迭代器&生成器

1.解析式

1.1 列表解析式

​ 列表解析式使用中括号[],内部是for循环,if条件可以省略,它返回一个新的列表。

​ 列表解析式是一种语法糖,编译器会优化,不会因为简写而影响效率,反而因优化提高了效率;减少程序员工作量,减少出错;简化了代码,但可读性强;不仅减少了字节码,而且减少了栈帧。

​ 语法:[返回值 for 元素 in 可迭代对象 if 条件]

>>> [x for x in range(5)]
[0, 1, 2, 3, 4]

>>> def f(n):
...     return n**2
...
>>> [f(x) for x in range(5)]
[0, 1, 4, 9, 16]

1.2 集合解析式

​ 集合解析式使用花括号{},内部是for循环,if条件可以省略,它返回一个新的集合。

​ 语法:{返回值 for 元素 in 可迭代对象 if 条件}

>>> {(x,y) for x,y in enumerate(range(1,5))}
{(0, 1), (3, 4), (2, 3), (1, 2)}

1.3 字典解析式

​ 字典解析式使用花括号{},内部是for循环,if条件可以省略,它使用键值对的形式,返回一个新的字典。

​ 语法:{返回值 for 元素 in 可迭代对象 if 条件]}

>>> {x:y for x,y in enumerate(range(1,5))}
{0: 1, 1: 2, 2: 3, 3: 4}

2.生成器generator

	生成器指的是生成器对象,可以由生成器表达式得到,也可以使用yield关键字得到一个生成器函数,调用这个函数得到一个生成器对象。生成器是一个返回迭代器的函数,只能用于迭代操作。

​ 生成器对象是个可迭代对象,也是迭代器(但迭代器不一定是生成器)。生成器对象是按需计算(或称惰性计算、延迟计算),需要的时候才计算值。

2.1 生成器表达式

​ 生成器表达式使用小括号(),内部是for循环,if条件可以省略,它返回一个生成器。

​ 生成器表达式是按需计算(或称惰性求值、延迟计算),需要得时候才计算值,

列表解析式是立即返回值

​ 语法:(返回值 for 元素 in 可迭代对象 if 条件)

>>> f = (x for x in range(5))
>>> type(f)
<class 'generator'>
>>> next(f, "END")
0
>>> next(f, "END")
1
>>> next(f, "END")
2
>>> next(f, "END")
3
>>> next(f, "END")
4
>>> next(f, "END")
'END'

2.2 yield生成器

​ 在Python中,使用了yield的函数被称为生成器。

​ 生成器函数的函数体不会立即执行,使用next()从函数的当前位置向后执行。

​ 在执行生成器函数时,每次执行到yield语句之后,会返回一次结果,然后将函数挂起,使用next()再次执行生成器函数时从上次返回的yield语句处继续执行。

>>> def fun():
...     for i in range(5):
...             yield i
...
>>> next(fun()"END")
060//////u.luh
>>> f = fun()
>>> for i in f:
...     print(i,end=" ")
...
0 1 2 3 4

2.3 yield from

​ yield from是Python3.3出现的新语法,yield from iterable是for item in iterable: yield item形式的缩写,从from后面的可迭代对象中一个个拿元素。

>>> def fun():
...     for i in range(5):
...         yield i
...
>>> def fun():
...     yield from range(5)
...
>>> f = fun()
>>> [next(f) for _ in range(5)]
[0, 1, 2, 3, 4]

3.1 迭代器

​ 有iter()方法和next()方法的就是迭代器。

​ 迭代器内部持有一个状态,该状态用于记录当前迭代所在的位置,以便下次迭代的时候获取正确的元素。可迭代对象实现了__iter__和__next__方法,这两个方法对应内置函数iter()和next()。__iter__方法返回可迭代对象本身,这使得它既是一个可迭代对象同时也是一个迭代器。迭代器只能往前不会后退。

​ iter将一个可迭代对象封装成一个迭代器。next对一个迭代器取下一个元素。如果所有元素都取过了,再次next会抛出StopIteration异常。

​ 生成器都是迭代器,迭代器不一定是生成器。

​ 迭代器对象可以使用常规for进行遍历,也可以使用next()函数。

>>> arr = iter(range(5))
>>> next(arr)
0
>>> next(arr)
1
>>> for i in arr:
...     print(i,end=" ")
...
2 3 4

​ 可以使用isinstance()判断一个对象是否是可迭代对象或迭代器。

>>> from collections.abc import Iterable,Iterator
>>> a = list(range(5))
>>> b = iter(a)
>>> isinstance(b, Iterable)
True
>>> isinstance(b, Iterator)
True
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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