:
        sys.exit()```

![在这里插入图片描述](https://img-blog.csdnimg.cn/2f8ec42d2f404084a15d6bcf0d48ec22.png)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
迭代器生成器都是 Python 中用于处理大量数据的重要工具。 ## 迭代器 迭代器是一种对象,它可以被用于迭代(即遍历)数据。在 Python 中,任何实现了 `__iter__()` 和 `__next__()` 方法(在 Python 2 中是 `next()` 方法)的对象都可以作为迭代器。`__iter__()` 方法返回迭代器本身,`__next__()` 方法返回迭代器中的下一个元素。如果没有更多元素,`__next__()` 方法应该引发 `StopIteration` 异常。 例如,我们可以使用迭代器来遍历一个列表: ```python my_list = [1, 2, 3] my_iter = iter(my_list) print(next(my_iter)) # 1 print(next(my_iter)) # 2 print(next(my_iter)) # 3 ``` ## 生成器 生成器是一种特殊的迭代器,它更加灵活,更容易编写。生成器的工作方式与迭代器类似,但是生成器不需要实现 `__iter__()` 和 `__next__()` 方法,而是通过 `yield` 语句来生成数据。每次调用生成器的 `__next__()` 方法时,它会执行代码直到遇到 `yield` 语句,然后返回 `yield` 语句后面的值。当下一次调用 `__next__()` 方法时,生成器会从上次停止的地方继续执行代码,直到再次遇到 `yield` 语句。 例如,我们可以使用生成器来生成斐波那契数列: ```python def fibonacci(): a, b = 0, 1 while True: yield a a, b = b, a + b fib = fibonacci() print(next(fib)) # 0 print(next(fib)) # 1 print(next(fib)) # 1 print(next(fib)) # 2 print(next(fib)) # 3 ``` 生成器可以用于处理大量的数据,因为它们只在需要时生成数据,而不是一次性生成所有数据。此外,生成器还可以用于构建管道(pipeline)和数据流。 总之,迭代器生成器Python 中非常有用的工具,它们可以帮助我们处理大量的数据,提高代码的简洁性和可读性。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值